文摘

背景。作为一种恶性肿瘤,头颈部鳞状细胞癌(HNSCC)严重威胁人类的健康。本研究旨在建立一个新的,可靠的预后模型。方法。HNSCC患者的基因表达谱数据从基因表达综合下载和癌症基因组图谱数据库。相关免疫细胞差异表达基因(IRDEGs) HNSCC被确定。然后我们用Cox回归分析和最小绝对收缩和选择算子(套索)分析探讨IRDEGs HNSCC预后相关,构造和验证风险评分模型和估计用于评估肿瘤免疫渗透HNSCC病人。最后,我们验证IGSF5 HNSCC细胞表达和功能。结果。总共有1195 IRDEGs GSE65858数据集被发现。31 1195 IRDEGs HNSCC与预后相关。9个关键IRDEGs进一步选择使用套索的方法,和风险评分模型建立了预测HNSCC患者的生存。根据风险评分模型,病人的预后的高危人群是比低风险组;高危组免疫得分要明显高于低风险组;高和低风险之间的样本,在10的比例有显著差异类型的细胞,包括幼稚细胞,浆细胞和CD4休息+记忆T细胞。HNSCC IGSF5低表达,IGSF5显著HNSCC受损细胞的过度增殖。结论。预后风险评估模型可以帮助系统地评估HNSCC患者的生存预后的改善和提供了一个新的研究方向的生存预后HNSCC患者在临床实践中。

1。介绍

头颈部鳞状细胞癌(HNSCC)是一种粘膜上皮肿瘤,多发的口腔、口咽,喉,或喉咽1]。根据“2018年全球癌症统计”,据估计,每年有超过800000新HNSCC情况下(2]。HNSCC与几个相关的风险因素,包括吸烟、饮酒和槟榔咀嚼(槟榔)[3]。尽管减少HNSCC情况下造成这些风险因素,HNSCC病例数由人类乳头瘤病毒(HPV)引起越来越多,和整体患病率逐渐上升(4]。最近,令人信服的结果已清楚地表明,HNSCC HPV患者积极消极和人乳头状瘤病毒是完全不同的分子标记,临床表现和对治疗的反应。最常见的感染亚型,HPV16感染占大约80%的人类乳头瘤病毒感染HNSCC患者(5]。此外,HNSCC病人不吸烟或者喝酒但是HPV感染已经在中间,当他们被诊断为晚期。大约有40 - 60%的患者综合治疗后复发的经验,包括手术、放疗、化疗,他们不应对后续的治疗措施6]。因此,它是至关重要的评估HNSCC HPV感染患者的预后。目前,HNSCC患者的预后的临床评价主要是通过传统的肿瘤,节点,转移TNM分期。这种预测方法的精度是有限的,和病人的预后分层是不准确的。因此,为了更好地指导临床改善HNSCC HPV感染患者的预后,当务之急是探索一个稳定、高效的预后模型。

免疫逃避是一个重要因素影响恶性肿瘤的发生和发展,包括HNSCC [7]。几种生物标志物可以定义不仅患者的免疫状态,而且HNSCC的生物学行为。许多研究提供证据的角色发展的免疫细胞HPV-induced HNSCC。例如,CD4+T细胞浸润在人乳头状瘤病毒+HNSCC患者高于人乳头状瘤病毒- - - - - -HNSCC患者(8]。细胞因子和趋化因子在人乳头状瘤病毒的水平+HNSCC患者高于人乳头状瘤病毒- - - - - -患者(9]。一些研究已经探讨了评估模型的生存预后HNSCC使用免疫相关基因(10]。这些研究有一定的局限性,如未能履行分析而言,肿瘤微环境中的免疫和基质细胞成分,及其对肿瘤免疫的分子特征的描述交互一直不清楚,特别是关于HNSCC的预后评估。免疫系统的许多组件HNSCC[的发生和发展密切相关8]。免疫分数和基质分数是新兴的方法可以用来描述肿瘤微环境来确定这个肿瘤的入侵和渗透能力,可以在预后评估中发挥作用11]。

基于基因表达谱数据HNSCC HPV感染患者的基因表达综合(GEO)数据库,将已知的免疫相关基因(irg) InnateDB数据库和ImmPort数据库,我们选择新颖的免疫生物标志物与HPV感染相关使用生物信息学方法,建立了预测评价模型。这个模型可以用来评估HNSCC患者生存预后和免疫渗透。本研究将有助于改善HNSCC患者的临床诊断和预后评估,为HNSCC患者的治疗提供新的目标。

