文摘
Ferroptosis,程序性细胞死亡的一种形式,类似于坏死,由铁和脂质过氧化而著名。胃癌是一种高度侵略性的癌症,负责全球第三高的癌症相关的死亡人数。尽管如此,潜在的ferroptosis预测癌症的发生仍有待确定。在这个研究中,一个综合考试是探索之间的联系进行长非编码rna (lncRNAs)和ferroptosis,以揭示lncRNA签名可以预测药敏和肿瘤突变负担(三甲)在胃腺癌。我们进行了一次深入的分析GC免疫微环境和免疫治疗,尤其关注ferroptosis-related lncRNA预后的生物标记物,并进一步探讨了这些因素与预后之间的相关性,免疫渗透,单核苷酸变异(SNV)和药物敏感性为胃腺癌患者。通过我们的调查,我们发现了五lncRNA签名相关ferroptosis能够准确预测胃腺癌患者的预后以及调节增殖,迁移,发生ferroptosis胃腺癌的细胞。总之,这个lncRNA签名与ferroptosis可能雇佣作为胃腺癌的预后指标,从而提供一个潜在的解决方案。
1。介绍
胃癌(GC)是五个最常见的诊断疾病和癌症相关死亡的第三大原因在全球范围内,这使得肿瘤(一个重大挑战1]。胃腺癌(STAD)约占所有GC病例的95% (2]。大多数癌症的早期症状不明显,由于这样的事实,大多数患者诊断时处于高级阶段预后差,和治疗选择是有限的3]。遗憾的是,肿瘤标记物的初步临床诊断最常用的GC有低水平的敏感性和特异性4,5]。因此,迫切需要更精确的生物标志物反映一个人的癌症风险和开发新的治疗策略。
一般来说,GC是一个多方面的条件,涉及多种基因突变,表观遗传修饰,染色体易位、缺失和放大。这些都是分摊的创世纪障碍。与突变或异常的蛋白编码基因的表达,表观遗传修饰,如超表达的差别或对这些非编码RNA (lncRNA),不仅在癌症中发挥作用起始和进展6]。同时,他们还可以显示肿瘤抑制或致癌效应。由于lncRNAs的全基因组表达模式在不同的组织,他们可能用作癌症生物标志物和治疗目标(7]。发现GC lncRNAs参与发展的关键是必不可少的理解的机制在起作用。
Ferroptosis,最近发现的细胞死亡形式,是由大量脂质过氧化过程,需要铁,导致细胞膜的损伤(8]。Ferroptosis,最初由小分子erastin诱导,主要是由细胞的体积的减少,线粒体膜密度的增强,没有通常的细胞凋亡和坏死的迹象9]。它已经建立在先前的研究,lncRNAs连接到一个金刚石现象的范围,包括细胞凋亡、自噬,necroptosis, ferroptosis。人们已经发现某些lncRNAs可以作为内源性RNA竞争,从而阻碍氧化,因此,ferroptosis;相比之下,一些lncRNAs诱导自噬。研究表明,检查之间的相关性lncRNA ferroptosis各种癌症,包括GC和非小细胞肺癌,有重大影响10]。为了探索ferroptosis之间的连接,ferroptosis-related lncRNA,胃腺癌,综合评价是必要的。
所需的时间由几种基质细胞对癌细胞的蓬勃发展和传播11]。越来越多的证据表明,胃腺癌都有一个特定的微环境,促进肿瘤进展和转移(12]。有必要进行进一步的研究时间和胃腺癌之间的联系,相互作用的确切机制仍然未知。精密医学和靶向治疗已被纳入医学肿瘤学,导致转换的治疗癌症的方法13]。精密医学暴露显著异质性癌症通路出错,导致就业的新型靶向治疗,特别是免疫抑制剂治疗检查站的响应能力是评估使用潮流得分,尤其有效14),显示在各种癌症类型(甚至更广阔的前景15]。最近,免疫抑制剂检查站(艾多酷)提出了作为胃腺癌的一个可能的治疗选择。细胞毒性T lymphocyte-associated antigen-4 (CTLA-4)和程序性细胞死亡蛋白1 (PD-1),两个免疫检查站控制淋巴细胞激活和平衡的免疫反应,可以使肿瘤细胞免受免疫系统(16]。
我们的研究利用预后的生物标志物ferroptosis-related lncRNA分析肿瘤免疫微环境和免疫疗法全面。建立了五个lncRNA签名与ferroptosis,以及相关的诺模图。lncRNA签名与ferroptosis已被证明是一个可靠的胃腺癌患者的预后预测指标。我们已经成功地创建了一个预后模型检查预后之间的关系,免疫渗透,SNV, STAD患者的药物敏感性。
2。材料和方法
2.1。数据采集和预处理
