文摘
Ferroptosis发挥了至关重要的作用在不同类型的癌症,但是Ferroptosis在皮肤黑色素瘤的预后影响仍然缺乏。因此,ferroptosis-related基因(德意志联邦共和国)首先从FerrDb获得数据库和差异表达德意志联邦共和国是由“limma”标识算法。接下来,预后差异表达筛选出了德意志联邦共和国是单变量Cox回归,随后被用于集群黑色素瘤分为两个亚型(集群A和B)。此外,Boruta算法和主成分分析(PCA)进行建立15-FRGs指标,可以有力预测病人的总生存期(OS)和黑色素瘤被认为是一个独立的预后因素。黑色素瘤患者进一步分为高——和low-FRGs分数组。高分组预后良好,较高的T细胞免疫渗透以及较低的突变频率在国家管制当局方面,喀斯特,NF1。最后,我们发现许多免疫过程和一些化疗药物与德意志联邦共和国评分密切相关。因此,我们的研究提供了一个新颖的ferroptosis-associated分类器和黑色素瘤的预后预测指标。此外,我们发现一些潜在的化疗药物诱导ferroptosis和可以供应更多的有效的治疗方法。
1。介绍
黑色素瘤是一种高度致命的皮肤肿瘤来源于黑色素细胞的恶性转化。尽管黑色素瘤发病率5%又有些皮肤保护方面的新癌症患者,它会导致一个总体死亡率为80%。由于缺乏早期症状,诊断黑色素瘤通常是在一个高级阶段,只有10%的患者5年生存(1,2]。目前,传统的黑色素瘤治疗和预后预测系统,如克拉克水平,肿瘤阶段,和组织学类型,正日益成为难以说明临床结果的多样性(3]。分子特性,比如基因转录、翻译、和许多转译后的修改导致异质性的皮肤黑素瘤(4]。因此,迫切需要探索新的生物标记分类和预测预后的早期黑色素瘤。
Ferroptosis被定义为一种新型的基于铁程序性细胞死亡,它的特点是致命的脂质过氧化物的积累和细胞内活性氧(ROS)的生产(5]。近年来,许多重要的研究表明ferroptosis是参与者在大量的病理过程中,尤其是在肿瘤细胞的增殖和生长6,7]。激活ferroptosis抑制许多chemotherapy-resistant癌症的发展,这表明ferroptosis癌症治疗(可能是一个有前途的治疗目标8]。除了感应ferroptosis的代理人,各种基因也被确认为司机或抑制ferroptosis [9]。SLC7A11和差别为例,对这些SLC3A2诱发ferroptosis的激活,导致抗肿瘤功效[10]。此外,ferroptosis-related基因的预后价值已经证明在许多癌症研究。例如,刘等人开发了一个19-ferroptosis-related基因签名来预测神经胶质瘤患者的生存11]。卢和马构建小说7 ferroptosis-associated预后基因对葡萄膜黑色素瘤的指标(12]。张等人发现15 ferroptosis-related mrna治疗靶点治疗卵巢癌(13]。同样,ferroptosis-associated研究越来越显示其重要性在皮肤黑色素瘤的发展14]。张等人证明miR-9促进ferroptosis沉默的黑色素瘤细胞。巴西等人报道,线粒体复杂我抑制剂是一个重要的代理在黑色素瘤细胞中诱导ferroptosis [15]。然而,综合分析ferroptosis-related基因的皮肤的黑色素瘤患者的预后仍然缺乏。幸运的是,公众的可用性,大规模数据集,如癌症基因组图谱(TCGA)和基因表达综合(GEO)数据库提供大量的转录组资料调查ferroptosis-related基因的景观。
因此,在本研究中,我们全面评估的特点ferroptosis-related基因在皮肤黑色素瘤根据TCGA和GEO RNA-Seq数据集。基于ferroptosis-related基因的表达水平,黑色素瘤患者被成功分为肿瘤亚型与不同的临床特点和生存活动。接下来,我们构建了一个预后签名与15 ferroptosis-related基因,它预测黑色素瘤患者生存的结果。最后,一些化疗药物被发现从CellMiner数据库(16],它密切相关ferroptosis签名和提供系统治疗黑色素瘤的替代疗法。
