文摘
尽管戏剧性的反应免疫抑制剂检查站(艾多酷)患者的结肠癌(CC)窝藏缺乏错配修复(dMMR),超过一半的患者最终进展和经验主要或次要的耐药性。没有有用的生物标志物,目前验证准确预测这种阻力或分层的患者可能受益于ICI-based免疫疗法。缺氧和酸性肿瘤微环境将大大削弱肿瘤抑制功能的肿瘤浸润淋巴细胞(尖),我们试图探讨不同免疫表型分析的瘤内缺氧状态使用的基因签名。基于基因表达综合(GEO) (nTCGA = 88)和癌症基因组图谱()(n患者CC = 49)数据库,我们发现dMMR CC病人可以分为normoxia组(NS)和缺氧组(HS)和不同级别的hypoxia-related基因的表达(低NS组和高HS集团)使用NMF包中。Tumoral实质HS组有一个相对低水平的免疫细胞渗透,尤其是CD8 + T细胞和巨噬细胞M1比NS组和恰逢高表达的免疫分子和趋化因子C-X-C图案检查站,这可能与ICI阻力和预后有关。此外,三个基因,即MT1E MT2A,和玛夫NS和HS组之间差异表达在地理和TCGA军团。基于这些基因,稳定和有价值的预测预后模型建立了临床应用的能力。总之,不同肿瘤免疫微环境(时间)分类hypoxia-related基因可能与艾多酷的不同治疗反应和预后密切相关的dMMR CC的病人。
1。介绍
结肠癌(CC)是全球最普遍的一种恶性肿瘤,导致2020年死亡的第五大原因(1]。先进的CC的标准治疗程序是手术+辅助治疗或新辅助治疗。然而,从2018年到2021年,晚期乳腺癌患者的死亡率几乎没有改变(1,2]。CC的分子亚型之一,具有较高的肿瘤突变负担(三甲),更neoantigens,和相对有利的结果,是缺乏错配修复(dMMR)。之前的临床试验表明,转移患者CC dMMR肿瘤表现出令人印象深刻的和深病理反应ICI-based免疫疗法(3]。然而,大约60%的dMMR病人可能仍然进展和经验阻力相同的方案(4]。因此,许多研究都集中在进行全面的全基因组分析来识别潜在的分子机制应对艾多酷差和不同的结果在其他类型的人类恶性肿瘤(5- - - - - -7]。
一些研究报道,更高层次的三甲和大型生产neoantigens与免疫细胞的浸润密切相关,因此免疫治疗的反应率8),而许多因素,如抑制氧气和营养物质,可能会影响肿瘤浸润淋巴细胞(尖),导致不同的和复杂的时间(9,10]。一个主要玩家显著影响许多类型的细胞制造时间是缺氧。虽然缺氧是身上的一个特点,它被广泛称为抑制免疫细胞代谢和肿瘤发展的催化剂和进展11,12]。肿瘤,这些肿瘤发起人剥夺氧气和营养,随后产生缺氧和酸性碰头,抑制功能的尖(13]。例如,乳酸,表达的增加缺氧时间的典型特征,具有重要的免疫抑制作用,抑制尖的新陈代谢,从而抑制干扰素的生产γ(IFN -γ)[14,15]。除此之外,另一个缺氧时间丰富表达因素,命名为低氧诱导因子- 1α(HIF-1α),损害了扩散、迁移和细胞毒性作用的CD8 + T细胞通过促进他们糖酵解表型(16]。
在这项研究中,基于基因表达综合(GEO)和癌症基因组图谱(TCGA)数据库,我们已经研究了缺氧的作用表现在肿瘤免疫微环境(时间)的患者与dMMR CC。使用hypoxia-related基因签名,dMMR病人分为2组和评估他们的不同的时间。此外,我们还开发了一种预后模型dMMR CC患者在临床应用。
2。材料和方法
2.1。数据集分子分类和验证
88 dMMR CC患者的微阵列数据收集从GSE39084(16)和GSE39582(72),这属于基因表达综合(GEO)数据库(https://www.ncbi.nlm.nih.gov/geo/)。因为dMMR CC病人的数量分析是不够的,我们合并两个数据集是消除使用批处理后效果limma(版本3.48.1)股东价值分析(版本3.40.0)包。同时,49 dMMR CC病人的数据验证得到的癌症基因组图谱(TCGA)数据库(https://portal.gdc.cancer.gov/)使用环球数码创意API工具于2021年7月7日。
2.2。Hypoxia-Related基因列表