2。材料和方法

2.1。数据占有

基因表达谱数据和临床信息GSE65858 HNSCC病人的数据集得到的GEO数据库(https://www.ncbi.nlm.nih.gov/geo/)。有60 HPV16感染病例和196例HPV消极。2019年9月12日,基因表达谱数据和生存信息与头颈部鳞状细胞癌的患者(494例),在癌症基因组图谱(TCGA)数据库是来自加州大学圣克鲁斯,齐娜网站(https://xenabrowser.net/datapages/)。

2.2。选择的几种差异表达基因(度)

我们使用了包limma R软件(版本3.44.3)分析基因表达谱数据GSE65858 HNSCC病人的数据集根据调整和筛选结果 值( )< 0.05选择度HPV16-infected样本与HPV-uninfected样本。2019年9月12日,伊斯兰革命卫队从InnateDB下载数据库(https://www.innatedb.ca/)和ImmPort数据库(https://www.immport.org)。度的交集和伊斯兰革命卫队由免疫细胞差异表达基因的列表(HNSCC IRDEGs)患者。

2.3。IRDEG富集分析

的功能富集分析了IRDEGs使用ClusterProfiler包R(3.16.1版)。大大丰富了基因本体论(去)条款确定基于GO功能富集分析结果( )。大大丰富了生物通路被京都基因和基因组的百科全书(KEGG)通路富集分析( )。

2.4。加权基因Coexpression网络分析(WGCNA),生存分析,基因集富集分析(GSEA)

WGCNA进行IRDEGs,病人的临床资料和IRDEGs的表达水平都是由WGCNA计算。基地

d拓扑重叠测量模型,基因集群使用平均链接层次聚类方法获得不同的基因模块。模块eigengenes被定义为第一主成分的每个基因模块。之间的皮尔逊相关系数模型eigengene每个模块和临床信息的样本计算得到基因的意义(GS)。GS,越高越重要模块,显示更多的相关这个模块如何HPV16-infected样本。然后,关键模块中的IRDEGs源自WGCNA用于使用kaplan meier生存分析方法,以及IRDEGs survival-related基因被确定。

2.5。预测模型的建立和验证

survival-associated核心IRDEGs进一步选择从survival-related IRDEGs使用至少绝对收缩和选择操作符(套索)方法。风险评分模型,该模型可以预测预后的样品是用这些核心IRDEGs构造。每个样本的风险评分然后计算基于模型。基于所有HNSCC患者的平均风险评分,HNSCC患者分为高风险和低风险组。kaplan meier生存分析是用来分析病人的生存预后的高风险和低风险组,和模型的诊断价值进行了分析使用接受者操作特征(ROC)曲线,验证在数据TCGA HNSCC病人的数据库。在此基础上,我们分组与头颈部鳞状细胞癌患者,根据不同的临床特点和使用kaplan meier方法来分析稳定性的分组后的预后模型的预测能力。最后,我们使用了单变量和多变量Cox回归分析探讨预后之间的相关性模型和其他临床特征(N阶段,T阶段、年龄阶段,和性)来确定模型的独立性。

2.6。免疫细胞的免疫渗透和计算组件

我们用R的估计包来计算每个HNSCC病人的免疫得分和基质的分数通过输入每个HNSCC病人的基因表达谱,结合特定的免疫和基质细胞的基因表达特征。基于所有HNSCC患者的平均风险评分,HNSCC患者分为高风险和低风险组,和免疫的差异分数和基质之间的分数两组进行了分析。我们进一步用CIBERSORT和LM22矩阵(签名矩阵包含22功能定义人类免疫子集)的比例来计算22人类在每个HNSCC患者造血细胞的表型。的总和的比例估计免疫细胞类型在每个样本等于1。基于所有HNSCC患者的平均风险评分,HNSCC患者分为高风险和低风险组,差异在两组之间的免疫细胞的比例进行了分析。

