|
导语 今天和大家分享的是2021年1月份发表在Molecular Therapy：Nucleic Acid杂志(IF=7.032)的一篇文章“Immune-related genes with APA in microenvironment indicate risk stratification and clinical prognosis in grade II/III gliomas ”。文章使用微环境中发生APA（替代性聚腺苷酸化）事件的IRGs构建风险特征并预测LGG的预后，证明风险特征的风险分层可以预测放疗的疗效，并为Ⅲ级胶质瘤患者的治疗提供参考。 Immune-related genes with APA in microenvironment indicate risk stratification and clinical prognosis in grade II/III gliomas 微环境中发生选择性多聚腺苷酸化的免疫相关基因预测Ⅱ级和Ⅲ级胶质瘤的风险分层和临床预后 一、研究背景 神经胶质瘤是中枢神经系统中最常见的原发肿瘤。根据世界卫生组织（WHO）的分类，I级和II级神经胶质瘤定义为低级神经胶质瘤，而III级和IV级神经胶质瘤定义为高级别神经胶质瘤。II级和III级神经胶质瘤定义为低级神经胶质瘤（LGG）。目前，LGG的治疗涉及最大程度的手术切除，放疗和化疗，已经取得很大进展。但肿瘤复发和耐药性仍然难以避免的。因此迫切需要鉴定新的生物标记物，以解释说明LGG的病理机制，并制定治疗LGG的治疗策略。替代性聚腺苷酸化（APA）是信使RNA（mRNA）成熟的重要步骤。APA在70％以上的人类基因中存在，并且涉及各种生物学过程，例如细胞分化和增殖以及免疫反应。一项大规模分析表明，APA事件与癌症细胞通路和调节特定基因的表达有关，为癌症发展的病理机制提供了新的见解。但是，尚未完全阐明APA在LGG中的作用。 二、研究思路 三、结果解读 1 TME与LGG功能和预后相关 作者分别从TCGA和CGGA数据库中提取了522和623名II级和III级神经胶质瘤患者。表1总结了入选患者的特征。  表1. TCGA和CGGA数据集的特征 用ESTIMATE分析来计算基质得分，免疫得分和ESTIMATE得分。在TCGA数据集中，基质得分在-1,860.14和1,481.33之间分布，免疫得分在-1,596.3和2,575.51之间，而在CGGA数据集中基质得分在-2331.71至985.31之间，免疫得分在-1,720.44至1,987.18之间。然后，根据基质和免疫评分将LGG患者分为高评分和低评分，以平均分作为临界值。与II级神经胶质瘤相比，III级神经胶质瘤的基质和免疫评分明显更高。此外，与IDH突变型神经胶质瘤相比，IDH野生型神经胶质瘤的基质和免疫评分明显更高。Kaplan-Meier分析显示，高基质和免疫评分与LGG患者的不良预后相关。这些结果表明，TME与LGG的特征和预后相关。  图1基质和免疫评分与LGG临床特征和预后的关系 2 免疫组和基质组中差异表达基因的分析 紧接着进行差异表达分析以鉴定高分组和低分组之间的差异表达基因。在TCGA数据集中，在基质组中鉴定出419个上调基因和168个下调基因，而在免疫组中鉴定出419个上调基因和243个下调基因。在CGGA数据集中，在基质组中鉴定出409个上调基因和78个下调基因，而在免疫组中鉴定出440个上调基因和120个下调基因，在热图显示了TCGA和CGGA数据集中高免疫/低免疫/基质组之间差异表达基因的表达模式。  图2.基质和免疫组中差异表达的基因 3 IRGs的鉴定和富集分析 在TCGA和CGGA数据集中发现了免疫组和基质组中上调或下调的重叠基因。总共240个上调基因和43个下调基因被鉴定为IRG。热图显示了TCGA和CGGA数据集中IRG的表达方式。富集分析表明，IRG在白细胞激活，主要组织相容性复合体（MHC），免疫球蛋白结合以及抗原加工和呈递方面富集。这些结果表明，鉴定出的IRG与免疫过程有关。  图3免疫相关基因的鉴定和富集分析 4 LGG中与预后相关IRGs 作者进行了单变量Cox分析以评估已鉴定IRG的预后价值。在283个IRG中，有268个基因对TCGA数据集中的LGG患者的预后有重要影响，在CGGA数据集中有278个基因。然后选择265个重叠基因进行进一步研究。随机选择8个基因（CD74，EMP1，CRTAC1，PCSK2，PGAM2，S100A10，PLEKHA4和VCAM1）与患者LGG的整体生存率显著相关联。进行了LASSO分析，以筛选候选IRG进行进一步分析，并选择了具有最小λ值的37个IRGs。  图4 TCGA和CGGA数据集中随机选择的免疫相关基因的K-M分析 5 IRGs的APA事件与LGG预后相关 为探讨APA事件在LGG预后中的作用，作者从The Cancer 3′UTR Atlas（TC3A）数据库中提取了APA事件数据。