2。材料和方法
2.1。数据采集和分析
RNA-Seq数据集和临床特征指的是在这项研究中获得的公开可用的数据库。正常皮肤黑色素瘤肿瘤配对数据集(TCGA-GTEx)从齐娜下载网站(https://xena.ucsc.edu/public-hubs/)。RNA表达数据集,包含GSE15605 GSE3189, GSE46517来自地理数据库(https://www.ncbi.nlm.nih.gov/geo)。然后,这些数据集的数据形式的基因表达转化为系统及每千碱基百万(成绩单)。接下来,“战斗”算法来减少执行批处理效果和合并这些数据集有一大群人。除此之外,两个黑素瘤与生存信息数据集(GSE19345和GSE65904)被选为外部验证分析。
2.2。Ferroptosis-Related基因
总共177个ferroptosis-related基因(德意志联邦共和国)组成的108司机69基因和抑制基因从FerrDb下载网站(https://www.zhounan.org/ferrdb沉积),监管机构和标记的ferroptosis收集PubMed数据库(17]。去除重叠基因后,173年德意志联邦共和国终于选择了进一步分析。
2.3。以不同的方式表达了德意志联邦共和国
样品在大群被分为正常和肿瘤组。“Limma”R包被用来屏幕与调整》表达的不同 |日志2褶皱变化(FC) |≥0.5。接下来,基因本体论(去)富集分析分别探讨了潜在的分子机制在调节和表达下调德意志联邦共和国。
2.4。FRGs-Associated亚型识别
单变量Cox回归分析被用来屏幕不同的预后价值TCGA-SKCM数据集表示德意志联邦共和国,在那里 被认为是具有统计学意义。之后,我们利用聚类方法来生成最终的共识集群基于预后德意志联邦共和国的病人。主成分分析(PCA)进行区分病人集群分布的两个主要组件。此外,我们还探讨这些预后德意志联邦共和国之间的互动关系。分类测试稳定性的德意志联邦共和国,病人GSE19345 GSE65904数据集和相应的分类和验证。
2.5。特征选择和德意志联邦共和国分数建设
此外,Boruta算法进行选择确定预后德意志联邦共和国的重要特征。这些重要的德意志联邦共和国进一步招募PCA计算和提取的主成分1 (PC1)代表签名。最后,我们构造的德意志联邦共和国相关预后模型TCGA-SKCM数据和列出的公式如下: 。每个病人的德意志联邦共和国的分数是根据公式计算和下一个标准化的范围从0到1。这些患者被分为高或低分数组最佳截断值。kaplan meier生存分析被用来比较高,低分数组之间不同的结果。为了证明结果的鲁棒性,德意志联邦共和国签名GSE19345进一步验证和GSE65904数据集。此外,德意志联邦共和国的预后价值评估分数,多变量cox回归总生存期(OS)次进行传统的临床因素和德意志联邦共和国得分在多个数据集。危害比(人力资源)和95%置信区间(95% CI)的预后因素计算。
2.6。体细胞突变概要分析
TCGA-SKCM数据集的突变概要文件是存放在突变的形式注释格式在癌症基因组图谱(TCGA)数据门户(https://gdac.broadinstitute.org分析和总结了),这是通过使用“Maftools”包。首先,突变的低收入和景观high-FRGs得分子组被oncoPrint情节了。十大最常见的突变基因,以及一些知名的黑色素瘤如BRAF突变体,国家管制当局方面,喀斯特,极品,和NF1低收入和高-德意志联邦共和国分数子组,进行调查。此外,肿瘤突变负担(三甲),它被定义为面板的每megabase突变序列的数量检查,被Maftools计算。接下来,三甲和德意志联邦共和国成绩之间的相关性也探索。