癌症基因组图谱(TCGA)数据库(https://portal.gdc.cancer.gov/repository)提供RNA序列(HTSeq-Counts),简单的核苷酸变异数据,380 TCGA-STAD病人的临床资料。之后,我们将统计数据变成FPKM(每千碱基片段的记录每数百万碱基对序列测序)以进行以下分析。这项研究与综合临床信息(表包含224个样本1)。FerrDb数据库被用来组装一个基因列表包含291个ferroptosis-related基因(http://www.zhounan.org/ferrdb)[17)和人类基因数据库(基因卡)使用关键字“ferroptosis”(https://www.genecards.org/)[18]。应用“刨边机”方案,进行差别分析,取得了18(度)的差异表达基因ferroptosis-related TCGA-STAD [19,20.]。错误发现率 和 的统计参数的意义。随后,字符串数据库(https://string-db.org/)[21)是用于生成蛋白质交互网络(PPI) 18 ferroptosis-related基因,跑一个Cytoscape插件,CytoHubba [22),准确地确定哪些基因担任PPI网络的枢纽。皮尔森相关分析( 和 )是用来识别强相互作用TCGA-STAD lncRNAs和ferroptosis-related基因,从而允许选择ferroptosis-related lncRNAs。通过差异分析,我们确定了142年调节和121年下调ferroptosis-related lncRNAs。
2.2。的建立和评价Ferroptosis-Related lncRNA签名预后模型
利用上述的标准,我们的200名患者进行了分析完整的临床资料。共有200名患者被随机分为两组:一组训练的100年和100年测试的。临床特点的培训组和测试组是相同的。通过利用单变量和多变量Cox回归分析和“生存”R包,lncRNA签名相关ferroptosis测定(23)与胃腺癌患者的预后相关。预后的风险模型,该模型是基于五ferroptosis-related lncRNAs开发通过多变量Cox回归分析,允许预测个人患有胃腺癌的预后。风险评分是通过以下方程: 。为了验证数据集的风险特征模型,我们计算每个胃腺癌患者的风险评分在训练集和测试集。通过考虑风险评分的中值,所有样品被分成两个categories-a高危组和低风险小组的目的研究个人患有胃腺癌的预后。评价两组患者的总生存期(OS), kaplan meier分析。我们选择“survminer”R包来计算最优截止表达式。评估风险评估模型的独立于其他临床特征,采用多变量Cox回归分析。AUC分析评估的有效性ferroptosis-related lncRNA和风险模型的有效性。kaplan meier单独分析来评估五个ferroptosis-related lncRNAs,为了研究他们之间的关系表达式和患者生存。利用“rms”R包,一诺模图构建基于风险评分和独立的临床信息,与校准曲线建立了3,5,7年。
2.3。全面的免疫测定
TCGA-STAD组之间比较免疫细胞与高、低风险的帮助下进行了七个算法(计时器(24],CIBERSORT [25,26,CIBERSORT-ABS QUANTISEQ [27),MCPCOUNTER,伊势亚(28),和史诗29日]],结果可视化“limma”和“热图”R包。应用“GSVA”R包,single-sample基因集富集分析(ssGSEA)进行评估的几种细胞和通路在每个TCGA-STAD样本(30.]。样本的免疫渗透结果被发现是值得信赖的,是值低于0.05。样本TCGA-STAD被分配一个基质得分,免疫的分数,分数估计使用“估计”R工具(31日]。此外,CIBERSORT来说明比22样品中不同类型的免疫细胞。
使用潮流算法(http://tide.dfci.harvard.edu/),预测的反应TCGA-STAD队列中的每个样本anti-PD-1 anti-CTLA4免疫疗法,我们计算潮流分数为每个样本。根据官方定义,免疫抑制剂治疗被认为是检查站停止响应如果潮水得分高于0,而潮得分低于0是指示性的反应治疗。
随后,我们制定了免疫疗法的分数(IPS)通过检测免疫抑制跨膜蛋白的存在,PD-1 CTLA4, GC患者的T细胞表面。TCGA-STAD免疫疗法评分文件可以从TCIA访问网站(https://tcia.at/)。除以PD-1的表达和CTLA4分成四组(PD-1积极/ CTLA4消极,PD-1负面/ CTLA4积极PD-1积极/ CTLA4积极和PD-1负面/ CTLA4负),我们旨在调查免疫在胃腺癌预后签名(IPS)高和低风险组。PD-L1,我们进一步调查PD-1的差异和CTLA4水平胃腺癌和正常患者之间使用“ggpubr”和“ggplot2”R包。
2.4。浓缩和基因功能分析基因集富集分析(GSEA)
分析基因本体论(去)和《京都议定书》百科全书的基因和基因组(KEGG)途径是进行有关ferroptosis mrna,展示出不同的表达水平,以洞察机制,区分高和低风险组的胃腺癌。一组潜在的基因通路被发现,小于0.05的罗斯福。GSEA(版本4.0.3)来评估ferroptosis-related基因的富集程度和统计意义之间设置两组(32]。这个算法被用来探索潜在的功能基因和通路的签名。决定,富兰克林•德兰诺•罗斯福和名义上的25%值小于0.05的阈值的意义。
