Prognostic implications of autophagy-associated gene signatures in non-small cell lung cancer 自噬相关基因在非小细胞肺癌中的预后意义 一、研究背景肺癌是世界目前最普遍的癌症,其中85%为非小细胞肺癌。2012年统计的数据显示,每年全球有大约160万患者死于肺癌,约占癌症总致死数的19%,包括晚期诊断、耐药性、高复发率等多个因素导致了肺癌的不良预后。迄今为止,预后预测仍主要依靠组织病理学诊断和肿瘤分期系统。然而,这种传统方法不足以精确评估NSCLC患者的预后。因此,发现可靠的预后生物标志物显得十分重要。 自噬是通过降解聚集的蛋白质和受损的细胞器分解代谢细胞的生物学过程,是癌变过程中的双刃剑。在这篇文章中,作者通过筛选NSCLC中的自噬相关基因构建风险模型,结合临床病例特征构建列线图,评估了预后价值。 二、分析流程三、结果解读1、非小细胞肺癌预后生物标志物的构建
图2:不同基因的LASSO Cox回归系数
图3:上图和下图分别代表LUAD和LUSC中筛选基因的遗传改变
图4A-B:自噬相关基因表达谱的热图(A为LUAD,B为LUSC) 图4C-D:风险评分的分布以及患者的生存时间 图4E-F:单因素Cox回归分析的森林图可视化结果
图5A-D:多因素Cox回归分析与Kaplan-Meier分析(左为LUAD) 图5E-H:ROC曲线分析(同理,左图为LUAD组) 2、识别涉及的信号通路为了得到与22个自噬相关基因相关的潜在信号通路,作者将它们用作baits,得到LUAD中的50个变化最频繁的邻居基因。
图6:GO分析和KEGG分析的结果 GSEA分析表明,改变的基因在几种常见通路中富集。(图7)作者发现发现高风险组富集于细胞周期、p53信号通路、DNA复制、泛素介导的蛋白水解;低风险组富集于mTOR,VEGF和胰岛素信号通路。 图7:GSEA分析高危人群和低危人群之间差异表达的基因 3、在独立的肺癌队列中验证预后基因标志物为了验证基因对预测预后情况的价值,作者从GEO数据库获取了不同的肺癌队列。在每个队列中,根据计算出的风险评分将患者分为低风险组和高风险组,并比较两组的OS。结果表明,22个自噬相关基因具有较高的预测价值。(图8为在 Okayama 和 Rousseaux cohorts队列中验证的情况) 图8 4、构建个性化的预后预测模型作者结合22个自噬基因特征,年龄,性别,T,N,M和TNM阶段,构建了列线图来预测3年和5年OS的可能性。如图9A所示,为每个因素分配的分数与其对生存的风险贡献成正比。校准曲线表明,实际和预测的存活率非常匹配(图9B和9C),尤其是5年存活率。列线图已在GSE30219肺癌队列中得到验证,并且3年和5年校准曲线分别显示在图9D和图9E中。 图9A:构建的列线图 图9B-E:校准曲线对预测结果进行验证 小结 这篇文章中,作者从TCGA和GEO数据库中获取数据集,通过单因素Cox分析筛选出LUAD和LUSC中的自噬相关基因,借助于LASSO分析建立最佳风险模型。随后作者在几个独立的GEO肺癌人群中进行验证,根据中位风险评分将患者分为高风险组和低风险组,进行生存分析以评估风险评分的预后价值。作者还探索了高危和低危人群之间关键信号通路的差异。最后,作者构建了列线图,通过整合临床特征和预后基因特征来预测个体的存活概率。 |
|