文摘
透明细胞肾细胞癌(ccRCC)是最常见的原发恶性肿瘤的肾癌的成年人。Ferroptosis至关ccRCC与预后相关。然而,长非编码RNA的知识——(lncRNA)相关ferroptosis影响ccRCC的预后仍然是不够的。使用套索回归,我们创建了一个风险模型基于差异表达ferroptosis-related lncRNAs ccRCC (FRLRS)。kaplan meier生存的分析,曲线下面积(AUC)诊断、预测总体存活率列线图,为免疫基因表达检查点进行基于独立预后因素的筛选。九lncRNAs被发现与ccRCC预后有关。此外,FRLRS签名的预后AUC为0.78,证明其有效性在预测ccRCC预后。lncRNA风险模型比标准的临床变量在预测ccRCC预后。最后,癌症基因组图谱显示,T细胞功能,如细胞溶解的活动,人类白细胞抗原活动,监管、炎症和II型干扰素反应协调,是两种不同风险水平的ccRCC之间明显不同。免疫检查站也表达了不同的细胞程序性死亡1受体诱导T细胞costimulator,细胞毒性早期antigen-4, leukocyte-associated immunoglobulin-like受体1。 The nine FRLRS signature models may affect the prognosis of ccRCC.
1。介绍
到目前为止最常见的类型,肾细胞癌(RCC)被认为起源于肾脏的肾上皮细胞,影响全世界每年超过400000人(1,2]。先前的研究已经报道,ccRCC特点是高代谢疾病,和胎儿肿瘤可能是肾脏癌症相关死亡的基本发展(3]。
目前,本地化ccRCC可使用部分或根除性肾脏切除手术治疗(4],消融[5),或积极监测6]。大约有30%的ccRCC局部复发的疾病最终开发转移后治疗肾切除术(7- - - - - -9],它与高死亡率和需要系统性治疗。哺乳动物雷帕霉素通路已经开发的目标。然而,对治疗的反应不同,大多数ccRCC患者最终发展(10]。治疗似乎对患者的预后有积极影响基于临床诊断标记物的表达。因此,生物学标志物是必不可少的有效和快速ccRCC患者的干预和治疗(11,12]。
最近,一种新型的细胞死亡形式,称为ferroptosis,迪克森于2012年第一次被提出(13]。Ferroptosis是一种独特的iron-reliant和活性氧autophagy-dependent在细胞死亡的细胞学特征变化,如减少或降低线粒体嵴和线粒体膜浓缩14- - - - - -17]。越来越多的证据表明,ferroptosis参与各种生理和病理条件在人类疾病(18]。肝细胞癌(19),胃癌20.,21),和其他癌症(22,23)已被证明是ferroptosis-related。因此,这些目标包括ferroptosis被建议在癌症治疗(17]。生物,肾脏疾病是一种代谢紊乱,与铁代谢相关24]。最近的研究表明,ferroptosis与ccRCC [25,26]。长非编码rna (lncRNAs)有一个重要的预测价值在各种癌症的发生、发展和预后[27- - - - - -29日]。吴进行了小说ferroptosis-associated基因模型基于预测胰腺癌的临床意义(30.]。越来越多的基因相关ferroptosis被发现。然而,之间的联系ferroptosis-related lncRNAs (FRLRS)及其预后价值ccRCC尚未被理解。
在这里,我们提供新的见解来评估在ccRCC FRLRS的预后价值。利用生物信息学分析,我们建立了独立的预后多个FRLRS签名和估计lncRNAs免疫治疗反应的抑制浓度。
2。材料和方法
2.1。数据收集
RNA序列ccRCC病人的数据从TCGA-KIRC下载(539年72例正常,患者肿瘤)。采取相应的基因相关ferroptosis FerrDb [31日)提供了最全面的数据库铁细菌和相关疾病标志物的一个基于web的联盟。我们的研究发现了259 ferroptosis-related基因(图1补充表S1)。如果相关|R| > 0.5 ,FRLRS和ccRCC之间的关系被认为是显著的。ccRCC患者临床信息收集的数据包括性别、年龄、阶段,年级,tumor-node-metastasis (TNM)、生存状态和随访时间。额外的生物功能的差异表达分析了FRLRS基于去KEGG数据使用R软件通过包“集群配置文件,”“ggplot2,”和“enrichplot。”
2.2。建设FRLRS预后模型