2.5。共识聚类分析和GSVA(基因变异分析)分析
利用“ConsensusClusterPlus”R包,我们聚集TCGA-STAD分成四组共识的基础上表达的lncRNAs ferroptosis [33]。聚类达到共识,1000 k - means迭代进行,80%的基因或样本引导。随后,应用于kaplan - meier统计分析跨集群操作系统的差异。GSVA分析显示ferroptosis相关基因的激活状态和相关的生物学途径(34]。图形表示这些生物过程使用我们的热图,红色代表激活和蓝色代表抑制。
2.6。Ferroptosis潜力指数(FPI)模型
功能概要文件索引(FPI)是一个指标来评估ferroptosis水平及其意义。ssGSEA来计算基因集富集得分(ES),刺激或抑制ferroptosis。胃腺癌样本的分析表明,高FPI分数通常与转移,医疗特点,药物反应(35]。这种模式使我们能够评估FPI值在每个胃腺癌样本,从而揭示ferroptosis每个病人的水平。
2.7。药物预测和二级结构预测
我们建立了分数的相关免疫细胞通过比较高和低风险组的免疫细胞。药物基因组学的灵敏度癌症(GDSC)数据库提供了一个广泛的药物(列表https://www.cancerrxgene.org/)[36]。利用PRRophetic算法,我们建立了岭回归模型。“PRRophetic”R包是用来预测高和低风险组的值在TCGA-STAD [37]。12个抗肿瘤药物进行评估,两组之间的IC50值之间存在着显著的差异。药物较低IC50被发现更有效的抑制癌细胞。此外,我们调查了稳定lnCAR lncRNA结构的数据库(https://lncar.renlab.org/website),收购LINC00460的二级结构和miR205HG [38]。lncRNA稳定的二级结构是表明RNA的结构和目的。LINC00460和miR205HG获得相对稳定的二级结构。
2.8。基因突变和m6A RNA甲基化监管机构
全面分析基因突变进行了使用maftools R包,和胃腺癌分为高和低风险组。此外,突变ferroptosis-related mrna也被评估。我们进行了皮尔森分析调查CDKN2A之间的相关性和五个相关lncRNAs,鉴于突变的细胞周期蛋白依赖性激酶抑制剂2 (CDKN2A)在胃腺癌是最重要的。我们获得的突变加文件每个TCGA胃腺癌患者的数据库,使我们计算每个病人的三甲得分。由胃腺癌突变的分析和基于平均得分,我们将样品分成高,low-mutation组。我们使用“reshape2”和“limma”R包分析m6A RNA的表达高和低风险组之间的甲基化监管机构。
2.9。统计分析
本研究的数据处理是使用R软件(版本4.0.3;https://www.R-project.org)。决策曲线分析(DCA)和操作特性曲线(ROC)被调查的敏感性,特异性,和准确性预后的特点STAD利用“timeROC”和“ggDCA”包,分别。这样做是与其他临床病理的特点。利用kaplan meier生存分析,STAD患者的总体生存评估的ferroptosis-related lncRNA签名。所有的分析产生了值小于0.05,表明一个统计上的显著差异。
3所示。结果
3.1。Ferroptosis-Related鉴定差异表达mrna和lncRNAs PPI网络的建设
如图1,我们TCGA的数据相结合,FerrDb、卡片和基因数据库构建基因与ferroptosis相关矩阵。我们利用“edgR”包进行微分分析18 ferroptosis-related与重要的微分表达式在胃腺癌基因,导致12调节基因(铝青铜、ALOX15 GDF15, CDKN2A,地狱,MIOX, TRIB3, AURKA, NOX1, CP, NOS2,和MYB)和6个表达下调的基因(ANGPTL7、PLIN4 ALOX12, TP63, HBA1,和AKR1C1)(数据2(一个)和2 (b))。识别lncRNAs ferroptosis,皮尔逊相关分析(皮尔森 和 )142年执行,从而调节和121个表达下调ferroptosis-related lncRNAs(数据吗2 (c)和2 (d))。之间的相关性ferroptosis lncRNAs是描绘在图的基因2 (e)在字符串和PPI网络数据库显示,18节点和11边缘(图之间的关系2 (f))。此外,12个中心基因进一步查明CytoHubba应用程序(图2 (g))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
3.2。建立Ferroptosis-Related lncRNA预后签名
