文摘

背景。线粒体是细胞的能量工厂。线粒体能量代谢通路的异常是肺癌的发生和发展密切相关。线粒体能量代谢通路的异常基因可能是新靶点和生物标志物来诊断和治疗肺癌。方法。线粒体能量代谢通路基因主要是来自KEGG数据库。转录组、突变和肺癌的临床资料得到的癌症基因组图谱(TCGA)数据库。基因和临床生物标志物开采影响肺癌生存。基因富集分析ClusterProfiler和基因集富集分析(GSEA)。字符串数据库和Cytoscape被用于(PPI)蛋白质间交互作用的分析。肺癌的诊断生物标记模式进行优化,并与10倍交叉验证其准确性验证。四个基因筛选通过逻辑回归模型验证了免疫印迹在5对肺癌标本收集住院了。结果。总共有188线粒体能量代谢pathway-related基因(MMRGs)包括在这项研究中。GSEA分析发现肺癌组MMRGs主要富集在氧化磷酸化的代谢途径和呼吸电子传递链与对照组相比。年龄不影响MMRGs的突变频率。比较分析这些188年43 MMRGs识别差异表达MMRGs(24调节和19个表达下调)在肺癌组与对照组相比。这些43的生存分析差异表达MMRGs发现存活时间是更好的在low-expressed GAPDHS组比high-expressed GAPDHS组肺癌。GAPDHS高龄、高表达,低表达ACSBG1 CYP4A11, ACOX3突变的生物标志物在肺癌预后不良。PPI指数分析表明,蛋白质如GAPDH和GAPDHS与许多蛋白质在线粒体代谢途径。four-MMRG-signature模型( )建立了肺癌诊断准确性高达98.74%,AUC值0.992,错过了诊断率仅为0.6%。免疫印迹显示ALDH18A1和CPT1B蛋白明显在肺癌组( ),和ACADL PPARG蛋白质略underexpressed肺癌组( ),这是与相应的mRNA表达式的结果一致。结论。线粒体能量代谢途径改变肺癌的重要标志。年龄没有增加MMRG突变的风险。ACSBG1高表达GAPDHS、低表达,表达CYP4A11低,变异ACOX3,老年预测肺癌的预后不良。四个差异表达MMRGs (ACADL, ALDH18A1、CPT1B PPARG)建立了一个逻辑回归模型,可以有效地诊断肺癌。在蛋白质水平,ALDH18A1 CPT1B明显调节,和ACADL PPARG略underexpressed,肺癌组与对照组相比,这是符合相应的mRNA表达的结果。

1。介绍

肺癌已成为一个重要的公共卫生问题由于其较高的发病率和死亡率。代谢的变化影响肺癌预后和对治疗的反应1]。线粒体缺陷翻译许多先天性代谢缺陷的基础上,已与多种疾病如癌症(2]。线粒体通路异常和代谢紊乱可导致基因表达变化促进癌症的发展,发展,和逃避免疫系统3]。Monoubiquitination组蛋白H2B的负调节Warburg效应和肿瘤发生的人类肺癌细胞通过控制多个线粒体愿望的表达基因(4]。线粒体蛋白质的功能变化发展有很大的影响和肺癌的进展5]。研究表明,凋亡诱导因子调节线粒体呼吸,和磷酸化促进肺癌的进展6]。线粒体ribosome-related基因被确定为最高的表达基因在肺腺癌与metastasis-specific杀伤力。丙酮酸羧化酶(PC)是一种线粒体酶,是与乳腺癌肺转移有关7]。肿瘤细胞线粒体氧化磷酸化依赖糖酵解和生存。线粒体氧化磷酸化途径已经成为癌症治疗的越来越有趣的领域(8]。肺腺癌的转移性细胞状态与线粒体功能的具体变化,开辟了一个新方法的具体治疗转移性肺腺癌(9]。肺癌显示了强大的线粒体葡萄糖氧化。线粒体电子传递链(MTC)对肿瘤的生长至关重要。矿渣MTC被证实有抗肿瘤的抑制效应结合靶向治疗(10]。VDAC1线粒体蛋白质,控制细胞能量,通常在许多癌症。通过特别沉默VDAC1基因,可以抑制肺癌细胞的生长(11]。因此,线粒体能量代谢途径不仅影响肺癌的发生和发展也是一个潜在的肺癌治疗的目标。