2.7。免疫细胞浸润和免疫检查点监管机构协会
为了研究德意志联邦共和国分数之间的关系和免疫状态、22种的比例计算肿瘤微环境中免疫细胞通过CIBERSORT算法。样品与CIBERSORT 包含在德意志联邦共和国分数之间的相关分析和免疫细胞。此外,探索潜在的生物表型之间的高收入和low-FRGs分数组、免疫检查点监管机构的表达数据提取和分析与德意志联邦共和国得分。
2.8。基因集富集分析
探索不同的信号通路浓缩德意志联邦共和国得分在黑色素瘤表型,基因集富集分析(GSEA)低收入和high-FRGs分数组之间进行。癌症特征数据库(h.all.v7.0.symbols)和KEGG数据库(c2.cp.kegg.v7.0.symbols)应用于GSEA探讨信号通路与黑色素瘤的不同子组。的调整 被用来排序的重要途径丰富各表型。
2.9。化疗药物预测
探讨化疗药物的可能性,CellMiner数据库(https://discover.nci.nih.gov/cellminer/)进行评估德意志联邦共和国评分之间的相关性和药物反应(16]。首先,德意志联邦共和国的表达谱NCI-60细胞系和毒品活动从CellMiner数据库下载。接下来,每个细胞株的德意志联邦共和国的分数估计并相应地规范化。最后,测试应用于计算相关系数和枪兵 和 被认为是具有统计学意义。
2.10。统计分析
统计分析在我们的研究中进行了使用R软件版本3.6.0包。ConsensusClusterPlus一致聚类方法应用的方案。Boruta算法是由“Boruta”包,CIBERSORT算法估计“CIBERSORT”包,GSEA是由使用“clusterProfiler”包。每个数据集的最佳截止值计算通过使用“survminer”包。部署kaplan - meier和Cox回归分析的“生存”包。“prcomp”R的函数被用来估计PCA。斯皮尔曼系数进行相关性分析。Wilcoxon测试子组的差异进行比较。卡方检验分析了协会之间的德意志联邦共和国得分子组和体细胞突变。 或调整 在所有的测试中显示统计学意义”。
3所示。结果
3.1。以不同的方式表达了德意志联邦共和国
共有870个样本合并成一个大群人从meta-cohort (TCGA-SKCM, GSE15605 GSE3189, GSE46517), 579年由黑色素瘤样本和291年正常的皮肤样品。战斗算法来减少执行批处理效果产生不同的平台,和PAC情节表明,集群基于删除批处理效果比以前更一起删除(图1(一))。根据选择标准,99年以不同的方式表达了德意志联邦共和国筛选从大的群体,在74年德意志联邦共和国明显upexpressed 25德意志联邦共和国明显downexpressed在黑色素瘤(图1 (c))。以不同的方式表达了德意志联邦共和国的热图如图1 (b)。大大丰富了信号通路在去数据库中显示在图1 (d)。
(一)
(b)
(c)
(d)
(e)
(f)
3.2。德意志联邦共和国建设分类器
首先,这些不同的预后价值表达了德意志联邦共和国被估计在TCGA-SKCM使用单变量Cox回归分析。森林图显示,16个德意志联邦共和国,其中包含9司机和7抑制基因与操作系统时间显著相关 (图1 (e))。这些德意志联邦共和国的表达水平在TCGA-SKCM提取用于后续分析,和相关的热图证明这些德意志联邦共和国强烈,积极相互关联(图1 (f))。接下来,我们把黑色素瘤患者分为集群和集群B根据相应的德意志联邦共和国(图的表达2(一个))。kaplan meier曲线表明,集群B的黑色素瘤患者有一个贫穷的生存与log-rank结果比集群的病人 (图2 (d))。临床变量的分层分析表明,至关重要的地位,转移性地位,克拉克,和年龄在A和B集群有显著差异。没有观察到的相关性在其他变量,如性别、肿瘤阶段,和种族(图2(一个))。