我们进行了筛查200 TCGA-STAD样品完成临床信息和随机分配成两组,每组100个样本训练和测试目的(如数据中描述3(一个)和3 (b))。样品分为两组,高危组和低风险组,根据风险评分的中值,为了评估胃腺癌患者的预后。风险评分和生存状态分布数据中所示3 (c)- - - - - -3 (f)。生存分析显示,高危人群有更糟糕的存活率在训练集( )和测试集( )(数据3 (g)和3 (h))。来判断是否ferroptosis-related lncRNA签名STAD患者作为一个独立的预后因子,单变量和多变量Cox回归分析,考虑潮汐,TNM,阶段,风险评分,性别,年龄,和FPI(数字3(我)- - - - - -3(左))。这项研究的结果证实了风险评分是一个重要的预后因素( )。单变量Cox回归分析确定了12 ferroptosis-related lncRNAs (rp11 - 186 f10.2 rp4 - 781 K5.5 LINC01537, LINC00601, AC103563.8, AC103563.9, rp11 - 1143 g9.5 LINC00460, rp11 - 64 b16.4 LINC00454, kb - 68 a7.1和miR205HG)有一个强大的协会与胃腺癌患者的预后,是由“生存”R包。多变量Cox回归分析用于检测生物标记物与患者的预后,和5 ferroptosis-related lncRNAs (rp11 - 1143 g9.5 AC103563.8, LINC00460, rp11 - 186 f10.2和miR205HG)被选中(数字4(一)和4 (b)补充表1和补充表2)。此外,ferroptosis-related lncRNA签名,这个签名相关的临床特征是评估和构建,包括三甲,潮流,阵线(TNM阶段,阶段,年龄、性别、免疫得分,集群和风险(图4 (c))。胃腺癌的预后模型建立与这五个ferroptosis-related lncRNAs。然后,我们建立了一个预后风险评分为5 ferroptosis-related lncRNAs,和分数等于以下风险: 。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
(k)
(左)
(一)
(b)
(c)
(d)
(e)
(f)
3.3。的验证Ferroptosis-Related lncRNA签名
创建一个列线图来评估预后模型的精度和可靠性,结合临床特征如年龄、肿瘤(T)的地位,转移(M)状态,风险评分,阶段,和风险,以及1 - 3 -,5年校准曲线(见图S1A和印地)。从检查结果微卫星不稳定性之间的关系和风险评分表明,微卫星稳定(MSS)有一个高分更重要影响组(70%)比低分组(62%),如图就是S1C和S1D。图S1E-G显示了DCA曲线3、5、7年。DCA曲线表明,相关的功能ferroptosis-related lncRNA签名有一个优越的预测价值。kaplan meier曲线的五ferroptosis-related lncRNAs (AC103563.8、LINC00460 miR205HG, rp11 - 186 f10.2和rp11 - 1143 g9.5)之间的高收入和低风险组如图S2A-E。除了rp11 - 1143 g9.5之外,其他四个基因的操作系统(AC103563.8, LINC00460、miR205HG rp11 - 186 f10.2)在高危组明显低于低风险组中。此外,我们探讨的表达这五个ferroptosis-related lncRNAs在各种组织和器官(图S3A-E)。其中,rp11 - 1143 g9.5 rp11 - 186 f10.2 AC103563.8胃组织中表达。值得一提的是,AC103563.8和rp11 - 1143 g9.5胃组织中高度表达与其他组织和器官。ROC曲线的3、5、7年反映模型的优势,其中包括所有设置(3年, ;5年, ;7年, ),训练集(3年, ;5年, ;7年, )和测试集(3年, ;5年, ;7年, )(图S4A-I)。
3.4。基因浓缩和功能分析
我们进一步研究了度的生物功能,利用org.Hs.eg clusterProfiler”。db”和“enrichplot“R包去注释和KEGG途径分析。的过滤和调整滤波器的值小于0.05,分别。这个研究途径和浓缩过程分析,其中包括分子功能(功能集),生物过程(途径)和细胞组件(结构复杂)。前21集群和他们的代表浓缩条件数据所示4 (d)和4 (e)。去功能注释的结果表明,与氧代谢相关的生物过程微分ferroptosis-related基因的表达有显著相关性,包括:0006801(过氧化物代谢过程):0019372(脂氧合酶途径):0072593(活性氧代谢过程):0016701(氧化还原酶活性,作用于单一捐赠者的分子氧),:0016651(氧化还原酶活性,作用于NAD (P) H),: 0016702(氧化还原酶活性,作用于单一捐赠者的分子氧,合并两个原子氧),:0019825(素活动),去:0016709(氧化还原酶活性,作用于成对捐助者、合并或减少氧气分子,NAD (P) H作为供体,和一个氧原子结合)。此外,ferroptosis-related基因也与细胞增殖有关,如:0048661(积极调节平滑肌细胞增殖)。KEGG通路富集分析表明,ferroptosis通路显著丰富(图4 (f)),机制和调节细胞内铁2 +如图S5A和S5B。GSEA的ferroptosis-associated lncRNA签名证明基因沉默,负调节基因表达和转录后的调控基因表达明显富集在胃腺癌高危人群样本(图S5C-G)。
