文摘
肝癌的免疫微环境对肝癌的治疗具有重要意义。后评估的内容歇息的肥大细胞的转录组数据通过CIBERSORT癌症基因组图谱数据库分析,本研究旨在组织肥大细胞的样本根据内容在不同样本找到休息两组差异表达基因。重要的预后差异被发现之间的高、低休息肥大细胞浸润组。根据预后模型构造的差异表达基因。该模型使用外部独立的数据集进行验证。结果显示,所构造的模型是可靠的。它很可能区分病人的预后差异在不同的群体特征。高危人群主要是集中在代谢途径。这个模型的风险评分密切相关的一些免疫细胞,免疫功能,而免疫检查点。因此,这个模型可能为肝癌的免疫治疗提供新思路。
1。介绍
肝细胞癌(HCC)是高度恶性肝癌和世界范围的一个主要卫生问题。其预后差是因为它的高转移性和复发性。提高肝癌的预后已成为许多研究者的目标。Bucci等人发现肝癌的流行病学变化(1]。在过去的几年中,drug-centered治疗为主,但肝癌的抗药物研究人员不得不寻找其他的治疗方法。最近的研究发现,病人的肿瘤微环境支持肿瘤细胞组织发挥了重要作用。其中,肝癌的免疫微环境已被广泛研究,因为其复杂性和特殊性。肥大细胞在治疗癌症尤为重要,因为休息肥大细胞有一个独特的发育,表型和功能可塑性。他们通过不断地参与组织内稳态抽样的微环境2]。李等人发现异常激活肥大细胞和CD4 + T细胞记忆起着至关重要的作用,在肺烟吸烟引起的免疫功能紊乱,这是很重要的在肿瘤发展和进展(3]。Walczak-Drzewiecka等人发现低氧诱导因子1α是调节激活肥大细胞(4]。
目前,相当数量的研究发现,一些基因影响癌症患者的预后。姚等人发现SNHG6发挥了致癌作用在结直肠癌预后的生物标志物(5]。Hlavac等人发现,遗传变异的磷酸腺苷磁带是乳腺癌的预后标记(6]。安瓦尔等人发现,t细胞4分子目标在零星的结肠直肠癌的预后(7]。近年来,大量的研究一直致力于发现多个基因组合,共同预测肿瘤患者的预后。陈等人发现宫颈癌淋巴结metastasis-related关键microrna的签名(8]。沈等人发现的几种长非编码RNA对乳腺癌预后签名(9]。刘等人发现肿瘤免疫microenvironment-related预后签名在卵巢上皮癌(10]。
本研究基因与高分组和低渗透的肥大细胞休息根据免疫细胞在肝细胞癌的浸润。这些基因构建预测模型,该模型深入分析和讨论。
2。材料和方法
2.1。数据下载
肝细胞的转录组数据从癌症基因组图谱(TCGA,下载https://tcga-data.nci.nih.gov/tcga/)被用来构建模型。从基因表达的转录组数据综合(地理,https://www.ncbi.nlm.nih.gov/geo/),国际癌症基因组协会(ICGChttps://dcc.icgc.org/)被用来验证模型的可靠性。相应的临床数据下载从相应的数据库。基因转移的基因注释格式文件从运用(https://asia.ensembl.org)。
2.2。模型的构建和验证
用于构建模型的基因筛选的“limma”包(https://bioconductor.org/packages/limma/)在R软件(4.0.0)。考克斯危害分析和套索回归用于分析的基因结合患者的预后“生存”(https://cran.r-project.org/package=survival)、“glmnet”(https://cran.r-project.org/package=glmnet)和“survminer”(https://cran.r-project.org/package=survminer)包。存活曲线和接受者操作特征曲线(ROC)用“survivalROC”和“生存”的包。
2.3。基因集富集分析
基因集富集分析(GSEA)被用来找到有意义的生物学特性在高和低风险组的TCGA队列。一个带注释的基因集文件(c2.cp.kegg.v7.0.symbols.gmt)被选为参考。过滤条件的错误发现率(罗斯福)问val < 0.05。
2.4。分析的免疫细胞
基因转录组数据被用来估计多个在肿瘤免疫细胞渗透的内容,以及“StromalScore”,“ImmuneScore,”和“ESTIMATEScore”每个样本被发现使用CIBERSORT分析和“估计”包。“GSVA”和“GSEABase”包用于ssGSEA分析和免疫分析每个病人的特征。指数的相关分析是使用枪兵测试完成。
3所示。结果
3.1。代TCGA的预后模型组
1113显著表达差异的基因被发现之间的高密度肥大细胞组(86)和低密度肥大细胞组肝癌患者(87)。病人的随访信息收集,肥大细胞浸润相关基因中,150个基因能够明显影响患者的生存选择使用单变量Cox风险分析。的基因数量缩小,最后,两个基因被套索选择优化模型回归和多变量Cox风险分析(图1(一))。每个样本使用公式计算的riskScore riskScore = KIF2C + G6PD×0.0082×0.0786。高和低风险组的riskScore的中值。ROC曲线下的面积(AUC)是在1年(图0.7591 (b))。患者的生存状态是高和低风险组之间明显不同(图1 (c))。热图显示KIF2C高风险组的表达明显高于低风险组的价格相比。这一趋势是G6PD(图观察1 (d))。肝癌患者的死亡风险的增加与增加riskScore(数字1 (e)和1 (f))。