机器学习方法(套索)是用来识别基因中心更有效率。单变量Cox分析结合多变量Cox回归分析确定了与FRLRS相关显著的增量。套索是用来构造FRLRS签名。风险评分方程= (β1×FRLRS−1) + (β2×FRLRS−2) +⋯+ (βn×FRLRS−n)。我们建立了混合使用选定的列线图FRLRS预后TCGA-KIRC签名和独立的因素。基于FRLRS表达水平的中位数,ccRCC患者被分成不同的风险组(高风险和低风险组)。根据临床变量和FRLRS混合列线图,中华民国分析估计的准确性1年,3年,5年生存(OS)。
2.3。分子机制和免疫渗滤富集分析
六富集分析算法,包括CIBERSORT [32,33],估计,MCPconuter [34],ssGSEA [35),计时器(36),和伊势亚算法,比较评价浓缩分数和蜂窝组件的两个风险水平组根据屏幕lncRNA签名。富集分析算法应用于明确的浓缩代表成绩绝对基因集富集在每个样本与“GSVA”包。潜在免疫检查站从发表的文献检索(37]。此外,潮流模型,从首次治疗肿瘤数据训练,可以预测免疫治疗反应的可能性(38- - - - - -40]。
2.4。统计分析
套索,考克斯分析和热图被用来评估FRLRS和临床病理特征之间的关系。治疗反应是估计的潮流模型和half-max抑制浓度从GDSC获得50 (IC)的网站。kaplan meier生存曲线分析和主成分分析(PCA)评估患者ccRCC基于FRLRS签名。我们在R统计分析(4.0.2)。
3所示。结果
根据76年TCGA和FerrDb数据,ferroptosis-related度被确定(42调节和34个表达下调基因)(补充表S2)。英国石油公司参与细胞生产化学反应压力、缺氧,辅因子代谢、氧化应激。曼氏金融主要调节铁离子结合,辅酶绑定,氧化还原酶的活动。它作用于一个捐赠者通过结合分子氧和烟酰胺腺嘌呤二核苷酸磷酸氧化酶。CC主要是在顶端的一部分细胞升高,顶端质膜和基底质膜。KEGG分析显示过表达基因主要参与HIF-1, microRNA在癌症、卡波济肉瘤相关疱疹病毒感染,花生四烯酸代谢、蛋白聚糖在癌症、人类巨细胞病毒感染,ferroptosis,生物合成的氨基酸,流体剪切应力和动脉硬化、autophagy-animal,血清素激活的突触(图2(一个)和补充表S3)。瀑布图显示突变信息的76 ferroptosis-related度TCGA-KIRC整个集(图所示2 (b))和两个风险组(数字2 (c)和2 (d))。
(一)
(b)
(c)
(d)
3.1。预后在ccRCC FRLRS签名的识别
我们获得1502 FRLRS TCGA-KIRC队列(补充表S4)。结合多变量Cox回归分析、单变量Cox分析确定了106与FRLRS相关显著的增量。随后,TCGA 106 lncRNAs被包含在队列套索。总的来说,9不同表达lncRNAs (AC026401.3、LINC01615 PRKAR1B-AS1, LINC02609, LINC00460, AC084876.1, AC008870.2, LINC02747,和AC103706.1)被发现是独立的预后预测TCGA-KIRC(数字3(一个)和3 (b)补充表S5)。桑基关系图ferroptosis-related度和FRLRS如图3 (c)。之间的相关分析也检查的热图FRLRS特性和临床变量(图3 (d))。考克斯分析表明lncRNA签名(危害比(人力资源):1.069,95%可信区间(CI): 1.052 - -1.086),年级(人力资源:2.32,置信区间:1.879 - -2.864)、年龄(人力资源:1.031,CI: 1.018 - -1.045),和舞台(人力资源:1.911,置信区间:1.671 - -2.185)操作系统生存的独立预后因素(数字4(一)和4 (b))。图4 (c)显示了lncRNAs和mrna之间的联系。FRLRS相关性的热图和度补充图所示S1。
(一)
(b)
(c)
(d)
(一)
(b)
(c)
3.2。FRLRS组分析和建设混合列线图
去分析和生物功能的GSEA这些FRLRS如图5。这部小说FRLRS预后签名监管可以发现肿瘤的几种途径,包括cytokine-receptor交互,glycerophospholipid新陈代谢,同源重组,IgA生产、原发性免疫缺陷,子宫内膜癌,过氧物酶体,propanoate新陈代谢,前列腺癌,缬氨酸和亮氨酸,异亮氨酸退化(补充表S6)。如图6(一),我们发现一个截然不同的两种不同组之间分布格局ccRCC病人的预后。图6 (b)节目的生存状态和时间ccRCC ccRCC病人的病人在两个不同的风险水平。图6 (c)显示了每个的相对表达9 FRLRS ccRCC病人。此外,FRLRS签名的预后AUC是0.78,优于传统预测ccRCC患者的临床特点(图6 (d))。DCA的风险水平和其他临床病理的特点表明,预后风险模型9 ccRCC FRLRS是相对可靠的(图6 (e))。一致性指数(c指数)表明,风险模型执行比其他传统的临床因素(图6 (f))。我们建立了混合计算图表使用9 FRLRS预后签名和独立的因素在TCGA-KIRC(图7(一))。AUC的OS是预测为1年(AUC = 0.78), 3 (AUC = 0.734), 5年(AUC = 0.77)(图7 (b))。校准列线图如图的阴谋7 (c)。