在生物体的新陈代谢包括合成代谢和分解代谢。合成代谢的主要地点是细胞质的细胞,如胆固醇合成、脂肪酸合成,糖原合成。分解代谢的主要地点是在线粒体三羧酸循环等三种营养物质,脂肪酸的氧化,葡萄糖的有氧氧化。许多物质在细胞的线粒体代谢。常见的和重要的新陈代谢是氧化分解的葡萄糖,三羧酸循环,氧化磷酸化,等。本研究着重于线粒体能量代谢途径,尤其是主要降解途径在线粒体。线粒体分解代谢的一个重要目标是将化学能存储在三个主要营养物质转化为能量的过程中,身体可以使用,如热量和ATP。因此,线粒体能量代谢的表达和突变异常pathway-related基因(MMRGs)可能会导致一个能源生产异常,这是与恶性肿瘤的发生和发展有关。例如,GAPDHS,糖酵解途径中的一个重要的基因,是黑色素瘤中高度表达,是不良预后的生物标志物12]。ACSBG1酰coa合成酶,最初发现在果蝇突变体泡泡糖。酰coa脂肪酸合酶激活产生其辅酶A衍生品和脂肪酸代谢中起着重要的作用13]。ACSBG1参与脂肪酸的代谢途径,在银屑病病变显著下调(14]。细胞色素P4504 CYP4家族的酶是参与脂肪酸的新陈代谢,以及信号分子,包括白细胞三烯,prostatinoids二十烷。CYP4酶参与维护正常范围的脂肪酸和脂肪acid-derived生物活性分子(15),如CYP4A11在肝癌组织中表达下调(16]。

线粒体能量代谢通路异常也与氧化应激有关,来自各种原因,包括生产过多的自由基,释放出大量的活性氧(ROS),人体自身的抗氧化能力,导致过多的活性氧的积累,不平衡的氧化和抗氧化能力。氧化应激是许多癌症的一个特点。一般来说,癌症细胞ROS水平高于正常细胞(17,18]。线粒体呼吸是活性氧的主要来源,高级活性氧能破坏细胞器(19]。电子传递链复合物的电子漏我和III位于线粒体内膜导致部分氧气还原形成过氧化物,自发变异形成过氧化氢(20.]。线粒体DNA是容易造成的损害体细胞突变,导致线粒体呼吸链的功能障碍和能源生产,促进活性氧的生产和提高致瘤性(21]。癌症细胞新陈代谢非常活跃和缺氧。由于持续增长和血管灌注不足,癌细胞容易增加活性氧可以通过线粒体膜扩散,破坏dna (22]。线粒体发挥重要作用的发生,发展和转移的癌症,这可能是治疗靶点的药物(23]。此外,线粒体ROS产生的氧化还原信号与癌症的发生和发展24]。有针对性的烟酰胺腺嘌呤二核苷酸代谢已经成为潜在的治疗改善衰老相关疾病和延长人类健康寿命(25]。的鼓励了线粒体靶向和acid-activated redox-responsive nanomicelles可能是癌症治疗的一个新的希望。一些研究发现,PDIC-NC可能针对线粒体呼吸抑制剂,导致ATP生产不足,增加钙超载,并有效地引发肺癌细胞的协同细胞凋亡26]。同时,强大的抗氧化剂的使用来减少氧化应激已经被用于预防癌症(27]。全面研究ROS升高的癌细胞,ROS-regulated信号通路,可以识别特定的抗氧化剂目标开发选择性和有效治疗癌症细胞(27]。此外,直接生产的ROS也是常见的抗癌疗法的机制(28]。因此,氧化应激可以引起DNA损伤,内环境稳态的破坏,和致瘤性;反过来,氧化应激通路可能是治疗癌症的治疗靶点。