这个列表包含200个hypoxia-related基因,从访问HALLMARK_HYPOXIA基因集的基因集富集分析(GSEA)数据库(http://www.gsea-msigdb.org/gsea/msigdb/cards/HALLMARK_HYPOXIA.html)[17,18]。完整的基因列表中包含的表S1。
免疫相关基因从跟踪获得肿瘤Immunophenotype数据库(http://biocc.hrbmu.edu.cn/TIP/index.jsp)[19]。这个列表包含消极的,积极的,T细胞、CD8 + T细胞CD4 + T细胞,树突状细胞、嗜酸性粒细胞、巨噬细胞、单核细胞、嗜中性粒细胞,自然杀(NK)细胞,Th1细胞,Th17细胞,Th - 2细胞,Th22细胞,Treg cell-correlated基因。
2.3。聚类分析程序
首先,我们使用单变量Cox分析来识别hypoxia-related基因的预后价值。然后,基因 被选为后续分析。合并后的基因集,它包含88 dMMR CC病人,是集群使用一个无监督非负矩阵分解(NMF)(版本0.23.0)包20.]。选择最优聚类数据k价值同表象时相关系数开始下降。然后,聚类结果是评估使用主成分分析(PCA)和t-distributed随机邻居嵌入(t-SNE)。与此同时,不同的子组的总生存期(OS)是根据评估的结果kaplan meier分析使用生存(3.2 -11)包。此外,据hypoxia-related基因聚类方法验证使用,TCGA COAD队列。
2.4。识别差异表达基因和功能注释的分析
差异表达基因与罗斯福(度)< 0.05和|日志2FC | > 1是确定两个不同的子组之间使用limma(版本3.48.1)包。此外,根据功能度进行评估通过基因本体论(去)和《京都议定书》百科全书的基因和基因组(KEGG)使用clusterProfiler(版本4.0.2),topGO(版本2.44.0),pathview(版本1.32.0)包。
2.5。评价肿瘤免疫微环境
调查之间的差异2子组,我们使用CIBERSORTx估计22个不同的免疫细胞的渗透(https://cibersortx.stanford.edu/)[21]。与此同时,我们也提取免疫分子和科学家检查站趋化因子的表达式从微阵列数据的地理数据集和RNA-seq TCGA队列。这些变量的表达式不同使用Wilcoxon测试子组之间的比较。
2.6。建设基于预后Hypoxia-Related预后模型的基因
分子聚类之后,我们建立了一个基于2 hypoxia-related预后模型中心的基因,是十字路口GEO-DEGs和TCGA-DEGs使用至少绝对收缩和选择操作符(套索)回归分析。建立了风险评分模型的公式如下:
的指数代表一个明显预后基因的套索回归分析,和代表这些基因的β系数。
2.7。模型验证和可视化
的歧视能力评估预后模型使用接受者操作特征(ROC)曲线分析。它将计算真阳性(TP)和假阳性(FP),基于一系列不同的二元分类方法(批评或截断值)。所绘制的曲线与TP或敏感性作为纵坐标,和FP或1-specificity作为横坐标。曲线下的面积(AUC)是用于定量分析在ROC分析。一般来说,(1)0.5和0.7之间的AUC将被视为低精度;(2)AUC在0.7和0.9之间会被认为是有价值的;和(3)AUC高于0.9将被视为精度高;然而,AUC = 0.5意味着模型没有诊断价值。在这项研究中,使用的ROC分析timeROC包(版本0.4)。
基于Cox比例风险模型,标定图被用来评估预后模型的稳定性。与此同时,kaplan meier (km)进行生存分析根据不同的风险分数(得分低风险和高风险评分)。校准和km分析进行使用rms(6.1版本0)生存包。
可视化的预后模型,我们使用rms(6.1版本0)创建一个列线图,可以估计1 -,3 -和5年OS dMMR CC的病人。此外,为了使预测模型更加用户友好,我们开发了一个在线动态计算器应用程序使用闪亮的(版本1.5.0)DynNom(v5.0.1)包在r .这个在线计算器允许用户输入他们的特征,然后,它会自动导出的结果的操作系统(https://xyxdoctor.shinyapps.io/OS_of_dMMR_Colon_Cancer/)。