3.5。共识的聚类分析Ferroptosis-Related lncRNAs和GSVA分析
“ConsensusClusterPlus”R包用于集群ferroptosis-related lncRNAs分为四个集群,以及STAD样品之间的交叉被发现在这种情况下(最低的数据5(一个)- - - - - -5 (c))。因此,我们将样品分成四个集群(A / B / C / D)。与其他集群相比,kaplan meier算法发现病人在集群C在集群操作系统比病人(图5 (d))。GSVA富集分析显示ferroptosis-related基因的激活状态和相关的生物学途径。如数据所示5 (e)和5 (f)同种异体移植物排斥ferroptosis-related基因丰富,E2F目标,糖酵解,p53通路,过氧物酶体和精子发生。集群和集群的浓缩B相比,结果表明同种异体移植物排斥和8 e2f显著富集集群,集群和集群是消极监管相对于B在p53通路(图5 (g))。比较集群集群C和D显示集群C有较高的过氧物酶体和E2F目标,如图5 (h)。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
3.6。综合免疫测定免疫渗透、免疫检查点和免疫治疗的反应
获得一个更好的理解的风险分数和免疫细胞之间的关系,我们进行了一次分析的免疫细胞之间的高和低风险组TCGA-STAD,利用七算法。热图情节提出了免疫细胞的表达在高和低风险组,以及各种临床特征(图6(一))。癌症相关的成纤维细胞,造血干细胞,间质分数,B细胞,T细胞CD4 +记忆T细胞CD4 +效应记忆,CD8 + T细胞和T细胞CD8 +中央内存都是高危人群中表达显著,的值小于0.01,0.001,0.05,0.05,0.05,0.05,0.05,和0.01,分别。肿瘤组织表现出显著上升的表达T卵泡辅助细胞,NK细胞休息,休息肥大细胞(图6 (b))。相关分析是用来显示免疫细胞之间的相互作用,风险评分,三甲。结果表明T细胞,内皮细胞,骨髓树突状细胞有积极的和消极的监管与风险评分和三甲的关系。如图6 (c),红色是象征的正相关,而绿色是指示性负相关。估计分数显示肿瘤纯度的负相关,显示在图S6A。此外,我们分析了连接的免疫细胞和免疫细胞通路的分数高,低风险组(图S6B)。22在胃腺癌样本中免疫细胞的比例由热图体现,基于CIBERSORT算法(图箱线图S6C和6 e)。我们分析了23监管因素的表达水平与m6A高和低风险组之间。是值得注意的FTO的表达(alpha-ketoglutarate依赖加双氧酶)( ),IGFBP3(胰岛素样生长因子结合蛋白3)( ),和VIRMA ( )在高危人群高于低风险组(图S6D)。免疫疗法分数由PD-1的表达和CTLA4胃腺癌患者的T细胞。IPS评估四组,包括PD-1 - CTLA4 -(图7(一)),PD-1正CTLA4负(图7 (b)),PD-1负CTLA4正(图7 (c)),PD-1积极CTLA4积极(图7 (d))。数据显示,高危组比得分都较低风险组,表示他们的免疫疗法并不是有效的。的得分文件TCGA-STAD免疫治疗从TCIA数据库下载。PD-1的表达、PD-L1 CTLA4肿瘤组织和正常组织之间也探索通过“limma”R包。箱线图表明表达PD-1(图7 (e)),PD-L1(图7 (f)),和CTLA4(图7 (g))在肿瘤组织中明显高于正常组织。PD-1抑制T细胞的活化作用和诱导T细胞死亡与PD-L1绑定(或PD-L2),扮演一个重要角色在肿瘤免疫治疗。它表明,肿瘤高危人群的免疫逃逸能力强于低风险组。高危人群更有可能应对anti-CTLA4免疫疗法,名义上的显示值为0.007时,其Bonferroni-corrected值低于在其他情况下(图8(一个))。的数据图8 (b)表明,艾多酷与表达的研究大量高风险组比低风险组。
(一)
(b)
(c)
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(一)
(b)
(c)
(d)
(e)
3.7。和二级结构预测的抗癌药物,免疫疗法(IPS), Ferroptosis潜力指数(FPI)和突变分析