本研究分析了协会主要线粒体能量代谢的基因通路,TCGA提取数据库的肺癌,突变和肺癌的临床特点,建立了基于这些MMRGs不良预后模型在肺癌,并进一步验证了这个可怜的肺癌预后模型的准确性。这些发现将病人的承诺数据分层,精确的预后评估,个性化治疗的肺癌。

2。材料和方法

2.1。数据集和数据处理

MMRGs取自KEGG数据库路径(https://www.kegg.jp/kegg/pathway.html)。相关的代谢途径包括葡萄糖氧化代谢,脂肪分解代谢,酮体代谢,三羧酸循环,氧化磷酸化。基因数据的抽取这些MMRGs癌症基因组图谱(TCGA)肺癌的数据库,包括转录组、突变,和完整的肺癌的临床资料。运用基因的转化有两种方法——“clusterProfiler”包转换,和在线软件转换的“运用”(http://asia.ensembl.org/biomart/martview/e758aa05a6867dc85bfb32852349816b)。

2.2。GSEA富集分析

基因集富集分析(GSEA)与GSEA分析软件(http://www.gsea-msigdb.org/gsea/index.jsp)。GSEA计算方法,确定一组预先定义的基因显示统计学意义和整合实验组和对照组之间的差异。首先,肺癌相邻控制组织的转录组数据相比,肺癌组织和GSEA分析发现统计学意义的强化途径。第二,GSEA分析与比较之间的转录组数据阶段I和II肺癌的组织。MMRG符号转换为ENTREZID形式(https://asia.ensembl.org/index.html)输入GSEA软件;然后,GSEA分析gseGO(基因集富集分析基因本体)模型。

2.3。突变分析MMRGs

软件包“maftools”是用于突变分析MMRGs识别突变频率和基因突变的特征。肺癌基因突变,TCGA数据库中的数据(加)数据的变异注释格式。“maftools”可以有效地分析、注释和我们想象中的突变数据格式。长期生存组意味着生存时间> 1000天。短期生存组意味着生存时间< 1000天。基因的变异率在两个不同的生存组与学生 - - - - - -两个独立样本之间的测试。

2.4。之间的相关分析之间的年龄和MMRG突变频率和年龄和MMRG表达式

探索MMRGs是否与年龄有关,皮尔森相关分析进行了年龄和MMRG之间突变频率和年龄和MMRG表达式之间的统计学意义 。

2.5。MMRGs的微分表达式分析

灵活和强大的磨边机软件包用于分析MMRGs微分表达式。流行的quasi-likelihood - - - - - -测试是用来确定重要性水平。由于大量的肺癌,RNA-seq数据quasi-likelihood方法,因为它提供了一个更加严格的错误率控制分散估计的不确定性的考虑。每一个差异表达MMRG决心与比例变化> 2或< 0.5,值< 0.05。

2.6。功能富集分析差异表达MMRGs

基因本体论(去)富集分析,“clusterProfiler”软件包被用来探索生物过程的浓缩程度(BP),细胞组件(CC)和分子功能(MF)的差异表达MMRGs。数据可视化与dotplot函数执行。

2.7。生存分析的差异表达MMRGs

肺癌患者的生存时间和状态从TCGA数据库中提取。单变量和多变量分析进行了筛选差异表达MMRGs。根据每个不同的中值表示MMRG,肺癌患者分为高和低价值的组织。基于log-rank kaplan meier生存分析方法用于分析每个差异表达MMRG,“survminer”和“生存”r语言包。多变量Cox回归方法被用来进一步确定不良预后的因素。

2.8。免疫组织化学分析Survival-Related差异表达MMRGs

相对应的蛋白质的免疫组织化学染色结果survival-related差异表达MMRGs得到从人类蛋白质图谱数据库(https://www.proteinatlas.org/)。人类的蛋白质图谱由六个独立的章节(组织阿特拉斯,单一细胞类型地图集,病理学图谱、血液地图集,脑图谱,和细胞图谱),每一个都集中在一个特定的方面的人类蛋白质的全基因组分析。组织图谱可以用于屏幕所选择的基因表达在正常肺组织蛋白水平。