2.8。统计分析
连续和分类(频率和百分比)使用独立的变量进行了分析t、卡方或2-tailed确切概率法,分别。与此同时,使用Mann-Whitney排名数据进行了分析U测试。预测模型的歧视是评估使用ROC分析。操作系统被定义为从手术的日期由于任何原因死亡的日期。操作系统之间的不同群体使用log-rank km分析的方法测定。Cox回归分析用于评估时间event-dependent OS CC dMMR病人的状态。RNA表达的相关基因在不同中心用斯皮尔曼的分析测量。一个 - - - - - -被认为具有统计显著性值小于0.05。所有统计分析都使用R软件(版本4.0.3;https://www.r-project.org/),R工作室(1.3.1093版;https://www.rstudio.com/)软件。
3所示。结果
3.1。不同的分子子组之间不同的特征
本研究的完成管道图所示1。最初,我们过滤22与dMMR患者的预后相关基因从200 hypoxia-related基因列表从GSEA获得数据库(表S2)。根据这些基因,我们分类GEO集(GSE39084 + GSE39582)使用NMF包中。选择最优聚类数据k价值,这是由同表象相关系数决定。在这项研究中,同表象相关系数开始下降,当k值2(图2(一个))。然后,我们评估的微分表达式22预后hypoxia-related基因在不同的子组。结果表明,大多数hypoxia-related基因越来越Cluster2(图表达2 (b))。与此同时,从不同的子组患者的分布明显分开通过PCA和t-SNE分析(数据2 (c)和2 (d))。结合这些结果,我们最终决定分类88 dMMR CC病人分成两个不同的子组。Cluster1被定义为normoxia组(NS),和Cluster2被定义为缺氧组(HS)。
(一)
(b)
(c)
(d)
不同组间的临床病理特征也进行了分析(表S3)。我们发现在NS患者年轻( )和最好的病理阶段( )。TCGA COAD队列,病理阶段,米在NS也更好。结合地理群体,所有88 CC患者完成后续的信息。我们使用为分析比较他们的预后NS和商品之间的关系。结果表明,操作系统的NS明显优于HS ( )(图3(一个))。有趣的是,所有的患者在随访期间NS死了。与我们的研究结果巧合,先前的研究还发现,病理阶段和年龄密切相关的OS / DFS患者结直肠癌(CRC) (22,23]。
(一)
(b)
(c)
(d)
(e)
(f)
不同的临床特征后两个子组发现,我们决定调查差异是否也存在于基因表达和功能水平。我们发现198基因(|日志表达有差异2FC | > 1和罗斯福NS和HS(图之间的< 0.05)3 (b))。其中,153个基因的表达显著降低,其他基因的表达在NS更高,而商品。与此同时,12 hypoxia-related基因,包括玛夫,MT1E, MT2A, et al .,渐渐的失去了NS,且只有一个hypoxia-related基因,名叫SELENBP1,越来越在NS。这个结果符合聚类结果如图2 (b),这表明大多数hypoxia-related基因渐减地表达在HS NS相比。基于KEGG分析,我们发现这些度参与炎症相关的(cytokine-cytokine受体相互作用,趋化因子信号通路和NF -κB信号通路)和肿瘤(肿瘤坏死因子信号通路途径(图)3 (c))。同样,生物过程(图的结果3 (d)(图),细胞组件3 (e)),和分子功能(图3 (f))分析使用表明,这些度与炎症相关的功能,包括应对interleukin-1,细胞因子活性,趋化因子活动,CXCR趋化因子受体结合,等等。综上所述,这些研究结果表明,缺氧条件时间不仅会调节肿瘤细胞的生物学行为也改变代谢和免疫细胞的分泌。这些发现也支持先前的研究[24- - - - - -26]。他们发现的剥夺氧气和葡萄糖由肿瘤引起的基质细胞会引入尖的疲惫和障碍,随后创建一个免疫抑制时间。
3.2。子组之间不同的肿瘤免疫微环境