2.7。细胞培养和转染

人类HNSCC细胞系Hep-2和TU212中南大学癌症研究所的礼物。这两个细胞系中培养rpmi - 1640中补充10%的边后卫,在湿润孵化器37°C和5%的二氧化碳。慢病毒包括IGSF5超表达质粒和向量IGSF5取自GeneChem(中国上海)体内实验。细胞被播种在60 - 70%融合和慢病毒感染文化(我是10)。由嘌呤霉素未感染细胞被淘汰,稳定细胞株被选4μg / ml嘌呤霉素治疗后72 h的转染。转染的效率取决于蛋白质印迹。

2.8。免疫印迹和抗体

抗体IGSF5来自热费希尔科学(目录# pa5 - 80713, 1: 1000年,热费希尔科学、马、美国);GAPDH是Proteintech (1: 5000, Proteintech集团,武汉,中国)。人类HNSCC细胞系细胞溶解的里帕裂解缓冲,它包含一个蛋白酶抑制剂鸡尾酒和磷酸酶蛋白酶抑制剂鸡尾酒。BCA蛋白质分析工具包(Beyotime生物技术研究所、上海、中国)是用于检测总蛋白的浓度。使用10% sds - page分离总蛋白质,然后,蛋白质被转移到PVDF膜(美国默克密理博)。我们阻止膜5% BSA (Sigma-Aldrich、上海、中国)1小时。然后,膜抗体孵育IGSF5一夜之间在4°C;膜与TBST洗6次。与二次孵化后抗体1 h在室温条件下,膜与TBST洗6次了。最后,乐队被检测到奥德赛CLx红外成像系统(美国东北LI-COR生物科学)。

2.9。细胞增殖和集落形成试验

我们使用了细胞计数设备8 (CCK8)试验(Dojindo、熊本、日本)在96孔板测量细胞增殖。细胞被播种在 每口井,五为每个条件复制。CCK8添加在24、48、72和96 h和孵化2 h的37°C。细胞数量在450 nm决定通过测量吸光度。我们播种500细胞的6-well板一式三份为每个条件和孵化了10天。然后,殖民地被甲醇固定并与结晶紫染色。平均菌落数计算。每个实验重复三次。

2.10。细胞凋亡分析

细胞被收获,洗两次与冰冷的磷酸盐溶液(PBS)和固定在冰冷的70%乙醇,然后一夜之间在4°C的环境。然后,细胞被停职后,制造商的协议。最后,FACSCalibur流式细胞分析仪是用于检测和FlowJo / ModFit LT软件数据分析(美国新泽西州正欲)。所有实验进行三次。

3所示。结果

3.1。选择IRDEGs

本研究设计的设计说明,如图1。澄清的HPV16感染对免疫系统的影响HNSCC病人,我们首先从GEO数据库下载GSE65858数据(包含60 HNSCC HPV16患者和196 HNSCC病人没有HPV感染)为度屏幕。5748度被确定( ),其中3218是调节和2530年下调(数字2(一个)和2 (b))。然后,总共有5127年伊斯兰革命卫队从InnateDB下载数据库和ImmPort数据库。伊斯兰革命卫队和度的交集共有1195个基因,称为IRDEGs与HPV16-related HNSCC(图2 (c))。这些发现表明,HPV感染可能导致HNSCC患者的免疫反应。


图1
目前研究的流程图。
(一)
(一)
(b)
(b)
(c)
(c)
图2
概述HNSCC IRDEG剖析。(一)度GSE65858 HNSCC组织和正常组织之间的数据集。中标识的度HNSCC可视化在火山的阴谋。图中的红色和绿色的点代表度与统计学意义( )。(b)热图的100度。(c) 1195个基因的两个数据集有重叠。
3.2。IRDEG富集分析

接下来,进一步阐明这些IRDEGs信号通路和分子功能,在所有1195 IRDEGs功能富集分析。KEGG结果表明,这些基因在重要扮演监管角色的几种途径,如原发性免疫缺陷,在肿瘤信号通路,比如PI3K-Akt信号通路(图3(一个))。我们组进一步去分析这些基因的功能分类,和类似的结果:这些基因不仅参与T细胞活化,调节白细胞激活,白细胞分化,和其他几种生物过程(图3 (b)),而且调节细胞因子受体结合,细胞因子活性,受体调节器活动,和其他肿瘤分子功能(图3 (c))。一些重要组成部分的编码蛋白质膜筏、膜microdomains,膜区域(图3 (d))。这些结果进一步表明,HPV感染确实有某种对HNSCC病人的免疫系统产生影响,从而影响肿瘤的发生和发展。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图3
KEGG去分析重叠IRDEGs HNSCC:(一)KEGG通路;(b)生物过程;(c)分子功能;(d)蜂窝组件。功能和通路富集IRDEGs泡沫中显示图表。
3.3。WGCNA和生存分析

