文摘
背景。骨肉瘤是最常见的骨癌影响年轻的成年人和青少年。这是最常见的恶性肿瘤的骨头。尽管完整的手术切除,化疗大幅增加了骨肉瘤患者的总生存期,患者的预后仍然低迷的复发和/或转移骨肉瘤。因此,找到预测生物标志物代表骨肉瘤的生物差异可能导致更有效的治疗骨肉瘤患者。方法。在这个研究中,RNA从目标数据库获得数据和临床信息。风险评分计算使用技术,包含单变量和多变量Cox回归。各种统计方法被用来评估风险评分的准确性。其中包括ROC曲线,计算图表,kaplan meier曲线。往下,生物信息学的研究是为了调查可能的生物过程,影响骨肉瘤患者的预后。GSEA被用来调查不同群体之间的通路富集变化的基因。检查免疫微环境之间的差距,分析方法CIBERSORT和ssGSEA被雇佣。结果。我们发现三个差异表达lncRNAs (RPARP-AS1, AC009159.3, AC124312.3)与骨肉瘤的预后有关。kaplan meier分析显示存在高风险的签名lncRNAs与骨肉瘤的预后不良。此外,lncRNAs签名的AUC为0.773,表明他们在预测骨肉瘤预后在某些情况下是有用的。在骨肉瘤预后预测,我们的风险评估方法优于传统的临床病理特点。以人们的高危人群,GSEA显示肿瘤的途径以及相关的几种途径。此外,目标显示等几种功能检查点,t细胞coinhibition和聚集有关的高风险和低风险组之间明显不同。LAIR1 LAG3, CD44, CD22以及其他免疫检查点,被证明是表达不同在这两类风险。结论。本研究证实pyroptosis-derived lncRNAs有一个重要的预测价值骨肉瘤患者的生存,这表明它们可能是一个可行的未来治疗的目标。
1。介绍
骨肉瘤是一种骨癌,通常会影响青少年和年轻的成年人。五分之一的患者的转移,结果可能出现在大多数的其他病人,和化疗和手术切除是标准的治疗1,2]。尽管化疗与顺铂、阿霉素、甲氨蝶呤略增加存活率仅手术相比,复发转移性骨肉瘤是频繁和有一个糟糕的预后,只有30%的患者存活一年多后诊断(3,4]。在应对这一未满足的需求,我们集中我们的努力在新发现的骨肉瘤预后的目标。
一种RNA的长度超过200个核苷酸,来自基因组的非编码区域被称为长非编码RNA (lncRNA) [5,6]。在转录和转录后的阶段,lncRNAs调节基因的表达和执行一系列的生物功能7,8]。众多研究表明,长非编码rna在骨肉瘤的发展有一个角色(9,10]。
Pyroptosis是一种程序性细胞死亡,是与炎性介质和细胞分裂的生产(11,12]。Pyroptosis导致正常细胞炎性改变,促进致癌作用,创建有利于肿瘤生长的肿瘤微环境(13,14]。通过刺激ERK通路1/2,HMGB1 pyroptotic上皮细胞产生的,可以加快发展结肠炎患者结直肠癌的15]。根据最近的研究,归纳的pyroptosis缺氧肿瘤已被证明的核心加速肿瘤的生长和总生存期较短有关13,16]。能够预测恶性肿瘤的结果已被证明在许多研究中,和更多的研究pyroptosis可能的机制提供新的治疗靶点来指导未来的研究。
几项研究已经表明,pyroptosis-derived lncRNAs影响固体肿瘤细胞(如宫颈癌、消化道癌症和乳腺癌)(17- - - - - -19]。lncRNAs的作用在骨肉瘤来源于pyroptosis仍然未知。在这个研究中,我们假设许多长非编码rna与pyroptosis基因相关联,可以帮助预测骨肉瘤患者的预后。我们可以更有效地显示骨肉瘤的异质性通过整合临床病理的分子特性和肿瘤类型、我们可以为骨肉瘤临床诊断和预后提供理论依据。为了准确评估患者的预后,我们开发了一种新的基于三lncRNAs与pyroptosis评分系统。
2。材料和方法
2.1。数据收集