因为生存状态明显不同的两个子组和功能度浓缩在炎症通路,我们决定调查两个子组之间的时间是不同的。CIBERSORTx通过分析,我们发现CD8 + T细胞的静息,CD4 + T细胞激活,M1巨噬细胞和树突细胞休息更在NS(图4(一))。我们认为相对normoxia时间可能有利于渗透的细胞毒性T细胞和巨噬细胞的极化到M1型。先前的研究表明,HIF-1升高的一个主要因素在缺氧区和PD-L1,可以直接调节肿瘤相关巨噬细胞(tam)的分化,并将其转换为极化M2类型,这往往发挥了免疫抑制作用时间和导致耐药性的免疫疗法27- - - - - -29日]。
(一)
(b)
(c)
(d)
更深入地调查时间的差异,我们也评估免疫相关基因的表达(从跟踪肿瘤Immunophenotype获得数据库),免疫分子,检查站和C-X-C主题两个子组之间的趋化因子。结果表明,大多数干扰素(IFN) -相关基因在NS越来越表示,跟着前面的结果,CD8 +及CD4 + T细胞明显富裕在NS(图4 (b))。尽管PDCD1,也称为程序性细胞死亡1 (PD-1),所有其他的免疫分子检查站渐减地用NS(图表示的4 (c))。尽管PD-1表达的类型的免疫细胞,包括B细胞、自然杀伤细胞,先天淋巴细胞和骨髓细胞,其表达式主要发生在T细胞(30.]。在我们的研究中,我们发现,大多数类型的T细胞,包括CD8 +、CD4 +记忆激活,卵泡助手,和调节性T细胞浓缩在HS NS相比。这些可能与NS PD-1表达的增加有关。类似的热图图所示的结果4 (b)chemokine-related基因,包括处于受控,2,3,5,8,16,明显越来越HS(图中表达4 (d))。Korbecki等人认为,科学家的高表达趋化因子与缺氧时间有关,也与患者的不良预后相关(31日]。
我们也使用数据TCGA的dMMR CC病人COAD群验证hypoxia-related基因聚类方法(图S1)。热图情节显示预后hypoxia-related基因的表达是不同的在不同的子组。与此同时,子组和6之间的差异表达基因有81度与缺氧有关。GEO集与以前的结果一致,TCGA COAD队列的分析显示,除了PD-1大多数免疫分子检查站的表达式在NS低。此外,科学家趋化因子在商品日益表示,这也是按照地理的结果集。
综上所述,大多数T细胞,尤其是CD8 +、CD4 + T细胞memory-activated巧合IFN-related基因的表达,在NS丰富。PD-1的高表达可能与T细胞的更高层次的殖民,而增加免疫检查点分子的表达与免疫抑制时间密切相关,抗艾多酷(32]。在我们的研究中,尽管PD-1,所有其他的免疫分子越来越表现在海关检查站。结合更高层次的科学家趋化因子,病人在海关可能有一个相对免疫抑制时间,贫穷对免疫治疗,预后差相比在NS。
3.3。分析Hypoxia-Related中心基因
在之前的分析,我们发现,有198度NS和商品之间在地理集和81度TCGA COAD队列。我们想知道是否有十字路口之间的度在GEO集和度,TCGA队列。维恩图显示,5基因差异表达地理TCGA集和队列(图5(一个))。其中,3基因,即MT1E MT2A,和玛夫缺氧相关的。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
接下来,我们研究了这些基因的表达的相关性。表达式相关情节建议所有三个基因都积极表示 )(图5 (b))。因为所有三个基因越来越表现在海关在地理和TCGA军团,我们认为这些基因会负相关的操作系统和免疫细胞的渗透。因此,我们评估使用km和斯皮尔曼的分析(数据的相关性5 (c)- - - - - -5 (h))。结果表明,增加三个基因的表达显著与贫穷相关的操作系统状态(数据5 (c),5 (e),5 (g))。与此同时,所有3基因负相关的渗透CD4 +T树突细胞和中性粒细胞的浸润呈现正相关。先前的研究还发现,高渗透的中性粒细胞与贫穷的生存状态是一致的在许多类型的癌症33- - - - - -35]。此外,玛夫是负面的表达与CD8 + T细胞的浸润有关。自玛夫越来越表现在商品,也有更少的入渗的CD8 + T细胞CD4 + T细胞和巨噬细胞M1, M2巨噬细胞和中性粒细胞的浸润,它表明玛夫可能是潜在缺氧时间的重要调节基因。