如数据所示8 (c)和8 (e)LINC00460 ( 千卡每摩尔)和miR205HG ( 千卡每摩尔)均显示稳定的二级结构,反映出RNA转录的功能。我们建立了一个预测岭回归模型的药物。的所有12个药物的价值(ABT.263 AMG.706 (motesanib) AP.24534, CCT007093, DMOG,伊马替尼,JNJ.26854165,物抑制剂八世,KIN001.135 (benzimidazole-thiophene腈),lenalidomide, nilotinib, AKT抑制剂八世)。是小于0.05(补充表3)。图8 (d)证明了高危人群的值大于低风险组,说明增强抗肿瘤效果。获得更好的理解的角色ferroptosis-related lncRNAs在胃腺癌,五个lncRNA生物标志物的二级结构是决定使用lnCAR数据库。我们定义一个阵线小于或等于0作为低分组和一个阵线大于0的高分群。删除无意义的样品后,我们包括198胃腺癌样本,把它们分成四组,包括(A)” 高危组(B)” 低风险组(C)” 高风险的“集团和(D)” 低风险”(图组S7A)。kaplan meier分析得出结论,(D)” 低风险的“组有最好的操作系统,和“ 低风险”(B)最糟糕的操作系统。这项研究的结果表明,高FPI分数可以降低胃癌的风险。总共198例胃腺癌进行了研究,其中122 FPI得分大于0(图S7B),76年有一个阵线分数小于0(图S7C)。kaplan meier分析显示,患者FPI得分大于0的存活率更差的高危人群( )。此外,高、低FPI分数评估在MSI(微卫星不稳定性)的背景下分析。数据S7D和S7E说明高危人群,由他们的阵线,更MSI-H患病率(17%)高于低风险组(15%)。FPI肿瘤组织有明显大于正常组织( ),如图S7F。为了探索在STAD ferroptosis-related基因的突变,突变的全景STAD高危组和低风险组之间的基因进行了分析(数据9(一个)和9 (b))。TTN, TP53 MUC16、SYNE1 LRP1B高度突变被发现在高风险和低风险组。ferroptosis-related基因的突变率最高在胃腺癌样本CDKN2A(图9 (c))。结果表明,CDKN2A和LINC0046(有显著相关性 , )。的 经常发生在单核苷酸变异(SNV)(数据9 (d)和9 (e))。之间的皮尔逊分析CDKN2A和五个ferroptosis-related lncRNA生物标记(图9 (f))。RTK-RAS、河马和TP53的路径是容易STAD基因突变(图S8A)。erb-b2受体酪氨酸激酶4 (ERBB4)显示高RTK-RAS通路(图中的突变状态S8B)。值得注意的是,CUL3是最高度突变基因在NRF2通路(图S8C)。突变率的丝氨酸/苏氨酸激酶(ATM)更高的TP53通路(图S8D)。NOTCH通路,突变率contactin 6 (CNTN6)是最高的(图S8E),在PI13K通路,PIK3CA是最高度突变基因。(图S8F)。河马通路,脂肪非典型钙粘着蛋白3 (FAT3)和非典型的钙粘着蛋白4 (FAT4)显示高变异率(图S8G)。有趣的是,最高的突变基因细胞周期通路CDKN2A,这是符合我们之前的研究结论(图S8H)。ACVR2A和APC被观察到的高突变率及和WNT通路,分别如图S8I-J。
(一)
(b)
(c)
(d)
(e)
(f)
4所示。讨论
iron-dependent细胞死亡的小说形态表现为脂质过氧化物的积累和活性氧,ferroptosis对癌症的治疗提供了一个创新的观点,并提供发展新的治疗策略的可能性胃腺癌(8,9]。增加ferroptosis已被证明有助于抗癌免疫疗法的有效性,根据最近的一项研究[39),这意味着一个强大的ferroptosis和免疫疗法之间的联系。尽管缺乏研究的角色ferroptosis-related lncRNAs在胃腺癌,尤其是连接机制的免疫微环境,我们的研究旨在解决这一问题。我们进行了一次彻底的调查ferroptosis-related lncRNAs在胃腺癌,其中包括评估免疫治疗反应,免疫渗透,IPS分数,预测体细胞突变,肿瘤免疫微环境,分析和评估肿瘤药物敏感性,以及二级结构的稳定性分析的lncRNAs RNA转录。