2.9。验证Survival-Related差异表达MMRGs与不同的数据集

survival-related表达式的差异表达MMRGs肺癌和正常组之间,以及不同肿瘤恶化阶段,也测试了具有不同数据集的在线网站GEPIA2 (http://gepia2.cancer-pku.cn/指数),这个在线网站包括癌症组TCGA的数据库中的数据,TCGA的数据在正常组和GTEX数据库。此外,另一个数据集包括21个肺癌和21控制(GSE21933数据)从GEO数据库被用来验证表达式的survival-related差异表达MMRGs,在线分析软件GEO2R (https://www.ncbi.nlm.nih.gov/geo/geo2r/?acc= GSE21933)。

2.10。在差异表达蛋白质间交互作用MMRGs

相对应的蛋白质差异表达MMRGs被用来构建蛋白质相互作用(PPI)网络数据库的字符串。Cytohubba插件在Cytoscape 3.7.2章软件被用来分析PPI网络获得中心分子(29日]。最大小团体中心(MCC)算法用于获得前十名的基因中心的基因(29日]。

2.11。建立一个模型对肺癌的诊断

建立一个数学模型的诊断肺癌,43个差异表达MMRGs进一步筛选了岭回归和逻辑回归方法,和差异表达MMRGs 包含在后续建模3.85 Weka软件。执行的10倍交叉验证来验证该模型的诊断性能。“脱字符号”r语言包是用来计算逻辑回归模型中的每个变量的重要性。

2.12。西方墨点法

四个差异表达MMRGs包含在逻辑回归模型验证了免疫印迹。新鲜肺癌组织( )及其对应的相邻控制组织( )收集在泰安中心医院手术后,中国。蛋白质提取和量化bicinchoninic酸(BCA)测定方法。五个癌症蛋白质样本同样的混合肿瘤样本,和五个相邻控制蛋白质样本同样的混合控制蛋白质样品。ALDH18A1主要抗体购自北京Boasen生物技术有限公司有限公司http://www.bioss.com.cn/),主要的抗体ACADL, PPARG, CPT1B从武汉Abclonal购买公司(https://abclonal.com.cn/)。兔子主要抗体都是反人类的抗体。第二抗体是山羊antirabbit抗体。简单地说,一个量(40μg)的蛋白质(肿瘤;控制)对一维10% PAGE电泳分离,都被转移到PVDF膜。PVDF膜上的蛋白质与初级孵化抗体(ALDH18A1, ACADL PPARG,或CPT1B),然后用二次孵化抗体,其次是可视化。肌动蛋白免疫印迹分析被用来作为内部参考。

2.13。统计分析

对差异表达MMRG GSEA,浓缩,KEGG,免疫印迹分析,统计学意义被设置为 。

3所示。结果

3.1。在肺癌MMRG景观

总共188 MMRGs从KEGG通路数据库,获得肺癌之间进行了分析( )和控制肺( )组织TCGA的数据库(补充表1)。

3.2。MMRG-Mediated信号通路

188 MMRGs GSEA浓缩分析发现151统计上显著的基因集,包括76个基因集(名义值< 1%)在肺癌组织和19个统计上显著的基因集包括14个基因集(名义值< 1%)控制的组织。其中,脂质代谢途径主要是丰富控制肺癌组(补充图1)和ATP能量generation-related途径(例如,氧化磷酸化,ATP电子传递链,乳酸酸中毒,和酸碱平衡失调通路)主要是丰富肺癌组(补充图2)。这些调查结果清楚地表明在肺癌组织中线粒体能量代谢途径变化。

此外,GSEA浓缩188年分析MMRGs也进行肺癌阶段我( 病人)和二世( 病人)。一个有趣的结果是,脂质代谢基因集是我(补充图主要富集在舞台上3),ATP能量生成过程,氧化磷酸化途径和细胞呼吸基因集主要富集在II期(补充数据33 b和c)。这些发现也清楚地证明了线粒体能量代谢途径变化晚期肺癌的组织。