经过初步验证IRDEGs及其信号通路的存在,我们进一步构建加权基因coexpression网络基于1195 IRDEGs识别关键的尾声时的生存预后HNSCC病人。确保网络是一个无标度网络,我们选择最优 0.85(图4(一))。我们这些基因集群使用平均链接层次聚类方法。总共有五个模块(图获得的4 (b))。在每个模块的基因数量统计分析,补充表所示1。如图4 (c),颜色从红色到蓝色的变化代表了从高到低相关系数降低。我们也计算了GS每个基因模块(图的价值4 (d))。更高的GS意味着模块与样本与HPV感染有关。基于上述两种方法的结果分析模块和表型之间的关联关系,模块大部分与HPV感染有关颜色的蓝绿色(正面)和蓝色(负)。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图4
加权IRDEGs HNSCC表达网络。(一)无标度符合指数对振动力量。的对振动力量WGCNA决心基于无标度 ( )。左侧面板提供了软阈值和无尺度之间的关系 。右边的面板提供了软阈值和平均连通性之间的关系。(b)的系统树图集群基于不同指标的差异表达基因。图中每个分支代表一个基因,它下面的颜色代表一个表达模块。(c)的热图显示基因模块之间的相关性及临床特征。绿松石模块包含596年伊斯兰革命卫队,蓝色模块包含了186年伊斯兰革命卫队。每个单元中的相关系数代表了基因模块之间的相关性及临床特征,减少在大小从红色到蓝色。绿松石模块显示最高的正相关与生存,而蓝色模块显示最高的负相关与生存。(d)分布的平均GS和模块中的错误与HNSCC患者的总生存期有关。基于平均链接层次聚类和对振动能力,确定了六个模块。确定每个模块的重要性,GS计算来衡量基因和样本特征之间的相关性。 GS was defined as the log10的转换 值之间的线性回归中基因表达和临床数据( )。青绿色和蓝色模块显示高相关性HNSCC患者的生存。

我们下一个单变量Cox生存分析执行782个关键模块的基因( )包括积极的和消极的相关模块。总共有31 IRDEGs选择与生存预后相关(一些prognosis-related因素的生存曲线如图所示5, )。总之,高表达的IGSF5, NKX2-3, ALDH2 HLF,显示一个更好的整体存活率较低表达组基于kaplan meier分析。低表达IFIT2、FXYD5 CTSL1 IFNAR1,可怜RNF216显示总体存活率与高表达组基于kaplan meier分析。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
(g)
(g)
(h)
(h)
(我)
(我)
图5
的预后价值9键IRDEGs ((a)IGSF5,(b)NKX2-3,(c)HLF,(d)ALDH2,(e)IFIT2(f)FXYD5,(g)CTSL1(h)IFNAR1,(我)RNF216)HNSCC患者总体存活曲线。
3.4。建设和验证预测模型

为了更好的评估通过这些IRDEGs HNSCC患者的临床预后,我们选择九个关键预后的基因,包括免疫球蛋白超家族成员5 (IGSF5),NK2同源框3 (NKX2-3),hevein-like蛋白(HLPF)、醛脱氢酶2的家庭成员(ALDH2),干扰素诱导蛋白tetratricopeptide重复2 (IFIT2),FXYD domain-containing离子运输监管机构5 (FXYD5),组织蛋白酶L1 (CTSL11)、干扰素α和β受体亚基(IFNAR1),无名指蛋白216 (RNF216),使用套索方法基于31个survival-related IRDEGs(数字6(一)- - - - - -6(我))。表达水平的九个关键因素被套索加权回归系数(表1),预测的风险评分模型的生存预后HNSCC患者被成功建立。每个样本的风险评分计算基于模型。根据风险评分的中位数GSE65858 HNSCC病人,HNSCC患者分为高风险和低风险组。有一个显著的差异在两组之间的预后(图6 (f))。模型的预测结果进行评估使用ROC曲线。ROC曲线下的面积(AUC) GNS65858 HNSCC患者的预后预测的数据集在1年,3年,5年达到0.787,0.747,和0.678,分别(图6 (g)),证明该预测模型的有效性。也就是说,这个模型可以用来评估HNSCC患者的临床预后。上述研究结果证实在HNSCC TCGA样本数据库进一步证实模型的有效性决定HNSCC患者的预后(数字6 (h)和6(我))。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
(g)
(g)
(h)
(h)
(我)
(我)
图6
建设IRDEG预后分级机,时间ROC曲线的分布,和kaplan meier生存:(a, b)决心套索许多因素的分析;(c)分布的风险分数;(d)生存时间和状态的患者;(e)的热图IRDEGs的分类器;(f) kaplan meier GSE65858队列的曲线;GSE65858队列(g) ROC曲线;(h) kaplan meier TCGA HNSCC队列的曲线;(我),TCGA HNSCC队列ROC曲线。
表1
9-gene免疫签名。

