|
影响因子：7.6 本文属于单肿瘤分型思路，类似的分型文章我们也解读过很多。 最新6.6分肿瘤分型纯生信，经典的思路得到不错的结果，不到两个月接收 可重复！ 最新7.2分SCI，又见“免疫”分型，从投稿到接收不到一个月！ 最新10分生信分析，快来看看焦亡分型如何发经典老牌1区杂志，投稿到接收仅3个月。可重复！ 肿瘤分型文章比较重要的结论就是分型后构建的评分能够预测免疫治疗或者其他治疗的疗效。可以用于分型的基因集很多，比如焦亡，铁死亡，自噬，铜死亡，m7G，细胞衰老等等。 如果想做类似的分析，可以添加微信联系小编咨询。 生信分析咨询 请扫描下方二维码 流程图
研究结果 一、拷贝数变异和序列突变导致癌症中m7G失调 1、研究m7G调节因子在泛癌中的mRNA表达，并确定其转录水平与患者预后之间的关联。 2、通过拷贝数变异（CNV）探索m7G相关基因发生变化的原因，结果显示CNV和mRNA表达之间存在明显正相关（图A）。 3、其中METTL1、NCBP2和NSUN2经常杂合扩增，但NUDT10和EIF4E3主要是杂合缺失（图B）。图C则显示染色体上m7G调节剂CNV改变的位置。 4、在ccRCC中，作者观察到EIF4E1B、LARP1、GEMIN5和DCP2的CNV增加，而EIF4E2和EIF4G3的CNV缺失（图D）。 5、分析m7G基因的突变状态，发现它们在包括UCEC、SKCM、COAD、STAD、LUAD、LUSC和BLCA在内的多种肿瘤中经常发生突变（图E）。
二、ccRCC中m7G亚型的鉴定 1、根据m7G调节剂水平，作者使用无监督聚类方法将TCGA-ccRCC样本分组为3个不同的亚型，即m7G相关癌症亚型1(MGCS1)、m7G相关癌症亚型2(MGCS2)和m7G相关癌症亚型3(MGCS3)（图A-D）。 2、通过比较3种主要m7G修饰亚型的临床病理学特征和临床结果评估这种分型方法的临床意义（图E、F）。结果显示，与其他2个亚组相比，MGCS3患者的生存优势更为突出。此外，作者还发现大多数m7G相关基因在MGCS2中显著下调（图G）。
三、3组亚型的功能富集分析 1、在MGCS1中观察到代谢状态受到抑制，而在MGCS2中则处于代谢活跃状态（图A）。 2、MGCS2富集在乏氧相关生物学途径中。此外，m6A修饰在MGCS2中明显受到抑制，表明m7G和m6A之间存在潜在联系（图B）。 3、从肾癌相关转录因子列表中分析m7G亚型特异性转录因子的调节子，结果显示，调节子活性与m7G亚型密切相关（图C）。其中ZEB2在MGCS2中表现出最低的活性，表明该亚型受到EMT抑制。
四、3个亚型之间特异性免疫浸润的比较 1、使用GSVA分析比较3个亚型免疫相关过程的富集评分，其中MGCS2中趋化因子、趋化因子受体、免疫抑制剂和免疫刺激剂出现下调趋势。随后，作者分析了3个亚型m7G修饰模式中TME浸润细胞类型的组成。结果表明，与MGCS1和MGCS3相比，MGCS2免疫细胞浸润减少（图A）。 2、抗癌免疫反应研究结果显示，MGCS2中癌细胞抗原释放、癌症抗原提呈、CD4 T细胞、CD8 T细胞和Th1细胞募集减少（图B）。此外，MGCS2中的基质评分和ESTI-MATE评分显著降低。这些结果表明，不同的免疫模式与m7G修饰相关。
五、3个亚型肿瘤体细胞突变和CNV特征 1、分析3个亚型体细胞突变差异的分布情况。结果显示，MGCS3亚型的突变频率低于MGCS1和MGCS2（图A-C）。 2、根据突变数据研究药物相互作用的潜在治疗目标。结果显示，3种不同m7G修饰模式的可成药基因分别分为14、19和17类，包括临床可操作、可成药基因组、肿瘤抑制基因、组蛋白修饰等（图D-F）。 3、评估3个亚型肿瘤通路的体细胞改变情况，包括RTK-RAS、Hippo、WNT、PI3K、NOTCH、MYC、NRF2、TP53、TGF-Beta和Cell_Cycle。结果显示，NRF2和PI3K是MGCS1中受影响最大的致癌通路；TGF-β和PI3K是MGCS2中受影响最大的致癌通路；TP53和NRF2是MGCS3中受影响最大的致癌通路（图G-I）。
六、不同m7G亚型的药物敏感性概况 1、药物敏感性分析发现，大多数药物在MGCS2中表现较差。同时，帕唑帕尼、伊马替尼、阿西替尼和替西罗莫司对MGCS1的效果优于其他亚型，而舒尼替尼和克唑替尼在MGCS3中的效果更好（图A）。 2、进一步确定了138种可用于ccRCC治疗的小分子药物。其中MGCS1对Embelin、IPA.3、BAY.61.3606、长春瑞滨、ATRA和QS11敏感；MGCS2对拉帕替尼和GNF.2反应较好；MGCS3对紫草素敏感（图B）。 3、使用CellMiner数据库评估m7G调节剂表达与药物敏感性之间的关联。结果显示，CYFIP1表达与苯达莫司汀、XK-469、依托泊苷、替尼泊苷、伐柔比星、表柔比星和伊美克松的IC50呈负相关，这表明这些药物对CYFIP1高表达患者有用。
七、m7G相关基因风险模型的构建和验证 1、利用基于m7G亚型的特征基因构建风险模型，单变量Cox回归分析发现对OS有影响的基因（图A）。 2、使用随机森林监督分类算法进一步筛选出10个基因（图B），使用Kaplan-Meier分析筛选出5个基因（PDIA2、OR4C6、SFRP5、BARX1和GJB6）组成的风险特征（图C）。 3、构建评分工具（m7Sig），计算每位患者的m7Sig风险评分（图D）。结果表明，高风险组患者的预后明显低于低风险组（图E，F）。ROC曲线下面积用于测量m7Sig评分模型的特异性和敏感性（图G）。这些结果表明m7Sig评分可用于评估ccRCC患者的预后。
七、EIF4A1在ccRCC中上调 1、鉴于EIF4A1在ccRCC进展中的重要作用，作者比较了EIF4A1在肿瘤和配对相邻组织中的表达，结果显示EIF4A1在ccRCC中的表达显著增加（图A）。 2、在ccRCC中，EIF4A1水平与临床病理特征相关（图B）。UALCAN结果表明，EIF4A1蛋白水平在ccRCC中上调（图C），同时与癌症分期和肿瘤分级呈显著正相关（图D，E）。 3、为了进一步验证上述结果，作者利用RT-qPCR和IHC染色分析了ccRCC和配对相邻正常肾组织中EIF4A1的表达差异。结果显示，与正常肾组织相比，ccRCC中EIF4A1的水平显著升高（图F，G）。同时，EIF4A1表达随着肿瘤阶段的进展而增加（图H，I）。
|
|
|