3.3。突变状态的MMRGs肺癌

突变分析188年肺癌MMRGs发现几乎所有的突变碱基胞嘧啶,和前三个high-mutation基地C➔, C➔T C➔G(图1(一))。这些发现表明,胞嘧啶非常不稳定,和胞嘧啶氨基很容易氧化。此外,MMRGs的总体变异率不高,和变异率最高仅为4%(图1 (b))。此外,突变分析之间的188 MMRGs short-survival组(< 1000天)和多组(> 1000天)发现的突变速率ACOX3 short-survival组明显高于相对于多组的mutationrate OGDH多组明显高于相对toshort-survival集团( ,补充表2,图1 (c))。生存分析是很有意义的突变与野生型组ACOX3肺癌,这是与肺癌的预后差( ,图1 (d))。生存分析之间并没有显著的突变和野生型OGDH在肺癌组( ,图1 (e))。

3.4。协会的表达水平和突变频率MMRGs肺癌

肺癌组,年龄和MMRGs之间的相关分析发现,没有任何MMRGs明显与年龄( ),相关系数从-0.1到0.1不等(补充表3)。对照组的年龄和MMRGs之间的相关分析发现,五个MMRGs相对较弱的与年龄相关,相关系数大于0.2(补充表4)。这些结果清楚地表明,年龄并不影响MMRGs肺癌。此外,没有发现统计学意义在突变频率之间的年轻(< 60岁)和老年(> 60岁)的病人,这表明年龄并不影响MMRGs突变频率的肺癌。

3.5。差异表达MMRGs肺癌

在those188 MMRGs, 43个差异表达MMRGs肺癌之间被确定和控制,包括24日调节和19个表达下调MMRGs控制相比,肺癌肺组织( )(补充表1;图2(一个))。这些24调节MMRGs ATP4A、ALDH3B2 ATP4B, ALDH3A1, CYP4A22-AS1, ADH1C, GAPDH, PKLR, PPAT, CPT1B, PFKP, PC, PFKP-DT, ALDH1L1, ADH4, GPI、ALDH8A1, ALDH18A1, ATP12A, GAPDHS, NDUFS6, OXCT2, CYC1, ALDH1L2;和19个表达下调MMRGs是ADH1B、ACADL ADH1A, CYP4A26P, PPARG, ALDH1A2, ALDH2 ALDH3B1, CYP4A11, MDH1B, ACSBG1, ACSL4, CYP2U1, CYP4A22, CYP4A27P, ACSL1, PPARGC1A ACAA2, PFKFB2。

3.6。功能特征的差异表达MMRGs

去浓缩的43个差异表达分析MMRGs发现148统计上显著的基点,2 CCs, 30 MFs(补充表5;补充图4)。,所涉及的重要基点主要是小分子分解过程中,脂肪酸代谢过程和核苷酸代谢过程(补充图4),重要的CCs相关主要是线粒体基质和脂滴(补充图4b)。所涉及的重大MFs主要是氧化还原酶活性作用于醛或含氧的群捐助者、NAD或辅酶ii受体,氧化还原酶活性作用于醛或含氧的群捐助者、醛脱氢酶(NAD (P) +)活动,和醛脱氢酶(NAD +)活动(补充图4c)。

3.7。差异表达的蛋白质相互作用网络MMRGs

共有43个差异表达MMRGs被用来构建PPI网络(图2 (b))。进一步分析这个Cytoscape发现10 PPI网络中心的分子,包括GAPDH GAPDHS, PC, PKLR, ALDH18A1,谷歌价格指数,PFKP, ACADL ACSL1, CPT1B(图2 (c))。这些中心分子是糖酵解的关键酶和分子,柠檬酸,氧化磷酸化。它清楚地表明,线粒体能量代谢途径改变肺癌。