此外,为了验证模型的稳定性,256在GSE65858 HNSCC样本分组根据临床特点。这些HNSCC样本分为高危组和低风险组基于中值模型的得分。结果表明,无论我们分组根据人乳头状瘤病毒+,人乳头状瘤病毒- - - - - -,女性,男性,N0, N1 + N2 + N3, T1 + T2 + T3, T4a + T4b,吸烟,不吸烟,喝酒,没有酒精,MT53, WT53, ,或 ,的预后有显著区别高危组和低风险组(图7)。这些发现进一步表明HPV感染是影响HNSCC患者生存预后的一个重要因素,预测模型的预测能力是稳定的。同样,这个预测模型的稳定性也证实HNSCC TCGA样本(补充图1)。


图7
影响不同的临床特点HNSCC患者的预后。基于风险评分GSE65858 256 HNSCC患者的预后评价模型计算数据集,患者分为高和低风险组后第一个被HPV感染等临床特征,分层性、淋巴结转移、肿瘤浸润程度、吸烟、饮酒、TP53基因突变和年龄。所有这些特性对HNSCC患者的预后有影响。

最后,为了验证的独立预后评价模型,我们用单变量和多变量Cox回归分析分析预后评价模型之间的关系和其他实验组的临床因素。单变量Cox回归分析表明,N阶段,T阶段,阶段,年龄,和我们的预后模型风险评分都与生存密切相关。多变量Cox回归分析表明,N阶段,年龄和预后模型得分(表的独立预后因素2)。应用于TCGA验证设置,单变量Cox回归分析显示,年龄、性别、和预后模型得分都显著与生存相关;多变量Cox回归分析显示,年龄和预后模型构造分数(补充表的独立预后因素2)。上述结果表明,基于IRDEGs预后评价模型稳定、可靠,可用于评估HNSCC患者的生存预后。

表2
单变量和多变量分析预后因素和整体生存GSE65858 HNSCC患者的队列。
3.5。免疫得分和基质的分数

进一步评估免疫渗透HNSCC患者的预后和生存之间的关系,我们评估了免疫分数和基质的分数。HNSCC病人在实验组和验证组被分成两个子组中值显示免疫分数或基质分数的价值。患者之间的预后有显著差异的两个子组实验组(数字8(一个)和8 (c), )。预后没有显著差异的两个子组之间的划分根据基质分数验证组(图8 (b), ),但发现显著差异在两个子组划分根据免疫得分(图8 (d), )。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
图8
免疫渗透对HNSCC患者的预后的影响:基质(a, c)影响的分数和免疫分数在总体存活率GSE65858队列基于kaplan meier分析;基质(b, d)影响的分数和免疫分数在总体存活率TCGA HNSCC队列基于kaplan meier分析;(e)免疫分数之间的关联,基质分数,和风险评分GSE65858队列;免疫得分(f)之间的关联,基质分数,和风险评分,TCGA HNSCC队列。

HNSCC实验组和验证组的病人被分为高风险和低风险组根据预后评价模型。之间没有显著差异在免疫分患者的高和低风险的子组实验组或验证组(数字8 (e)和8 (f)左部, ),但有一个区别之间的间质分数每组的高和低风险病人(数字8 (e)和8 (f),对吧, )。这些结果表明,免疫渗透影响的程度的生存预后HNSCC病人,和预后评价模型由我们的研究小组可以评估HNSCC患者免疫渗透的程度。