在这项研究中,我们进行了全面的分析,TCGA的数据库来识别ferroptosis-related lncRNAs和评估潜在的预测价值。18 mrna和263 lncRNAs微分分析后,发现差异表达胃腺癌和正常组织之间的关系。随后,一个单变量Cox回归分析是用来确认lncRNA签名与预后有关。通过多变量Cox回归分析,我们发现5 lncRNAs (LINC00460、miR205HG AC103563.8, rp11 - 186 f10.2和rp11 - 1143 g9.5)与总生存期和利用它们来建立一个风险模型。在以下的分析中,kaplan meier的结果分析表明,高表达的LINC00460 miR205HG, AC103563,和rp11 - 186 f10.2在胃腺癌组织与不良预后密切相关,而反过来,rp11 - 1143 g9.5高表达是一个良好的预后密切相关。此外,我们发现,患者的存活率低风险组显著改善,表明低风险评分是更长时间的生存密切相关。此外,中华民国图显示,高TCGA AUC值在训练集,TCGA培训测试集,TCGA和整个设置为3,5,7年都大于6.5,说明我们的模型的预测性能好。我们也评估的临床特点ferroptosis-related lncRNAs TCGA胃腺癌患者在训练集和测试集。
去的结果分析表明紧张关系的主要分子功能ferroptosis规定,如过氧化物代谢过程和铁离子绑定。pathways-ferroptosis KEGG路径分析显示四个重要,花生四烯酸代谢,羟色胺突触和精氨酸生物合成。评估ferroptosis相关基因的相关性,我们合并字符串在线数据库和Cytoscape软件创建一个PPI网络包括18节点和11边缘。十大最重要的枢纽Cytoscape插件CytoHubba基因被确定,包括铝青铜,CDKN2A, NOS2, GDF15, NOX1, HBA1, ALOX12, ALOX15 AURKA, CP, CDKN2A基因显示网络中一个重要的位置。我们也总结了遗传畸变,包括体细胞突变的发生率和拷贝数变异(CNVs) 18 ferroptosis监管者在胃腺癌。我们发现CDKN2A表现出突变频率最高,这可能提高我们理解遗传异质性的GC。在单核苷酸的变化中, 是最常见的。细胞周期是CDKN2A基因突变的影响。CDKN2A之前被证明小说ferroptosis司机(40)和编码ARF(替代阅读框)蛋白质41]。之前它已经表明,细胞周期蛋白依赖性激酶抑制剂2 (CDKN2A / ARF)导致癌细胞敏感ferroptosis通过抑制NRF2及其转录的能力目标SLC7A11 [42)通过路径依赖或独立于p53肿瘤抑制基因在癌细胞43,44]。因此,我们研究了CDKN2A之间的相关性,五个lncRNAs和整体生存(LINC00460、miR205HG AC103563.8, rp11 - 186 f10.2和rp11 - 1143 g9.5)。数据分析显示大量相关性LINC00460 CDKN2A,暗示这两个元素可能与胃腺癌患者的生存及预后。
LINC00460小说lncRNA 935核苷酸13 q33.2位于染色体。越来越多的研究表明lncRNA LINC00460有致癌作用在许多恶性肿瘤的发展。已经证实,LINC00460充当一个致癌基因调节前列腺癌进展通过促进细胞增殖和细胞凋亡的减少45]。王等人证明LINC00460能促进增殖和抑制非小细胞肺癌细胞凋亡的通过瞄准mir - 539 (46]。骗取mir - 4443, LINC00460促进细胞进展在头颈部鳞状细胞癌(47]。通过竞争性绑定mir - 489 - 5 - p提升FGF7表达和增强下游AKT信号,LINC00460促进乳腺癌的进展(48]。LINC00460也可以作为分子海绵吸附mir - 1224 - 5 - p,从而促进食管癌(光电子能谱)转移和发展49]。元的差别等人报道,对这些LINC00460抑制结直肠癌转移通过WWC2 [50]。也称为LINC00510 miR205HG,小说lncRNA q32.2 4173 bp位于染色体位置1。根据许多研究,miR205HG肯定是在癌症的发展过程中重要的致癌作用。已经表明,lncRNA miR205HG驱动器食管鳞状细胞癌的进步通过mir - 214 / SOX4轴。(51]。刘等人得出的结论是,miR205HG加速肺鳞状细胞癌的细胞增殖和进展通过针对mir - 299 - 3 - p (52]。miR205HG也作为一个竞争内源性RNA(龙头)加速肿瘤的生长和发展通过骗取mir - 122 - e5p宫颈癌(53]。的结果表明,表达lncRNA LINC00460更高的肿瘤,和减少LINC00460表达式有一个延长存活时间。相比lncRNA LINC00460,的表达lncRNA miR205HG肿瘤样本中在胃部正常组织,和减少miR205HG预后差。此外,强大的关联lncRNA LINC00460与CDKN2A ferroptosis司机建议通过CDKN2A LINC00460影响患者生存的潜力。