3.8。生存分析的差异表达MMRGs肺癌

生存分析的43个差异表达MMRGs肺癌发现3中差异表达MMRGs (GAPDHS、ACSBG1 CYP4A11)生存意义(补充表6;图3)。(我)肺癌患者生存预后的低表达组比高表达组GAPDHS ( )。此外,对于肺鳞状细胞癌,预后生存低收入和高表达组之间没有统计学意义GAPDHS ( ,补充图5一个);肺腺癌,预后生存低收入和高表达组之间没有统计学意义GAPDHS ( ,补充图5a)。(2)肺癌患者生存预后的高表达组比低表达组ACSBG1 ( )。此外,对于肺鳞状细胞癌,预后生存低收入和高表达组之间没有统计学意义ACSBG1 ( ,补充图5b);肺腺癌,预后生存在高表达组比低表达组ACSBG1 ( ,补充图5b)。(3)肺癌患者生存预后的高表达组比低表达组CYP4A11 ( )。进一步,对于肺鳞状细胞癌,生存预后显著高表达组比低表达组CYP4A11 ( ,补充图5c);对肺腺癌,预后生存是低收入和高表达组之间没有统计学意义CYP4A11 ( ;补充图5c)。

此外,生存预后明显年轻(< 60年)患者比老年(> 60岁)患者( ;补充图6一个),和肺癌之间并没有显著的不同阶段I和II ( ;补充图6b)。

多变量Cox回归分析性别、年龄、阶段,癌症类型,GAPDHS, ACSBG1, CYP4A11发现,老年(> 60岁),高度表达GAPDHS低ACSBG1表示,和低表达CYP4A11肺癌预后的高危因素(补充表6;补充图7)。

3.9。免疫组织化学分析Survival-Related差异表达MMRGs肺癌

在人类蛋白质图谱在线数据库,GAPDHS蛋白在正常肺组织的染色检查。正常的支气管或肺组织染色在5科目,和GAPDHS蛋白质-(图4)。ACSBG1蛋白质6正常肺组织显示适度染色强度在肺组织肺泡细胞或巨噬细胞(补充图8)。

3.10。不同数据集的验证Survival-Related差异表达MMRGs肺癌

LUAD之间没有发现显著差异( )和控制( )组织之间、LUSC ( )和控制( )GAPDHS组、ACSBG1 CYP4A11(补充图9)。没有显著差异的表达GAPDHS肿瘤在不同阶段(阶段I, II, III和IV)的肺癌( ,图5)。然而,ACSBG1的表达式和CYP4A11肿瘤在四个阶段(阶段I, II, III和IV)是统计上的显著差异,分别为( ,图5)。进一步验证独立数据集GSE21933表明ACSBG1显著低表达在肺癌组织和LogFC 0.81 ( ,补充表7)。之间没有显著差异GAPDHS和CYP4A11肺癌组和正常组( ,补充表7)。

3.11。建设基于差异表达的机器学习模型MMRGs肺癌

岭回归被用来进一步降低维度,和六个基因(ACADL, ADH1B、ALDH18A1 CPT1B, CYP2U1,和PPARG)筛选出来。然后,四个特征基因筛选通过逻辑回归建模(补充表8)。Weka3.8.5软件建模用于邻近的正常组织和肺癌组织进行分类。建立了四个模型,决定树桩,逻辑回归,朴素贝叶斯和多层感知器(图6(一))。10倍交叉验证表明,该决策树桩模型的正确分类率为96.13%,98.74%,逻辑回归模型中,97.57%为朴素贝叶斯模型,98.29%为多层感知器模型。ROC分析显示四4的AUC值对应的模型都是0.902,0.992,0.990,和0.992,分别。逻辑回归模型有一个错过的确诊率仅为0.6%。此外,逻辑回归公式 。可以看到它的重要性(图中各种变量逻辑回归模型6 (b))。很容易发现的重要性4差异表达MMRGs逻辑回归模型 。

3.12。验证四个差异表达与免疫印迹MMRGs在机器学习模型

免疫印迹显示,与对照组相比,CPT1B和ALDH18A1蛋白质的表达水平显著调节( ),和ACADL和PPARG蛋白质的表达水平略有下调 (图7)。

4所示。讨论

线粒体能量代谢异常是肺癌的重要标志。线粒体能量代谢相关途径主要包括糖酵解、三羧酸循环,氧化磷酸化,酮体代谢、脂肪代谢、糖质新生。虽然糖酵解发生在细胞质中,然而,糖酵解是糖的有氧氧化的第一阶段,这是包括在这项研究中。因此,总共有188 MMRGs在这些途径是用于分析改变景观和肺癌的临床意义。本研究还发现了肺癌的预后不良的危险因素从线粒体能量代谢途径。