3.6。免疫景观HNSCC样本低/高的风险

确认后免疫渗透和生存预后之间的相关性HNSCC病人,我们进一步探讨免疫细胞的比例在HNSCC病人的肿瘤组织。结果表明,免疫细胞的比例在低收入和高风险HNSCC HNSCC样本之间的不同样品(图9)。具体来说,实验组的分析表明,天真的B细胞的比例,浆细胞、CD4休息+记忆T细胞,滤泡辅助T细胞,γδT细胞,M0巨噬细胞、树突细胞,树突状细胞激活,激活肥大细胞,中性粒细胞明显不同的两组样品( ,表3)。验证组的比例11细胞类型,包括天真的B细胞,记忆B细胞、浆细胞、CD8+CD4 T细胞,休息+记忆T细胞,滤泡辅助T细胞,调节性T细胞,γδT细胞、NK细胞休息,M0巨噬细胞,和M2巨噬细胞明显不同的两组之间(表4)。

(一)
(一)
(b)
(b)
图9
HNSCC患者的免疫细胞类型的比例:(a)的平均比例22 GSE65858队列中免疫细胞类型;(b)的平均比例22 TCGA HNSCC队列中免疫细胞类型。
表3
观察免疫细胞类型差异表达高低RS组之间GSE65858队列。
表4
观察免疫细胞类型微分表达式之间的高收入和低组TCGA的队列。

4所示。验证IGSF5 HNSCC细胞中表达的预后模型

由于IGSF5基因是最相关的因素模型(套索 ,表1),我们选择的初步验证。首先,我们发现IGSF5低表达HNSCC根据来自母星v3.0(图的数据10 ())。和IGSF5表达显著升高HNSCC病人感染了人乳头状瘤病毒(图10 (b)),这与预后模型是相一致的。验证的功能IGSF5,我们调节IGSF5 HNSCC细胞(图的表达10 (c))。然后,我们发现,过度的IGSF5显著HNSCC受损细胞增殖和Hep-2 TU212细胞(数字10 (d)- - - - - -10 (f))和极大地促进细胞凋亡(数字10 (g)和10 (h))。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
(g)
(g)
(h)
(h)
图10
过度的IGSF5抑制HNSCC细胞的增殖。(一)IGSF5 HNSCC样本中表达较低与正常组织相比,TCGA的数据库( , )。在患有乳腺癌(b) IGSF5 HNSCC组织从GSE65858队列的价格相比是调节HPV-negative组织。(c)的表达IGSF5被免疫印迹检测,和细胞转染IGSF5超表达质粒之间显著不同IGSF5超表达(pCDNA-IGSF5)和控制(向量)组织Hep-2和TU212细胞。GAPDH是作为内部控制。(d)的增殖能力下降pCDNA-IGSF5 Hep-2 TU212细胞相比CCK8控制细胞(向量)的测定。减少(e, f)集落形成能力pCDNA-IGSF5 Hep-2 TU212细胞与控制(向量)细胞集落形成试验。条形图显示殖民地的数量。(g, h)细胞凋亡pCDNA-IGSF5 Hep-2 TU212细胞与控制(向量)被流式细胞术分析。细胞凋亡率图表所示。给出的结果 和至少代表三个独立的实验。 , , ,和 。ns: 。

5。讨论

近年来,肿瘤免疫和治疗相关HNSCC研究热点和挑战。在这项研究中,我们首先选择31关键IRDEGs HNSCC患者的预后影响的HNSCC或没有HPV16感染患者,进一步用九个关键IRDEGs构建一个稳定、高效的预后评价模型评价的生存预后和免疫渗透HNSCC患者在临床实践中。在我们的研究中,5127年伊斯兰革命卫队从InnateDB下载数据库和ImmPort数据库,和1195年IRDEGs。此外,KEGG去分析证实,这些基因不仅参与许多免疫调节途径,而且在肿瘤发生和发展发挥着重要作用。她以前等人研究了伊斯兰革命卫队的差异HNSCC患者或没有HPV感染。然而,伊斯兰革命卫队在他们的研究仅限于ImmPort网站所包含的1073个基因。此外,他们的研究并没有研究伊斯兰革命卫队的微分表达式和癌症之间paracancerous HNSCC患者的组织(12]。因此,与我们的研究相比,他们有更多的限制,大大减少了他们的研究结果的可靠性。