3.4。建设基于Hypoxia-Related预后模型的基因
前面的分析发现,dMMR CC病人可分为缺氧和normoxia子类。这些子组表明hypoxia-related基因的不同表达式,功能充实,时间,和预后。三个基因,即MT1E MT2A,和玛夫之间的差异表达NS和HS TCGA地理和同志们。接下来,我们想知道预后模型基于这些基因可能为临床应用。
最初,3基因包括在内。通过套索Cox回归分析,2基因,如MT2A和玛夫,被过滤的建设预后模型(数据6(一)和6 (b))。预后模型的公式如下所示:
(一)
(b)
(c)
(d)
(e)
(f)
(g)
我们定义组得分高于中位数作为高危人群,而分数低于中位数作为低风险组。从风险图(图6 (c)(图)和km曲线6 (e)),我们发现,低风险组较低比率死亡病例和更好的预后( )。与此同时,低风险组基因低表达的中心,更好的病态N,T阶段,年轻,更多情况下的女性患者和远端结肠肿瘤(图6 (d))。通过单变量和多变量Cox分析,我们确定的预后模型dMMR CC患者(数据的独立预测指标6 (f)和6 (g))。
低风险组的临床特点,有别于高危人群,包括性别比例、年龄、肿瘤位置、和病理特点。我们的研究结果支持先前的研究36,37]。他们还发现,男性患者,右肿瘤了,可怜的病理特征是复发和预后的潜在风险因素的患者结直肠癌(CRC)。另一方面,这也表明两个基因,即MT2A玛夫,可能扮演一个重要角色在结肠癌的开发和进展和预后模型基于这些基因将宝贵的临床应用。
3.5。校准和可视化的预后模型
我们使用ROC和校准模型评估的辨别能力和稳定性预测模型。ROC分析的结果表明,该模型有很好的预测能力歧视1 - (AUC = 72.3%), 3 - (AUC = 72.9%), 5年dMMR CC患者(78.6%)操作系统(图7(一))。明显和bias-corrected校准曲线与理想曲线情节,显示良好的稳定性和一致性的预后模型(图7 (b))。
(一)
(b)
(c)
(d)
随后,我们开发了临床应用的诺模图。以及预后的风险评分模型,它还包含病态T,N,米、阶段和年龄(图7 (c))。使用非常简单,用户友好,分为三个步骤。首先,每个因素会阅读和规模有不同的点根据点。第二,每个因素的总数加起来有一个点。它将确定总规模。最后,dMMR CC病人的操作系统将会在概率,基于总点上一步计算的。
此外,诊断模型更方便使用,我们开发了一个在线动态列线图(图7 (d))。它可以简化的“四段式”使用分成两个步骤使用。首先,不同的价值观各临床病理因素可在下拉菜单中选择。然后,用户只需要点击预测按钮,和操作系统的病人会被自动计算基于概率预测模型。与此同时,森林图95%可信区间(CI)将同时可视化。
4所示。讨论
在这项研究中,基于hypoxia-related基因签名,我们有dMMR CC病人分为2组。大多数hypoxia-related基因在商品日益表示,相比在NS。因此,我们认为,NS是normoxia子群和HS是缺氧组。NS的时候非常不同于商品,显示最尖的渗透是明显高于NS。与此同时,它也降低免疫检查点分子和趋化因子的表达。这些结果表明,NS可能有一个相对normoxia碰头,这可能促进尖的渗透,从而导致一个更好的预后。此外,我们还建立了一个预测模型基于两个hypoxia-related基因,即MT2A和玛夫。它还显示一个稳定和一致的预测能力,表明患者缺氧和预后之间的密切联系dMMR CC。最后,我们确定了玛夫可能是一个潜在的重要的调节基因参与dMMR CC患者的缺氧时间。
MSI / dMMR CC病人最初认为高水平的三甲neoantigens,这可能引发持续self-immune反应,确保免疫疗法的疗效8]。目前,免疫抑制剂(艾多酷)检查站被FDA批准用于治疗先进MSI / dMMR CC病人[38]。然而,先前的研究已经表明,仍有近60%的MSI / dMMR没有响应,表明时间变量即使在MSI / dMMR病人[39]。因此,紧迫性是发现潜在的机制并确定最敏感的患者,从而提高治疗效率。