控制肺组织相比,43个差异表达MMRGs被确定在肺癌组织中,包括24调节(ATP4A、ALDH3B2 ATP4B, ALDH3A1, CYP4A22-AS1, ADH1C, GAPDH, PKLR, PPAT, CPT1B, PFKP, PC, PFKP-DT, ALDH1L1, ADH4,谷歌价格指数,ALDH8A1, ALDH18A1, ATP12A, GAPDHS, NDUFS6, OXCT2, CYC1,和ALDH1L2)和19个表达下调MMRGs (ADH1B、ACADL ADH1A, CYP4A26P, PPARG, ALDH1A2, ALDH2 ALDH3B1, CYP4A11, MDH1B, ACSBG1, ACSL4, CYP2U1, CYP4A22, CYP4A27P, ACSL1, PPARGC1A, ACAA2,和PFKFB2)。

生存分析的43个不同压抑MMRGs发现3 survival-related MMRGs (GAPDHS, ACSBG1, CYP4A11)。GAPDHS是一种进化保守的基本酶糖酵解途径(30.),其高表达在黑色素瘤是不良预后的生物标志物12]。ACSBG1酰coa合成酶,脂肪酸代谢中起着重要的作用[13,在银屑病病变显著下调14]。CYP4A11是细胞色素P4504成员之一(CYP4)家庭参与脂肪酸的新陈代谢,在肝癌组织中表达下调(16),在透明细胞肾细胞癌肿瘤组织(31日]。我们研究发现GAPDHS显著高表达,低表达ACSBG1 CYP4A11和低表达的肺癌组织生存的预测预后不良,无论单因素和多因素生存分析策略。显然强调了科学的优点这三个差异表达MMRGs在肺癌的进展。ACOX3突变组的预后比野生型的集团,这表明ACOX3突变的不良预后的生物标志物。GSEA富集分析表明,氧化磷酸化和ATP能量generation-related途径明显富集在肺癌组织中,这可能是适应了肺癌细胞的连续扩散和入侵。

岭回归分析的43个差异表达MMRGs确定六个差异表达MMRGs (CPT1B、ACADL PPARG, ALDH18A1, ADH1B,和CYP2U1)。这六个差异表达MMRGs通过逻辑回归模型进一步分析获得显著差异表达MMRGs逻辑回归模型。10倍交叉验证的准确性的逻辑回归模型在肺癌的诊断是98.74%。逻辑回归模型的缺失率只有0.6%。它清楚地表明,逻辑回归模型的性能好。研究优化和筛选特征差异表达MMRGs建立logistic回归模型不准确的诊断肺癌比其他模型(32- - - - - -34]。这个模型可能会发展为将来临床肺癌屏幕。CPT1B和ACADL在肺癌的诊断最重要的逻辑回归模型。CPT1B,病原反应一步催化氧化脂肪酸,是调节在前列腺癌和与不良预后相关35]。ACADL是线粒体酶,这种酶在肝细胞癌经常表达下调,和其低表达明显相关的肝细胞癌患者临床预后较差(36]。PPARG是核受体调节脂肪细胞的分化37]。PPARG是三个PPAR的转录因子家族成员影响丝氨酸/苏氨酸激酶3的功能,从而导致一个更激进的疾病表型在前列腺癌(38]。通过针对ALDH18A1 GCN2-mediated eIF2磷酸化α增加通过减少细胞内的脯氨酸含量,从而抑制黑色素瘤的发展(39]。对扩散ALDH18A1有深远的影响,自我更新,NB细胞的致瘤性和NB的病人是一个潜在的危险因素40]。一些研究表明,ADH1B与人类相关的减少肺癌(41]。ADH1B是一个低表达基因在我们的研究中。有大量的报道,数学模型可以用来预测癌症患者的生存预后[42- - - - - -46],许多因素影响预后。基因表达可以预测生存好或坏,但确切的生存时间间隔是不够准确的数学模型来预测。在准确预测病人生存有困难和挑战。然而,与不同的方法已经取得了相当大的进展,诊断肺癌。肺癌的诊断准确率为97.3%,当一些学者研究了肺癌组织部分弱监督下(47,48]。这清楚地表明,four-differentially对肺癌MMRG-signature模型具有巨大的潜力。此外,免疫印迹实验结果这四个MMRGs符合相应的mrna的表达趋势在逻辑回归模型中,进一步证实,该模型具有一定的诊断性能。