评估HNSCC患者的临床预后,我们构建了一个使用套索预后模型的方法。九个核心模型的基因,IGSF5(13),NKX2-3(14),HLF(15),ALDH2(16),IFIT2(17),FXYD5(18),CTSL1(19),IFNAR1(20.),而RNF216(21),与肿瘤的发生和发展有关。ALDH2在HNSCC[中扮演一个重要的监管作用22)和肿瘤免疫反应(23]。HLF耐药机制以及与预后密切相关(HNSCC病人24)和CD4参与免疫反应+和其他免疫细胞(25]。IFNAR1HNSCC病人中高度表达,它促进的表达程序death-ligand 1 (PDL1)和程序性细胞死亡蛋白1 (PD1)肿瘤细胞(26]。这些发现间接地表明,我们的风险预测模型构建基于关键IRDEGs相关预测是可靠的。更重要的是,AUC值预测HNSCC病人GNS65858数据集的生存1年,3年,5年达到0.787,0.747,和0.678,分别表明了预测模型的评价结果是高效的。我们的分析结果还表明,有一个显著差异在HNSCC患者生存预后与HPV感染。性别、年龄、淋巴结转移、肿瘤浸润深度、吸烟状况、饮酒、和TP53基因突变也与HNSCC患者的生存预后密切相关。最后,我们证明了IGSF5下调HNSCC患者;超表达IGSF5可能抑制HNSCC细胞增殖和诱导细胞凋亡,这意味着我们的预测模型是可靠的。

在肿瘤微环境、免疫和基质细胞是两个主要nontumor组件。信息在肿瘤微环境中免疫细胞和基质细胞可以作为重要指标在评价癌症患者的生存预后[27]。因此,根据所构造的风险预测模型,我们HNSCC患者分为高危组和低风险组,发现两组有显著差异不仅在肿瘤浸润深度和淋巴结转移也在肿瘤组织的免疫渗透的程度。的生存预后甚至贫困组得分更高的免疫和基质。在此基础上,我们发现,这两组中患者的免疫细胞成分也不同,主要是在天真的B细胞,记忆B细胞、浆细胞、CD8+T细胞,天真的CD4细胞+CD4 T细胞,休息+CD4记忆T细胞,激活+记忆T细胞,调节性T细胞,与先前的研究结果(28]。例如,CD8+T细胞在肿瘤微环境中,起着重要的作用,能抑制肿瘤细胞的扩散和转移29日]。我们的研究结果表明,CD8+T细胞免疫低风险组中高度表达。这些研究结果进一步证实了包括更多的伊斯兰革命卫队的生存预后模型的重要性。

总之,本研究构建了一个更全面的immune-associated HNSCC患者生存预后评估系统。这个系统的核心基因,IGSF5,NKX2-3,HLF,ALDH2,IFIT2,FXYD5,CTSL1,IFNAR1,RNF216,可以用作HNSCC的标志。这个系统可以帮助预测生存,免疫渗透,HNSCC患者的肿瘤转移。它提供了一个重要的参考理解HNSCC和寻找新的诊断和治疗在临床实践的目标。在未来的研究中,九个关键基因的表达和功能需要进一步验证。

6。结论

我们建造了一个预后风险评估模型来帮助系统地评估HNSCC患者的生存预后的改善,并提供一个新的研究方向的生存预后HNSCC患者在临床实践中。

数据可用性

基因表达谱数据和临床信息GSE65858 HNSCC病人的数据集得到的GEO数据库(https://www.ncbi.nlm.nih.gov/geo/)。基因表达谱数据和生存信息与头颈部鳞状细胞癌的患者(494例),在癌症基因组图谱(TCGA)数据库是来自加州大学圣克鲁斯,齐娜网站(https://xenabrowser.net/datapages/)。

的利益冲突

作者宣称没有利益冲突。

确认

我们感谢所有的人参加了这项工作。这项工作得到了湖南省为研究生(没有创新的基础。CX20190411)。

补充材料

补充图1:稳定的预后模型TCGA HNSCC样本中确认。补充表1:每个模块对应的基因。补充表2:单变量和多变量分析预后因素和整体生存TCGA HNSCC患者的队列。(补充材料)