此外,患者在GSE65904(图2 (b))和GSE19345(图2 (c)相应的)数据集分类和kaplan meier分析表明类似的结果。相比,病人在集群,集群和log-rank B的操作系统都很短时间 在GSE65904(图2 (e))和GSE19345(图2 (f))。我们进一步探讨之间的关系两个集群和黑色素瘤患者的临床特点GSE65904 GSE19345,分别。我们惊人的发现年龄和重要地位也与德意志联邦共和国相关分类器。最后,PCA情节证明德意志联邦共和国分类器能够成功将黑色素瘤分为亚型具有不同的临床结果(图2 (g))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
3.3。德意志联邦共和国建设得分
获得最优的基因指标在黑色素瘤的德意志联邦共和国,我们首先使用屏幕德意志联邦共和国Boruta算法基于基因的重要性。巢,15德意志联邦共和国(WIPI1 ATG13,表皮生长因子受体、MAPK8 ELAVL1, ABCC1, HMGB1,自动取款机,PANX1, RB1, PML,跳频,ACSL3, TMBIM4,和ZFP36)仍然通过这一步,受到德意志联邦共和国分数估计。根据德意志联邦共和国分数的公式计算,每个病人的德意志联邦共和国分数TCGA-SKCM数据集生成。然后,通过应用最好的截断值,黑色素瘤患者被分为高分集团(n= 212)和低分数组(n= 146)TCGA-SKCM数据集。德意志联邦共和国分数的分布,德意志联邦共和国分数子群,年龄群、性别、克拉克水平,肿瘤阶段,至关重要的地位,和转移状态的病人TCGA-SKCM数据见图3(一个)。分层分析显示,年龄、至关重要的地位,与德意志联邦共和国的分数和转移状态密切相关。kaplan meier曲线显示,病人在高分组有更长的生存时间比得分的生存率较低 ,95% CI = 0.502 - -0.925(图3 (d))。此外,为了证明结果的鲁棒性,验证分析GSE65904 GSE19345数据集。病人GSE65904和GSE19345分为高分组或低分数组根据TCGA-SKCM。德意志联邦共和国分数的分布,德意志联邦共和国分数子群,年龄群、性别、肿瘤阶段,和病人的重要地位在GSE65904和GSE19345,分别表现在数字3 (b)和3 (c)。分层分析也表明,年龄和重要地位与德意志联邦共和国评分密切相关。更有趣的是,kaplan meier曲线显示显著差异的生存时间存在于高分和低分团体GSE65904 (log-rank无关 ,95% CI = 0.406(图-0.998)3 (e))或GSE19345 (log-rank ,95% CI = 0.215(图-0.949)3 (f))。此外,德意志联邦共和国的小提琴情节体现集群中的得分一群集群中的普遍高于B组。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
3.4。德意志联邦共和国的独立预后价值得分
研究操作系统在多个数据集的预后价值,临床变量和德意志联邦共和国得分进行了多变量cox回归分析(图4)。森林情节暗示只有德意志联邦共和国分数稳定保持独立预测OS TCGA-SKCM数据集(HR = 0.080, 95% CI -0.038 = 0.02, ),GSE65904数据集(HR = 0.640, 95% ci -0.900 = 0.150, ),和GSE19345数据集(HR = 0.090, 95% ci -1.000 = 0.010, )。
3.5。德意志联邦共和国的体细胞突变子群
探索潜在的体细胞突变之间的联系和德意志联邦共和国得分,变异注释格式TCGA-SKCM maftools处理”。“首先,病人TCGA-SKCM被分为低收入和high-FRGs分数组。接下来,oncoPrint情节摘要前20名的基因突变信息这两个子组(数字5(一个)和5 (b))。最高的前3基因突变频率high-FRGs分数组TTN (75%)、MUC16(71%),和BRAF(53%),而在low-FRGs分数组TTN (72%)、MUC16(66%),和BRAF (43%)。