齐娜网站在加州大学圣克鲁斯分校(加州大学),是用于获得高通量RNA-seq数据和临床特点目标数据库的88例骨肉瘤患者和396名正常骨骼肌样本GTEx项目。FPKM规范化评估和log2-based变换被用来量化基因表达模式。由于数据的缺乏正常骨骼肌组织在目标人群中,我们使用GTEx数据检测正常和恶性组织之间的度。在比较这两个数据集,数据标准化FPKM值的表达式。
2.2。差异表达基因在目标数据库
33基因与pyroptosis已发表的文献中(表获得S1)。度被确定使用R软件包“limma”|日志的绝对值2FC | > 0.5和一个adj。值< 0.05。后,热图是用来证明pyroptosis-related基因表达差异骨肉瘤和正常骨骼肌组织。
2.3。PPI网络
我们使用的搜索工具交互基因(字符串)数据库创建一个PPI网络为了检查20 pyroptosis-related差异表达基因。最小基因交互得分为0.7被用作标准基因在PPI网络的中心。
2.4。识别Pyroptosis-Associated lncRNAs和发展预测模型
皮尔森相关分析是为了确定lncRNAs pyroptosis有关。lncRNAs和pyroptosis基因之间的关系是决定使用他们的表达式的值。|R2| > 0.6和< 0.001是我们选择标准。我们用单变量Cox回归和多变量Cox回归生成pyroptosis-related lncRNA签名。使用这些数据,我们发现三个lncRNAs参与pyroptosis潜在的预后签名签名模型。建立了模型预测pyroptosis-associated lncRNAs利用三个lncRNAs与pyroptosis建立之前使用一个公式:
在这个公式,exp (我),β(我)显示的表达式值和估计回归系数pyroptosis-related lncRNA,分别。
2.5。评估和验证的准确性预测签名
为了演示高风险和低风险人群之间的联系,我们利用kaplan meier生存曲线。表达数据分析和绘图结果后,我们利用热图和散点图来说明各组织基因表达和预后。ROC曲线是用来评估预测的预测精度。验证风险评分之间的连接和病人的临床病理的特点,进行了相关研究。我们进行了单变量和多变量Cox回归研究来验证我们的预测模型。
2.6。开发一个预测列线图
一列线图开发提供可靠的预测工具为骨肉瘤患者1,3,5年基于风险值和其他临床病理的特点。校准曲线被用来评估协议预期的程度,观察患者群体。
2.7。GSEA分析
的基因表达特征三个pyroptosis-related lncRNAs以及个体的遗传特征分为高和低风险组使用GSEA目标队列中进行评估。错误发现率(罗斯福)< 0.25,值< 0.05。
2.8。免疫细胞特性检查
CIBERSORT网站提供了一个注释的基因签名矩阵(LM22)和定义了22免疫细胞亚型中列出的一个注解。提高反褶积技术对每个文件的准确性,CIBERSORT - - - - - -值和均方根误差计算使用100排列的标准特征矩阵。的CIBERSORT - - - - - -值< 0.05用于选择和进一步处理骨肉瘤组织数据。目标人群的样本的免疫细胞组成骨肉瘤是使用CIBERSORT检查的过程。
2.9。统计分析
不同版本4.0.2和R包被用于统计分析,2-tailed - - - - - -值为0.05时表示统计学意义。单变量和多变量Cox回归分析进行了使用“生存”包,分别。套索Cox回归分析使用“glmnet”包,和10倍交叉验证被用来确定最佳惩罚参数λ。“生存”包用于kaplan meier分析和生存曲线。列线图和校准曲线是利用“rms”计划。“timeROC”计划时间ROC曲线进行研究。罗斯福的基础上,Benjamini-Hochberg技术来发现差异表达lncRNAs。使用“GSVA”ssGSEA-normalized骨肉瘤度比较基因组(R-package)。
3所示。结果
3.1。Pyroptosis-Related不同的基因表达在骨肉瘤和正常的肌肉组织