(一)
(b)
(一)
(b)
(c)
(d)
(e)
(f)
(一)
(b)
(c)
3.3。主成分分析(PCA)和生存分析
PCA原理图显示两种不同风险水平的ccRCC病人在整个基因表达(图8(一个)(图),76 ferroptosis基因8 (b)),1502 ferroptosis-related lncRNAs(图8 (c)(图),9 lncRNA风险模型8 (d))。TCGA-KIRC数据集,为曲线显示,操作系统的低风险ccRCC组患者TNM分层的阶段,性别、年级和肿瘤明显更好( ,数据9(一个)- - - - - -9 (o))。
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
(k)
(左)
(m)
(n)
(o)
3.4。FRLRS集富集分析和免疫基因表达
图10显示了一个基于不同浓缩的免疫反应的热图分析算法,计时器,MCPcounter GSEA和伊势亚算法。因为基于检查点抑制剂免疫治疗的重要性,我们研究了不同免疫检查点的基因表达在两个不同的组ccRCC风险。我们的研究显示显著差异表达基因,如这个理事会,CTLA4, LAIR1, LGALS9, IDO2, TNFRSF18, TNFSF9, TNFSF4, TMIGD2, TNFRSF8, CD44, TNFSF14, PDCD1, CD80、CD40, CD244, NRP1, CD28、CD27, CD70, TNFRSF9, CD86, LAG3, TNFRSF14 BTLA, TIGIT(图(11日))。使用TCGA-KIRC,数据显示,T细胞功能,包括APC聚集有关和CCR,检查站,溶细胞的活动,促进炎症,parainflammation,和干扰素反应,不同风险ccRCC病人(图组11 (b))。
(一)
(b)
3.5。评价治疗反应的IC50与潮流算法
我们的研究使用的算法评估潜在的药物靶向治疗ccRCC与9 FRLRS模型。低风险组更为敏感与显著差异在10个化合物(A.443654、A.770041 ABT.888, AG.014699, AKT.inhibitor。八世、AMG.706 AP.24534 AS601245,估计IC50 AZ628和AZD.0530)。数据12(一个)- - - - - -12 (j)显示10个不同的化合物,可用于进一步分析ccRCC病人。根据潮流算法的预测,低风险ccRCC组病人有更好的免疫反应(图12 (k))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
(k)
4所示。讨论
我们首次发现FRLRS签名使用TCGA-KIRC和FerrDb数据集相结合的分析方法研究。这种新方法可能导致新的免疫治疗肿瘤治疗的目标。免疫疗法的开发过程中,我们探索FRLRS是否与免疫细胞和免疫治疗反应ccRCC预后。这些发现导致潜在生物标志物的鉴定或免疫治疗目标在ferroptosis信号通路。根据76年TCGA和FerrDb数据,ferroptosis-related度确定。我们获得1502年TCGA-KIRC FRLRS。结合套索考克斯分析,106 FRLRS被确定。KEGG分析显示,这些基因主要参与卡波济肉瘤相关疱疹病毒感染,microrna在癌症、花生四烯酸代谢、蛋白聚糖在癌症、人类巨细胞病毒感染,ferroptosis,生物合成的氨基酸,流体剪切应力和动脉粥样硬化,autophagy-animal,血清素激活的突触。此外,深入分析显示9差异表达lncRNAs (AC026401.3、LINC01615 PRKAR1B-AS1, LINC02609, LINC00460, AC084876.1, AC008870.2, LINC02747,和AC103706.1)。主成分分析表明,该模型使用FRLRS ccRCC患者之间可以很好地区分两种不同的风险水平。 The K-M curve shows that ccRCC patients in the low-risk group have a better survival prognosis. These FRLRS may be independent prognostic biomarkers for ccRCC patients.