5。结论

线粒体能量代谢途径改变肺癌的重要标志。本研究分析了188的表达水平和突变状态MMRGs肺癌和控制组织,这43鉴定差异表达MMRGs(24调节和19个表达下调)在肺癌。三个survival-related差异表达MMRGs被发现,包括GAPDHS ACSBG1, CYP4A11,肺癌。在肺癌组织中、高表达GAPDHS低表达ACSBG1 CYP4A11,突变ACOX3,老年预测预后不良。岭回归分析的43个差异表达MMRGs构造four-MMRG-signature模型( ),拥有一个优秀的能力区分肺癌从控制的正确分类率高达98.74%,AUC值0.992,错过了诊断率仅为0.6%。它有重要的科学价值对肺癌的诊断和预后评估。CPT1B和ALDH18A1蛋白质的表达水平明显调节,而ACADL和PPARG蛋白质的表达水平略有下调。结果表明,这四种蛋白有一定诊断肺癌的性能。

数据可用性

所有数据存在数据和辅助材料,可在《华尔街日报》网站。

伦理批准

本研究的实验部分是伦理委员会批准山东第一医科大学(伦理号:R202111050188)。

的利益冲突

作者宣称没有利益冲突有关这项研究的出版物。

作者的贡献

Z.Y.收集和分析数据,数据和表、设计,以及写手稿。Z.Y.,H. Z, J.L., W.J., and Y.G. performed western blot experiments. F.K., S.Y., and S.Z. participated in the construction of the mathematical model and collection of lung tissues. X.Z. conceived the concept, designed manuscript, wrote and critically revised the manuscript, and was responsible for its corresponding works.

确认

这项工作得到了山东第一医科大学博士启动基金(Z.Y.),山东第一医科大学人才引进基金(X.Z.),山东省自然科学基金(ZR202103020356 / ZR2021MH156 X.Z.),山东第一医科大学和学术推广计划(2019 zl002)。

补充材料

补充1。补充图1:GSEA富集分析相邻正常组织相比,肺癌组。

补充2。补充图2:GSEA富集分析肺癌组织与邻近的正常组织。

补充3。补充图3:GSEA富集分析肺癌阶段I和II。

补充4。补充图4:丰富通路的分析差异表达MMRGs BP, CC和MF。

补充5。补充图5:3的生存分析差异表达MMRGs (GAPDHS、ACSBG1 CYP4A11)在肺腺癌和肺鳞状细胞癌。

补充6。补充图6:肺癌的生存分析不同的子组。

补充7。补充图7:肺癌的多变量cox回归分析。

补充8。补充图8:正常肺组织的免疫组织化学染色显示ACSBG1。

补充9。补充图9:survival-related的表达差异表达MMRGs TCGA和GTEX数据库的肺癌。

补充10。补充表1:微分表达式分析线粒体能量代谢pathway-related基因在肺癌患者和对照组之间。

补充11。补充表2:突变状态的188线粒体能量代谢pathway-related基因(MMRGs)在肺癌组织和控制。

补充12。补充表3:相关分析之间的年龄和MMRGs肺癌组。

补充13。补充表4:相关分析之间的年龄和肺部MMRGs对照组。

补充14。补充表5:43功能特征分析差异表达MMRGs使用去充实。

补充15。补充表6:肺癌患者的临床特征。

补充16。补充表7:差异分析survival-related差异表达MMRGs GSE21933在数据集。

补充17。补充表8:four-differentially表示MMRG-signature肺癌诊断模型。