发现pyroptosis-related基因的差异表达基因和相关活动在骨肉瘤,我们使用目标数据库检查88骨肉瘤患者和396名正常肌肉组织GTEx数据库。表S2包含完整的临床特征的个体在目标数据库。pyroptosis-related基因的表达与骨肉瘤实质上不同正常的肌肉组织,根据我们的研究结果(图1(一))。基因之间的联系与pyroptosis下寻求澄清。我们建造了一个PPI网络组成(图20使用字符串pyroptosis-related基因数据库1 (b)),节点的数量显示在图中1 (c)。图1 (d)描述了这些基因之间的联系。PRCARD被确定为中央基因网络中,它被发现与共有11个额外的基因。当连接与其他基因是主持,我们发现PRCARD和SCAF11最大的链接(图1 (e))。上述结果表明,pyroptosis-related基因在骨肉瘤与彼此互动。
(一)
(b)
(c)
(d)
(e)
3.2。浓缩与Pyroptosis相关的基因分析
我们发现20度与pyroptosis(14表达下调和6调节;表S3)。英国石油公司参与pyroptosis,积极il - 1的规定β生产、细菌和防御反应。曼氏金融主要参与cysteine-type肽链内切酶活动参与凋亡过程,磷脂酰肌醇酮糖绑定。CC主要是参与inflammasome复杂,具体颗粒内腔,内吞作用的囊泡。KEGG-based分析显示,度主要是参与脂质和动脉粥样硬化,军团病、沙门氏菌感染、和nod样受体信号通路(图2)。
(一)
(b)
3.3。确定预后Pyroptosis-Related lncRNAs
利用皮尔森相关分析来评估lncRNAs和pyroptosis-associated基因之间的相关性,我们发现329 lncRNAs与pyroptosis |的选择标准R2| > 0.6和< 0.001(表S4)。Cytoscape是用来解释网络lncRNA-mRNA coexpression在骨肉瘤(图S1)。结合临床生存数据,单变量Cox回归分析的结果显示统计学意义关系的表达六lncRNAs和骨肉瘤患者的生存时间(< 0.001;图3(一个))。三个特征lncRNAs (RPARP-AS1 AC009159.3, AC124312.3)使用多变量Cox回归过滤创建预测签名(RPARP-AS1、AC009159.3 AC124312.3)(图3 (b))。在三lncRNAs RPARP-AS1和AC124312.3人力资源> 1,而AC009159.3 HR1上。RPARP-AS1和AC124312.3都证明是与减少生存和AC009159.3与改善生存(图3 (c))。
(一)
(b)
(c)
3.4。相关验证的准确性三个lncRNAs Pyroptosis预后标记
骨肉瘤患者被分为两组基于截止值中位数:高风险和低风险组。低风险组的患者有一个大大延长寿命和更好的预后比那些高危人群,根据kaplan meier生存曲线(图的研究4(一))。与所有AUC值大于0.7(图4 (b)),中华民国曲线表明,使用风险评分预测骨肉瘤病人的预后1,3,5年是可靠的。此外,签名的5年AUC为0.773,证明性能优越传统临床病理的特点在预测骨肉瘤患者的预后(数字4 (c)和4 (d))。骨肉瘤患者然后根据风险等级分类的预后概要文件中提取出来的pyroptosis-related lncRNAs(图4 (e))。散点图显示骨肉瘤患者的生存和风险评分之间的关系,与更高的风险分数有更短的生存时间(图4 (f))。低风险组lncRNAs与预后标志物表达不同的高危人群,根据热图。高危险因素在高危患者(RPARP-AS1和AC124312.3),而保护变量(AC009159.3)更高的低风险病人(图4 (g))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