在这项研究中,我们发现,即使在CC dMMR状态,患者有变量,它被认为是与艾多酷的治疗效率和预后密切相关。先前的研究表明变化和演进一直存在在时间的肿瘤治疗艾多酷(40]。同时,疲惫和删除肿瘤特异性CD8 + T细胞可以显著影响艾多酷和诱导耐药的抗肿瘤效果41]。这些发现强调的重要性,CD8 + T细胞参与艾多酷的疗法。然而,肿瘤细胞不受控制的发展创造缺氧和malnutritional碰头。它将大大削弱CD8 + T细胞的新陈代谢和殖民,从而诱导耐药性肿瘤进展和艾多酷的10]。在这项研究中,患者在normoxia子群有显著较高的渗透CD8 +及CD4 + T细胞。我们认为这些病人可能更适应教育,并更好的预后可能部分与高渗透的尖。有趣的是,在NS,除了高尖的渗透,也显著降低中性粒细胞的浸润。一项研究表明,中性粒细胞可以作为肿瘤抑制或催化剂,根据肿瘤类型和阶段(42]。在肿瘤的进展,中性粒细胞会促进肿瘤的生长通过释放血管内皮生长因子(VEGF)刺激血管生成(42]。在这项研究中,我们还发现,VEGF的表达明显高于在HS伴随着更高的中性粒细胞浸润。在结直肠癌(CRC),高渗透肿瘤浸润的中性粒细胞与组织学分级的增加呈正相关,先进的病理阶段,和贫穷recurrence-free生存(34]。此外,TCGA GEO集和队列,我们已经确定了更高的渗透M1和M2的低渗透NS。高机动组框1蛋白质(HMGB1),越来越表现在缺氧时间和与CC的发展密切相关,已被证明是相关巨噬细胞殖民,尤其是对M2型(43]。这些M2巨噬细胞分泌VEGF和TNF -α在这项研究中,这也证明了在图3 (b),从而促进肿瘤的进展和转移(44,45]。
PD-1,诱导膜蛋白的一种,通常是调节与CD8 + T细胞的激活通过NFATc1、切口和STAT通路(46- - - - - -48]。然而,肿瘤浸润CD8 + T细胞会经历不同的微分重组。他们中的一些人随后获得一种疲惫,由于缺氧,酸性,malnutritional碰头。在重组过程中,这些细胞将提升抑制性受体,如PD-1 [49]。这些发现强调PD-1感应的重要性在时间和CD8 + T细胞从而开门PD-1抑制剂临床应用的疗效。在这项研究中,我们发现,PDCD1 PD-1的另一个象征,是越来越表现在NS。除了PD-1之外,所有其他的免疫分子,检查站包括PD-L1 CTLA4, et al .,拒绝在NS。先前的研究还发现了缺氧可以诱导免疫检查点的高表达分子,如吲哚胺2,3-dioxygenase (IDO)和PD-L1 [50,51]。免疫检查点分子的表达可能是负相关的渗透尖和类型的癌症的预后7,52,53]。
在缺氧时间,科学家趋化因子主要是由肿瘤相关巨噬细胞(tam)和myeloid-derived分泌抑制细胞(MDSCs)通过低氧诱导因子(HIF) /核转录因子κB (NF -κ(B)途径54,55]。随后,这些科学家趋化因子激活将会促进肿瘤的进展和转移通过众多protumor属性。七个科学家趋化因子在这项研究中,如处于受控,CXCL2, CXCL3, CXCL5, CXCL6, CXCL8 CXCL16,都是血管生成(56- - - - - -59]。这些趋化因子的高表达会导致新血管形成,从而促进肿瘤侵袭和转移60]。在这项研究中,我们还发现,缺氧组有较高的科学家趋化因子的表达,这可能与预后差的子群。
在这项研究中,三个基因,即MT1E, MT2A,和玛夫GEO-DEGs的交集,TCGA-DEGs, hypoxia-related基因列表。他们两个,即MT2A和玛夫,被包括在临床应用的预后模型的建设。金属硫蛋白(MTs),一个家庭的低分子量蛋白质,发挥重要作用的细胞内稳态的规定(锌和铜61年]。在类型的MTs、MT1和是分布最广泛的亚型,常见的许多组织,特别是在肝脏和肾脏62年]。MTs可能紧密参与致癌作用,包括肿瘤的生长、分化、血管生成和转移63年]。同时,MTs的过程也可以参与时间重塑绑定到质膜和免疫逃逸的尖和改变他们的免疫调节功能(64年]。高水平的MTs发布在细胞外环境中被证明是与免疫抑制密切相关,肿瘤侵犯,在许多癌症和转移(65年- - - - - -67年]。另一个中心基因,玛夫,也是缺氧相关的和已被证明是与癌症侵袭转移关系紧密相关通过低氧诱导因子/ NF -κB通路(68年]。与此同时,它也被确认在tam促进M2极化,表明它的角色参与时间重塑和ICI疗法(69年]。在这项研究中,我们还发现,更高的表达MT1E, MT2A,玛夫有关贫穷的CD8 + T细胞的渗透和dMMR CC患者预后差。在进一步的研究中,我们决定专注于这些基因和他们的角色参与CC的开发和发展。