(一)
(b)
(c)
(d)
(e)
(f)
最普遍的明显在黑色素瘤如BRAF突变基因,国家管制当局方面,喀斯特,极品,和NF1也探索;结果表明,high-FRGs分数集团在国家管制当局方面突变频率较低,喀斯特,NF1相比low-FRGs分数组(图5 (d))。此外,森林图显示OR52B4 RAPGEF5, YY1AP1, CCDC40, ATAD2B高分(高突变)和SLC2A7, OR10C1, MMP20, TRPV3, BCL6(高度变异的低分)低收入和高分组之间明显不同(图5 (c))。尽管斯皮尔曼系数和亚组分析表明,三甲与德意志联邦共和国得分没有显著相关(图5 (f))。高分组的患者有较高的突变频率BRAF和显示一个好的生存结果的kaplan meier BRAF突变体和野生型之间分析子组(图5 (e))。
3.6。免疫细胞浸润和免疫检查点监管机构协会
探索之间的联系德意志联邦共和国分数和免疫渗透,CIBERSORT算法首先使用全面的比例估计22免疫微环境免疫细胞的黑色素瘤。排除后的低质量的样本,207黑色素瘤患者被过滤掉进行进一步分析。德意志联邦共和国的免疫细胞分布水平的22分子群TCGA-SKCM如图6(一)。接下来,相关性分析表明,德意志联邦共和国得分呈正相关,肥大细胞激活,激活NK细胞,浆细胞、CD8 T细胞,T细胞卵泡助手,和T细胞γδ,同时负面与树突状细胞激活和休息,休息休息肥大细胞和NK细胞(图6 (b))。22亚组分析免疫细胞表明,T细胞CD8 T细胞卵泡助手,巨噬细胞M1, NK细胞激活,肥大细胞激活和休息,树突细胞明显不同的高-和low-FRGs分数组(图6 (c))。此外,评估德意志联邦共和国分数之间的关系和免疫检查点监管机构,我们选择的最普遍的基因免疫checkpoint-relevant如GZMA、CD40, CD40LG, LAG3, BTLA, PDCD1, IDO1, TIM3, CXCL9, CTLA4, HAVCR2, CD8A, TIGIT, CD274 PRF1 TBX2,肿瘤坏死因子,进一步分析。我们观察到,几乎所有监管机构与德意志联邦共和国分数负相关(图6 (d))。除了TNF的监管者,IDO1、LAG3 TBX2,所有选定免疫显著checkpoint-relevant基因过表达low-FRGs分数组(图6 (e))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
3.7。GSEA
GSEA进行调查不同的信号通路,纯度高,low-FRGs分数组。根据选择标准和排名通路富集在每个表型,五大途径说明在GSEA阴谋。我们观察到癌症特征如同种异体移植物排斥反应、凝固,epithelial-mesenchymal过渡,炎症反应,并通过NFKB TNFA信号都丰富低分组(图6 (f))。KEGG结果显示,低分数组显著相关通路如花生四烯酸代谢,补充凝血级联,cytokine-cytokine受体相互作用,ECM受体相互作用,和造血细胞谱系(图6 (g))。
3.8。化疗药物预测
目前,化疗是有效的治疗黑色素瘤。在此,CellMiner数据库被用来预测对化疗药物的敏感性。最终,我们观察到10药物与德意志联邦共和国得分显著相关,其中包括紫杉醇,nelarabine, dolastatin 10,放线菌素D, eribulin甲磺酸,vinorelbine,长春花碱、白屈菜赤碱,多西他赛,高三尖杉酯碱(图7(一))。此外,盒子情节体现,紫杉醇的估计IC50, vinorelbine,长春花碱高——和low-FRGs分数组之间明显不同(图7 (b))。