APA事件的发生频率由远端聚腺苷酸化位点使用指数（PDUI）的百分比表示，该指数基于Xia等人开发的DaPars算法。PDUI值表示APA事件的频率，范围为0-1。PDUI越大，转录物的远端聚腺苷酸化位点就越多，反之亦然。作者在37个候选IRG中，选择了21个发生APA事件的IRG，其PDUI值由热图显示。  图5 LGG中其他聚腺苷酸化的研究 然后根据每个样本的PDUI值的距离确定了三个聚类。Kaplan-Meier分析显示，三个组的患者生存率存在显着差异。此外，PDUI值与基因表达呈负相关。然后进行了多元Cox分析，确定了LGG患者的14个独立的预后IRG。作者计算每个IRG的Vif，选择Vif <4.0的7个基因构建风险特征。富集分析表明，七个IRG与ATRX，TP53和IDH1突变的共现显着相关。与有轮换的患者相比，在七个IRG中无轮换的病例的无病生存期明显更好，而总生存期未发现差异。此外，在七个IRG中，三个IRG（CRTAC1，EMP1和PLEKHA4）的PDUI值与LGG患者的总体生存率和无病生存率显着相关，其中CRTAC1的PDUI较高而较低。的PDUI EMP1和PLEKHA4指示的相对有利的预后。这些结果表明，APA事件与LGG患者的预后有关。  图6. LGG中PDUI值的生存分析 6 基于IRGs构建与验证风险特征 为了进一步探讨IRA与APA事件在LGG患者中的作用，选择了七个IRGs使用多元Cox分析方法构建了风险特征。根据算法:风险评分=0.301*PCSK2-0.312*CRTAC1+0.362*PLEKHA4+0.244*VCAM1+0.320*EMP1-0.268*S100A10-0.178*PGAM2。与低风险组相比，高风险组的死亡患者比例更高。在七个IRGs，PCSK2，PLEKHA4，VCAM1和EMP1被称为风险基因，而CRTAC1，S100A10和PGAM2被称为保护性基因。风险基因的表达，例如高危组中的EMP1和PLEKHA4高于低危组，而保护性基因（如CRTAC1和PGAM2）在低危组中明显高于高危组。多元Cox分析显示，危险评分，神经胶质瘤等级和IDH状态是LGG患者的独立危险因素。  表2 .TCGA和CGGA数据集中的风险评分和临床特征的多元分析 此外，风险评分在预测LGG患者的生存率方面具有广阔的价值。在TCGA数据集中，一年，三年和5年生存曲线下面积（AUC）分别为0.881、0.766和0.763。对于CGGA数据集，其1年，3年和5年生存率的AUC分别为0.726、0.744和0.764。而且，与II级神经胶质瘤相比，III级神经胶质瘤和IDH野生型神经胶质瘤与IDH突变型神经胶质瘤相比，风险评分显着更高。此外，Kaplan-Meier分析显示，在LGG，II级和III级神经胶质瘤患者中，低危组的预后相对于高危组更高。这些结果表明，构建的风险特征可以预测LGG患者的风险分层和预后。  图7.基于免疫相关基因表达的风险特征的构建和验证 7 风险特征与LGG的TME相关 为了进一步研究LGG的风险特征与TME之间的关系，探讨了风险评分与ESTIMATE评分，免疫检查点，炎性细胞因子和免疫浸润之间的相关性。结果表明，风险评分与基质评分，免疫评分和ESTIMATE评分显着正相关，而与肿瘤纯度则呈负相关，这表明免疫浸润度很高。此外，风险评分与免疫检查点和炎性细胞因子的表达呈正相关。此外，高风险组的浸润免疫细胞丰度更高，风险评分与树突状细胞的浸润尤其相关。多变量Cox分析显示，危险评分和中性粒细胞是LGG患者的独立预后因素。这些结果表明，风险特征与LGG的TME相关。 图8.LGG风险特征与肿瘤微环境之间的相关性 8 风险分层与放射治疗的效果相关 然后作者探讨了风险分层在预测LGG治疗疗效中的意义。鉴于TCGA数据集中未提供化学疗法信息，于是研究了放疗在不同风险分层中的疗效。在II级神经胶质瘤患者中，低危和高危组的患者没有明显受益于放疗。同样，对于III级神经胶质瘤低危组的患者，放疗也未显示出明显的疗效。但是，放疗可以显着延长高危组III级神经胶质瘤患者的总体生存期。这些结果表明，基于风险特征的风险分层可以预测Ⅲ级神经胶质瘤治疗中的放疗疗效。 图9风险分层与放疗效果的相关性 四、小结 文章中作者使用ESTIMATE算法来计算基质和免疫评分确定预后IRG，研究其在APA事件的RNA表达和临床预后中的作用。根据有APA事件的IRGs的表达构建风险特征得到风险评分的预后以及通过TIMER和单样本基因集富集分析用于评估LGG的免疫浸润情况，最后发现风险分层可以预测放疗的疗效，研究证明微环境中具有APA事件的免疫相关基因可以预测LGG患者的危险分层和临床预后。 |
|
|