在这些lncRNAs, LINC01615被认定为metastasis-related lncRNA在肝细胞癌(41]。LINC00460也发现多个tumorigeneses至关重要。最近的一项研究发现,LINC00460可以促进HNSCC epithelial-mesenchymal过渡通过促进peroxiredoxin-1 [42]。一个相关的研究表明LINC00460是恶性肿瘤的相关潜在生物标志物的结果(43),它提供了关键的见解FRLRS预测ccRCC的目标。最近,高LINC02747表达式与先进的肿瘤TNM分期显著相关,组织学分级,和糟糕的结果,从而促进ccRCC根据扩散抑制mir - 608 (44]。总的来说,这些发现提供了一个重要依据本研究关于lncRNAs和ccRCC之间的联系。然而,我们的研究结果可能会提供一个研究方向在ccRCC FRLRS的作用对于癌症治疗预后。
ssGSEA算法显示,T细胞功能,如APC聚集有关,CCR检查点,和溶细胞的活动,促进炎症和parainflammation ccRCC不同风险组的明显不同。结合ferroptosis艾多酷可以协同促进抗肿瘤活性,即使在ICI电阻(45]。因为基于检查点抑制剂免疫治疗的重要性,我们的数据显示大量差异表达与免疫与检查点相关基因在两组ccRCC患者突出的潜在意义FRLRS调节艾多酷。体编码基因突变的总数(三甲)是一种有效的生物标志物预测免疫治疗的反应。在其他的研究(40),三甲超过ccRCC高危人群。此外,已经有几项研究证明,潮流算法可以作为预测模型的免疫疗法(38- - - - - -40]。在这项研究中,ccRCC低风险组的患者有更好的免疫疗法的反应。十的候选化合物KIRC分化被确定在我们的研究中。
基于这些9 lncRNAs的特点,我们建议可以帮助发展中诊断和预后ccRCC工具包,提供潜在的综合目标为未来ccRCC的干预。我们同意,在未来,更加突出转化和临床研究证实这个签名观察到在我们的研究中设置。我们的研究结果提供了新的见解的潜在机制FRLRS ccRCC可以预测预后。尽管如此,仍然存在局限性和未来的研究是必要的进一步调查。我们只使用TCGA样本群体构建模型。进一步验证使用不同的人群需要验证签名配置文件在此设置。其次,我们使用回顾性数据公共数据库的构建和验证FRLRS。信息从潜在的数据来评估其临床疗效ccRCC是有限的,和它的分子机制尚未决定经费更多基本的实验需要进一步验证lncRNA和ferroptosis基因之间的相互作用。因此,考虑到临床样本不验证这项研究的结果,并不能保证可靠性可以直接测试。
5。结论
总之,我们阐明特定FRLRS ccRCC预后预测的。此外,我们目前的研究结果可能为未来提供更多的有价值的见解ccRCC研究更大的临床试验。
数据可用性
本研究的数据集用于支持这些发现中公开潮数据库,TCGA FerrDb,数据库(https://portal.gdc.cancer.gov/)。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是特殊项目的赠款支持创新和探索在遵义医科大学(2020 - 024),贵州省级卫生委员会的项目(gzwkj2021 - 138),遵义科技的技术项目局(hz - 2021号218 hz - 2021没有。298)。
补充材料
表S1: 259年FerrDb ferroptosis-related基因。表S2: 76年TCGA-KIRC ferroptosis-related基因。表S3:去KEGG度分析。表S4: 1502 FRLRS TCGA-KIRC队列。考克斯表S5:单变量和多变量分析。表S6: FRLRS集富集分析和免疫基因表达。图S1。之间的相关性的热图ferroptosis-related lncRNA和基因。(补充材料)