(一)
(b)
4所示。讨论
皮肤的黑色素瘤是一种异质性疾病高转移和死亡威胁。黑色素瘤的预后不仅依赖于组织学类型,还依赖于癌症的分子分类,这是至关重要的管理癌症诊断和治疗的选择(18]。此外,传统的分类越来越体现效率低下和缺乏临床治疗的好处。因此,研究人员正在不遗余力的新颖的分子签名更好的诊断和预测预后。例如,BRAF突变通常是观察到各种类型的癌症,包括结肠癌、甲状腺癌、黑色素瘤(19- - - - - -21]。BRAF突变的癌症亚型通常受益于抑制剂针对这种突变。最近,越来越多的研究表明ferroptosis工作作为一个新引入的细胞死亡在癌症治疗已经显示出巨大的应用角度(22- - - - - -24]。因此,我们系统地分析了ferroptosis-related基因(德意志联邦共和国)来识别两个肿瘤亚型与不同的临床特征,建立一个稳定和精确的签名在黑色素瘤患者预后的预测。
据我们所知,本研究首次探索ferroptosis-related的景观基因在皮肤黑色素瘤基于大样本分析。通过不同表达基因分析,我们发现大部分的德意志联邦共和国,或downexpressed黑色素瘤组织。这种激活的德意志联邦共和国表明ferroptosis在黑色素瘤的发展中起着重要的作用。接下来,我们进行浓缩,发现这些不同的表达了德意志联邦共和国与氧化应激通路呈正相关,脂氧合酶,凋亡信号,和铁离子结合,相对地证明我们的研究结果的可靠性。
一般来说,分类是有益的在预测的有效性对治疗反应型的临床疗效[25]。因此,我们确定了两个肿瘤亚型(集群A和B)的黑色素瘤通过德意志联邦共和国的信使rna表达水平。集群子类型比较,我们发现黑色素瘤样本在集群B的存活时间较短,与年龄密切相关,克拉克高水平,高比率的转移和死亡。它表明,临床和分子特征明显的差异存在于这两个亚型。此外,德意志联邦共和国和操作系统之间的显著相关性黑色素瘤表示,这些预后德意志联邦共和国可能用来构建一个模型来预测患者的生存。之后,我们构建和验证一个健壮的15-FRGs指标来预测预后的黑色素瘤在多个独立的数据集。我们可以随后病人分类到子组预后指标具有不同生存事件,体细胞突变,免疫的渗透。虽然没有显著相关性被发现三甲和德意志联邦共和国之间的分数,高的BRAF突变(53比43%)和低突变的国家管制当局方面(24比32%),NF1(13比18%)观察high-FRGs分数组。BRAF突变的黑色素瘤患者预测一个好的生存和国家管制当局方面或NF1-mutant亚型黑色素瘤与贫穷有关的结果(26]。最近,许多研究已经证明,ferroptosis与肿瘤免疫密切相关(27]。根据GSEA结果,我们还发现,许多免疫炎症反应等过程,通过NFKB TNFA信号传导,细胞因子受体相互作用在德意志联邦共和国丰富评分小组。这是合乎逻辑的推测ferroptosis可能在黑色素瘤与免疫有着密切的关系。有趣的是,我们发现,T细胞(CD8 +,卵泡助手,γδ),激活肥大细胞、NK细胞和浆细胞高度渗透high-FRGs分数组,而几乎所有免疫checkpoint-relevant基因参与本研究low-FRGs得分组织中高度表达。先前的研究已经证明,高渗透的CD8 + T细胞(自适应免疫反应)和著名的渗透激活肥大细胞、NK细胞、浆细胞免疫反应(本机)在恶性黑色素瘤显示良好的预后28]。此外,人们普遍认为的高表达免疫检查点,如CTLA4 PD-1, BTLA, CD274,和LAG3有利于肿瘤细胞逃避免疫监视,避免免疫介导的细胞凋亡,并最终导致预后不良(29日,30.]。认为,这些结果表明,我们的指标是合理的,与先前的研究一致。结合多变量cox回归分析,更重要的是,我们观察到的分数15-FRGs指标可以被视为一个独立的预后模型买得起强劲准确预测黑色素瘤患者的操作系统。