此外,我们还建立了一个预测模型,以及列线图和闪亮的应用,基于hypoxia-related基因。众多研究也建造类似的预后模型类型的癌症,如骨肉瘤(70年],乳腺癌[71年)、肾(72年),和肺癌73年]。在所有这些研究中,尽管不同的基因,hypoxia-related基因的高表达患者要么穷病理阶段,免疫细胞的渗透,或生存状态,凸显缺氧基因在临床应用的潜力。
本研究也有一些局限性:(1)由于患者限制数据资源与dMMR CC,本研究的样本量很小,这可能引起选择性偏差;(2)预后模型的验证过程中,外部验证设置并不可用,因此导致不稳定的风险模型;(3)这只是一种生物信息学研究,没有实验体外/体内;然而,我们已经确定了三个hypoxia-related中心基因发挥了重要作用时间和dMMR CC患者的预后。在进一步的研究中,我们将关注这些基因及其生物功能的开发和进展dMMR CC。
总之,我们有机密dMMR CC病人缺氧和normoxia子组和显示不同的时间。我们发现缺氧组低渗透的尖,更多的检查站免疫分子和趋化因子的表达,预后较差。基于所有的证据,我们认为耐缺氧时间可能是潜在的与这里有关dMMR CC的病人。随后,我们确定了两个中心基因,将专注于进一步的研究。此外,我们已经开发出一种预后模型。在此基础上,计算图表和闪亮的应用构建了临床应用。
数据可用性
生成的数据库和分析地理(目前的研究都是免费的https://www.ncbi.nlm.nih.gov/geo/TCGA)和(https://portal.gdc.cancer.gov/)数据库。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
许一心的构思和设计研究和写的手稿(初稿)。曹Jujie胡锦涛和可以收集原始数据。米利张分析数据。Youdong刘姗姗,魏、Hannan陈和紫嫣朱镕基进行数据可视化。梁Yu和李Jikun审查和编辑手稿。所有作者同意负责这项工作的内容。所有作者的文章和批准提交的版本。
确认
作者要感谢杨京和毛Jieqi帮助在本研究过程中。这项研究是由常州科技计划(没有。CJ20210017),江苏大学的临床技术发展基金会(没有。JLY2021022),中国国家自然科学基金(国家自然科学基金委)(81673034和81673034号),和上海自然科学基金(19 zr1441000号和21 zr1452100)。
补充材料
补充1。表S1: 200 hypoxia-related基因的列表。补充2。表S2: 22 hypoxia-related基因的列表与预后价值。补充3。表S3:不同临床病理的特点normoxia和缺氧子组之间在地理和TCGA集。补充4。图S1: hypoxia-related基因聚类方法的验证,TCGA COAD队列。(a)的热图显示不同表情的22预后缺氧基因之间的两个子组。(b)两个子组之间有98度。 Among them, 6 genes were hypoxia related. (c) The result of CIBERSORTx analysis showed different infiltration of immune cells between two subgroups. (d) The heatmap showed different expressions of immune-related genes between two subgroups. Despite PDCD1, all the other immune checkpoint molecules (e) and chemokines (f) were increasingly expressed in HS.(补充材料)