人们普遍认为epithelial-mesenchymal过渡是一个基本机制的发展肿瘤细胞浸润和转移(54]。lncRNAs可以用来预测临床课程,攻击性,入侵和转移潜能的GC,除了提供一个模型为研究方法来抑制或逆转转移潜能。lncRNAs可以被认为是至关重要的元素的表观遗传调控基因表达在肿瘤发生和致癌作用,及其对EMT的影响可以通过直接调节波形蛋白和钙粘蛋白功能或控制这些基因的转录通过各种因素(55]。进一步探索不同的生物本性ferroptosis亚型,我们进行了一组基因变异分析(GSVA)浓缩。结果表明,四个ferroptosis集群在途径丰富相关免疫(同种异体移植物排斥反应),激活癌症相关通路(p53通路,e2f目标,和过氧物酶体),细胞代谢(糖酵解),扩散和精子发生,这表明一个重要的角色在肿瘤进展和肿瘤微环境紧密关联。评估免疫细胞浸润是使用七个不同的算法进行的,它是确定T细胞和巨噬细胞明显渗透到胃微环境。前小鼠模型胃炎和GC透露,一个显著的数量巨噬细胞迁移的GC微环境,影响血管生成和肿瘤免疫(56- - - - - -61年]。肿瘤浸润淋巴细胞(尖)组成的T细胞、自然杀伤(NK)细胞,B细胞,T-cell-mediated适应性免疫通常被认为是宿主抗肿瘤免疫反应的表现。upregulation PD-L1或CTLA-4表达式可以调解的肿瘤细胞逃避宿主的免疫反应,导致免疫抑制状态,抑制抗肿瘤免疫反应在某些肿瘤微环境(62年]。因此,IPS和基因表达分析的免疫检查站也执行。我们研究了PD-1的表达水平(PDCD1) PD-L1, CTLA4(细胞毒性t淋巴球相关蛋白4)在肿瘤和正常组织。PD-1的表达、PD-L1 CTLA4在胃腺癌都是高于正常组,三种常见的表达水平明显调节免疫检查站在高危人群。此外,高危人群更有可能应对anti-CTLA4免疫疗法( )。有趣的是,在我们的免疫治疗分析,低风险组实现更高CTLA4-negative / PD-1-negative CTLA4-negative / PD-1-positive和CTLA4-positive / PD-1-positive分数,这表明一个低风险的患者得分更适合免疫疗法。可能是高危患者有一个非常严重的胃腺癌或lncRNAs高度表达,减少免疫疗法的有效性。探索免疫治疗反应,潮流算法用于识别显著差异在免疫治疗反应之间的高收入和低风险组(低风险组中更好的反应)。潮水得分将帮助我们更好的选择更适合的病人免疫抑制疗法检查站,并将感兴趣的测试得分潮的临床疗效检查点免疫抑制治疗决策的前瞻性临床试验。此外,据lncRNA 12 antigastric腺癌药物筛选信号与铁下降:ABT.263, AMG.706 (Motesanib) AP.24534, CCT007093, DMOG,伊马替尼,JNJ.26854165,物抑制剂八世,KIN001.135 (benzimidazole-thiophene腈),lenalidomide, nilotinib和AKT抑制剂八世。上述药物都有不同程度的抗肿瘤作用和重要的临床意义63年- - - - - -73年]。
总之,我们的研究发现五ferroptosis-related lncRNAs (LINC00460、mirR205HG AC103563.8, RP11 - 186 f10.2和RP11−1143 g9.5)参与胃腺癌中很有价值的预测系统在胃腺癌患者。发现五ferroptosis-related lncRNAs可以作为重要的预后标志物预测胃腺癌患者的长期生存和调节胃恶性腺瘤细胞的增殖和迁移,ferroptosis的发展。此外,我们评估的临床体征阵线(三甲,潮流和完成了彻底检查免疫疗法和药物的预测。已经指出,免疫疗法,特别是anti-CTLA4免疫疗法和12 antigastric腺癌药物,导致了更高的存活率胃腺癌患者。因此,lncRNAs (LINC00460 miR205HG、AC103563.8 RP11 - 186 f10.2和RP11−1143 g9.5)可以作为潜在的生物标记物在胃腺癌的预后价值。这项研究有一定的局限性,如使用公共数据库的挖掘和分析。提高我们的研究结果的可靠性和消除选择性偏差,需要更多的人口和多中心临床试验。为了了解的潜在功能五ferroptosis-related lncRNAs在胃癌,因为所有的机械我们工作研究是描述性的,进一步的实验是必要的。
数据可用性
最初的贡献提出了研究中都包含在这篇文章/补充材料。进一步询问可以针对相应的作者。
的利益冲突
作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。
作者的贡献
L.X.罗的构思和设计研究,回顾了纸,并提供意见。L.X.罗,吴轮、郑屈服应力和X.S.黄进行数据挖掘和分析和写的手稿。所有作者的文章和批准提交的版本。侑士和郑姗姗吴贡献同样这项工作。
确认
这个项目是由广东省科技计划(没有。2023 a1515010850);基金2020年广东医科大学博士学位的研究人员(没有。GDMU2020018);广东省医学科学研究基金会(没有。A2020633);中国广东省医学科学研究基金会(A2021243)。我们感谢南中国海的公共服务平台研发海洋生物医学资源的支持。
补充材料
请参见补充材料部分作者的详细指南接受的不同的文件类型。(补充材料)