基于注释的FerrDb网站,我们15-FRGs指标包含六个抑制基因(PML, RB1 FH、ACSL3 TMBIM4, ZFP36)抑制ferroptosis和九个司机基因(WIPI1 ATG13,表皮生长因子受体、MAPK8 ELAVL1, ABCC1, HMGB1,自动取款机,PANX1)促进ferroptosis。这些基因在黑色素瘤彼此密切相关。都已被证明与ferroptosis有关,甚至其中的一些在黑色素瘤被广泛研究。例如,视网膜母细胞瘤基因(RB1)监管一系列恶性黑色素瘤细胞过程,如细胞增殖、分化、迁移和入侵31日]。酰coa合成酶长链家庭成员3 (ACSL3)对移植是至关重要的脂质由内质网应激引起的。陈等人报道,ACSL1潜在致癌作用在各种肿瘤如卵巢癌、乳腺癌和黑色素瘤(32]。丹妮拉等人证明WIPI1 melanoma-specific基因,在黑素瘤生物学中发挥着关键作用,可以被视为一个预后标记(33]。此外,它也承认,表皮生长因子受体(EGFR)在许多实体肿瘤中。激活表皮生长因子受体刺激黑色素瘤细胞进展或转移,将耐BRAF抑制剂(34,35]。至于ATP结合盒亚C成员1 (ABCC1),陈等人回顾了以前的文学和表明ABCC1 ABC转运蛋白家族成员,与黑素瘤细胞的耐药性(36]。简单地说,先前的研究已经显示,这15个基因可能在黑色素瘤与ferroptosis密切相关的开发和提供一个重要的洞察力来构造一个模型基于德意志联邦共和国。
最近,ferroptosis正成为一种很有前途的方法治疗癌症,特别是肿瘤耐药性与传统。因此,探索潜在的化疗药物诱导ferroptosis是一种新的治疗黑色素瘤治疗的目标。通过CellMiner数据库分析,我们发现紫杉醇,vinorelbine,长春花碱ferroptosis密切相关和之间有明显不同的IC50值高,low-FRGs分数组。紫杉醇,正如我们所知,是一个化学治疗剂广泛用于治疗实体肿瘤(37]。即使对于先进的治疗黑色素瘤,目前紫杉醇作为二线化疗药物,为临床医生提供了最后的选择38]。Vinorelbine是一种半合成长春花生物碱能够杀死肿瘤细胞通过有丝分裂细胞凋亡、自噬、炎症(39]。海伦的团队之前建议vinorelbine之间的组合,被认为是二线治疗转移性黑色素瘤[- 240]。此外,长春花碱是一种新形式的长春花生物碱。联合化疗含顺铂、长春花碱和达卡巴嗪被普遍使用在许多临床试验和令人鼓舞的结果体现在先进的黑色素瘤(41- - - - - -43]。除了三种化疗药物外,我们还观察到七药物(nelarabine dolastatin 10,放线菌素D, eribulin甲磺酸盐,白屈菜赤碱,多西他赛,高三尖杉酯碱)与德意志联邦共和国评分密切相关。因此,它是合理的假设这些化疗药物可能被视为辅助治疗或联合代理治疗黑素瘤。
5。结论
综上所述,我们的研究提供了一个综合分析ferroptosis黑色素瘤的分类和构建一个健壮的15-FRGs预后指标可以被视为一个独立的预后模型在临床应用。此外,我们还发现了一些潜在的化疗药物诱导ferroptosis和可以供应更多的有效的治疗方法。患者high-FRGs分数显示良好的生存结果,可能获得更多的化学疗法的好处。
数据可用性
生成的数据集在这项研究中可以发现地理数据库(GSE15605, GSE3189 GSE46517, GSE19345, GSE65904;https://www.ncbi.nlm.nih.gov/geo/),UCSC齐娜网站(TCGA >交货;https://gdc.xenahubs.net)。
信息披露
郝曾庆红和丛你co-first作者。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
赫兹和CY参与初稿准备。LZ, JW, XY进行数据管理。泰和连续波进行审查和编辑。LD导致项目管理。所有的作者评论和批准文本。郝曾庆红和丛你贡献了同样的研究。