(一)
(b)
(c)
(d)
(e)
(f)
3.2。在两个中心验证模型的可靠性
AUC值在1年(图0.7322(一)),病人的预后在高和低风险组明显不同(图2GSE116774队列(b))。AUC值在1年(图0.7742(c)),高,低风险组的患者预后明显不同(图2(d)) ICGC队列。
(一)
(b)
(c)
(d)
3.3。riskScore是一个独立的预后指标
构造之间的关系模型和临床病理特征(年龄、性别、组织学分级、临床分期和tumor-node-metastasis阶段)进行了分析。森林地图的单变量和多变量Cox风险分析表明,临床病理的特性价值的临床阶段,T台,riskScore小于0.001,风险比超过1(图3(一个)),riskScore值小于0.05,风险比超过1(图3 (b))。riskScore在不同年龄、组织学分级、M阶段,临床分期和T台组有显著差异(数字3 (c)- - - - - -3 (g))。的预后不同riskScore组在不同年龄、性别、组织学分级,M0, N0,临床分期,T组有显著差异(图阶段3 (h))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
3.4。GSEA不同riskScore组
在高危人群,八个基因集被发现(罗斯福问val < 0.05): BASE_EXCISION_REPAIR、CELL_CYCLE HOMOLOGOUS_RECOMBINATION, DNA_REPLICATION,剪接体,OOCYTE_MEIOSIS, MISMATCH_REPAIR,和RNA_DEGRADATION(图4)。代谢重编程与病人密切相关的高危人群。低风险组,12个基因集被发现(罗斯福问val < 0.05)。
3.5。riskScore和免疫细胞
显著差异中发现了树突状细胞(DC)休息休息密度和肥大细胞密度高,低风险组之间(图5(一个))。riskScore之间的显著相关性被发现和免疫细胞(图5 (b))。没有发现显著差异在B细胞的内容,CD8 + T细胞,DCs,中性粒细胞,血浆DCs辅助细胞和肿瘤浸润淋巴细胞在高和低风险组;抗原呈递细胞coinhibition,溶细胞的活动,促进炎症,parainflammation和1型干扰素的响应被ssGSEA分析(两组之间的重要人物5 (c)和5 (d))。riskScore之间显著正相关关系被发现和免疫检查点(CTLA4 CD274, PDCD1)(数据5 (e)- - - - - -5 (g))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
4所示。讨论
肝癌已经被临床医生和研究人员广泛研究,因为它相对发病率高,预后不良。进行了大量的实验和研究的进展肝癌。高通量测序技术的普及使得研究人员探索肝癌从基因的角度,阐明生物大量基因在肝癌中的作用。
肿瘤的免疫微环境可以对肿瘤的生物学行为产生重大影响。因此,探索免疫微环境尤为重要。肥大细胞浸润密度的肝癌和肝内胆管癌被发现显著高于正常肝组织(11]。它表明,肥大细胞可能在肿瘤免疫中发挥重要作用。发现高肥大细胞浸润与HCC患者的不良预后有关(12]。Grizzi等人发现肥大细胞可能被视为必要的过渡从正弦毛细管式内皮细胞和肝细胞增长13]。Granito等人研究了CD4 + CD25 + Foxp3调节性T细胞可以诱导肿瘤相关巨噬细胞(分泌白细胞介素- 10”)和间接支持肿瘤的生长和发展14]。
模型构建在本研究中可以明显区分肥大细胞的差异美高和低风险组,和风险评分与肥大细胞的含量负相关,这是一个令人兴奋的结果。这个模型是构造使用两个基因,发现在许多肿瘤发挥重要作用。魏等人发现KIF2C小说之间的联系Wnt /β-连环蛋白和机械的雷帕霉素靶复杂1信号在肝细胞癌(15]。朱等人发现KIF2C是重要的调节DNA双链断裂动力学和修复(16]。香港等人发现,磷酸酶和tensin同族体与G6PD pre-mRNA剪接,这导致hepatocarcinogenesis [17]。Rao等人发现G6PD促进肿瘤的生长(18]。Ghergurovich等人发现G6PD脱氢酶不重要K-Ras-driven肿瘤的生长和转移(19]。
本研究构建的预测模型是在两个独立的数据库验证,证明了模型的可靠性。只有两个基因存在于模型,降低了成本。模型可能是许多免疫指标密切相关,显著改善模型的价值。
数据可用性
和/或使用的数据集分析在当前的研究可从相应的作者以合理的要求。
的利益冲突
作者宣称没有利益冲突。