3.5。检查的潜力预测的风险签名Pyroptosis-Related lncRNAs独立
的pyroptosis-related lncRNAs预后签名然后测试使用单变量和多变量Cox回归分析,看是否有骨肉瘤患者的独立预测指标。除了性别(= 0.304)和年龄(= 0.770),单变量分析表明,转移(< 0.001)和pyroptosis-related lncRNAs预后风险评分(< 0.001)明显与生存相关(图5(一个))。在多变量分析中,两个pyroptosis-related lncRNAs预后风险评分(= 0.001)和转移(< 0.001)明显与生存相关(图5 (b))。所有这些统计数据表明,风险评分pyroptosis-related lncRNAs独立预测骨肉瘤患者的预后。
(一)
(b)
3.6。Nomogram-Based临床参数和量化的评估风险评分预测精度
作为本节的一部分,我们使用了诺模图根据临床病理特征以及预后的签名pyroptotic-related lncRNAs生成一个分数,可以用来评估预测模型的准确性。骨肉瘤患者,我们开发了一个列线图(图6(一)),结合多个临床病理的特点,如年龄、性别、组织学类型、年级,和相关的风险评分pyroptosis-related lncRNAs为了准确地预测他们1 -,3 -和5年生存时间。在校准的研究中,预测和观察操作系统1,3,5年的骨肉瘤患者良好的协议(图6 (b))。
(一)
(b)
3.7。基因集富集分析
我们执行GSEA比较高风险和低风险组解释pyroptosis-related签名lncRNAs涉及骨肉瘤可能继续和相关功能的发展。研究结果显示,pyroptosis-related lncRNA签名明显丰富自然杀伤细胞介导的细胞毒性,t细胞受体信号通路,nod样受体信号通路,补充凝血级联,氨基糖和核苷酸糖代谢、细胞凋亡、原发性免疫缺陷,和低风险组的细胞凋亡(图7)。许多重要的见解从我们的研究中,将用于未来的研究发现小说个性化治疗和完成全程管理的骨肉瘤患者从不同的风险类别。
3.8。基因表达和免疫
CIBERSORT技术,结合矩阵LM22签名,被用来评估差异渗透低风险和高风险的骨肉瘤患者的22个不同的免疫细胞类型。图8(一)总结了目标88骨肉瘤患者的结果。巨噬细胞的百分比M0细胞在高风险患者更大,而CD4记忆T细胞激活的分数较低(图8(b))。APC coinhibition和聚集有关,CCR,检查站,细胞溶解的活动,HLA,和t细胞和聚集有关coinhibition低风险和高风险组之间明显不同,根据相关分析基于ssGSEA目标数据(图8(c))。鉴于免疫检查点的意义在两种人群,两组之间的患者中,我们发现了一个重大变化的表达LAIR1, LAG3, CD44, CD22(图8(d))。
(一)
(b)
(c)
(d)
4所示。讨论
骨肉瘤患者继续不良预后尽管积极的多学科治疗(手术、放疗、化疗和免疫治疗)大大提高存活率(20.]。病人的预后和治疗结果可能发生显著的变化,即使他们有相同的临床危险因素。所以有必要找到有效治疗骨肉瘤的诊断和治疗的目标。Pyroptosis有双重职能在发展中发现了肿瘤,近年来在治疗过程中作为一个新型的程序性细胞死亡(21]。促进肿瘤细胞pyroptosis,另一方面,可能代表了一种新的治疗目标。在这个研究中,我们使用目标数据库和字符串检查33 pyroptosis-related基因的表达变化在骨肉瘤,以及蛋白质相互作用。我们所知,这是第一个全面调查pyroptosis参与骨肉瘤的发展。
LncRNAs在人类细胞中大量产生,他们发挥着重要的作用在各种各样的生物过程,包括基因表达和细胞分化[22,23]。越来越多的证据表明,异常lncRNA表达可能与恶性肿瘤的发生和发展。目前,很少有研究pyroptosis-related lncRNAs。最近的研究表明,XIST可能抑制非小细胞肺癌的发展通过激活mir - 335 / SOD2 / ROS信号通路(24]。这信号通路导致细胞死亡通过pyroptosis XIST的伸长,长非编码RNA (lncRNA) [25]。但是,没有研究已经进行调查的功能pyroptosis-related lncRNA在骨肉瘤。
在这项研究中,我们检查了之间的联系329 lncRNAs pyroptosis与骨肉瘤的预测。此外,三个pyroptosis-related lncRNAs被发现的预后意义。我们建立了一个风险评分将骨肉瘤患者分为高和低风险组,发现总体生存率有显著不同。另一个发现是基于表达式的风险评分三个pyroptosis-related lncRNAs可能准确地预测患者预后无论存在与否的传统临床风险标记或分子特性。当前对骨肉瘤的风险评分技术主要依靠全基因组测序。先前的研究的潜在lncRNAs新的肿瘤标记物集中在单个分子。作为一种新的恶性肿瘤生物标志物,lncRNA是不够的。随着lncRNAs被证明是分泌的体液如血清、唾液、尿液,结论lncRNAs可用在人类血清/血浆中似乎是可信的。许多研究揭示了微分表达式作为一种新的生物标志物对病人的评估长非编码rna在血清/血浆(26]。然而,这是第一个研究提供一个风险抽样模型基于三长rna的骨肉瘤预后相关性与pyroptosis有关。生物信息学研究曾显示RPARP-AS1和AC124312.3乳腺癌[27,28]。
LncRNAs也参与肿瘤的免疫微环境。几种lncRNAs的重要性已被证明在各种癌症29日,30.]。我们检查了肿瘤浸润免疫细胞之间的联系,这项研究的风险评分。风险评分被证明是不利与免疫功能有关,许多免疫检查点。因此,本研究是第一次检查之间的联系pyroptosis-related lncRNAs和骨肉瘤肿瘤免疫。
但是,我们承认,这项研究具有显著的局限性。数据集用于第一项研究中,例如,是不够的。因为我们获得的数据只能通过目标,我们无法获得数据表达水平的其他lncRNAs支持骨肉瘤患者的临床病理特点,存活率和跟踪。提高预测结果的可靠性,有必要验证新建使用组织水平和风险评分模型体外和体内研究。总的来说,额外的验证是必要的预测模型建立的研究。
5。结论
预后模型我们可以有独立的预测价值和伟大的可靠性和可能未来的研究提供了一些见解lncRNA pyroptosis-related机制,以及新的资源来更好地理解免疫细胞参与癌症控制特定基因机制。
缩写
| 度: | 差异表达基因 |
| 目标: | 治疗研究适用于生成有效的治疗方法 |
| GTEx: | 基因的组织表达 |
| 走: | 基因本体论 |
| 英国石油公司: | 生物过程 |
| MF: | 分子功能 |
| 答: | 蜂窝组件 |
| KEGG: | 京都基因和基因组的百科全书 |
| GSEA: | 基因集富集分析 |
| 罗斯福: | 错误发现率 |
| ssGSEA: | Single-Sample基因集富集分析(ssGSEA)。 |
数据可用性
公开支持本研究使用的数据是可用的治疗应用研究生成有效的治疗方法(目标)和基因型组织表达(GTEx)。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
布鲁里溃疡x和z李构思的想法,设计方法,分析和可视化数据,写了草稿纸。j .刘的分析工具和分析数据。r·丁管理项目和修订。所有作者的文章和批准提交的版本。
补充材料
补充文件表S1。33 pyroptosis-related基因从之前的评论。补充文件表S2。病人的临床特征的目标数据集。补充文件表S3。pyroptosis-related的差异表达基因。补充文件表S4。329年pyroptosis-related lncRNAs通过执行皮尔逊相关分析。图S1补充文件。小说lncRNA之间的关系和信使rna。(补充材料)