 导语 今天给同学们分享一篇关于自噬基因预后模型的开发和验证的生信文章“Development and Validation of a Prognostic Index Based on Genes Participating in Autophagy in Patients With Lung Adenocarcinoma”这篇文章于2022年6月25日发表在Front Oncol杂志上，IF=6.24。这项研究旨在通过发现与LUAD患者预后相关的自噬表达的基因，形成LUAD(肺腺癌)预后预测的预后模型，通过更好地了解参与自噬的基因及其相关靶点的侵袭，将促进创新的LUAD治疗靶点和药理学方法的开发。  图1 基于参与自噬的基因整合策略的框架 1. 参与自噬的差异表达基因（DEG） 作者发现了25个与自噬相关的DEG（17个上调，8个下调）（图2A）。为了进一步检查这些参与自噬的基因的相互作用，进行了蛋白质互质网络(PPI)生信分析，结果如图2B所示。通过将所需的最低相互作用值设为0.4，发现ATG14、ATG101、AMBRA1、WIPI1、ATG10、ULK1、ATG7、ATG16L1、ULK2、ATG12和ATG13是中心基因。这些基因包含在正常和肿瘤组织中检测到的所有DEG，可能被发现是独立的LUAD预后指标。相关网络，包括参与自噬的所有基因，如图2C所示。据观察，截断和错义突变是两种最普遍的突变类型（图3）。共有九个基因显示出3%的突变率，其中WIPI2是最常变化的。  图2 25个参与自噬的基因的表达及其相互作用  图3 参与自噬的基因突变 2. 基于差异表达基因的肿瘤分类 为了研究ATG基因表达和LUAD亚型之间的联系，在TCGA数据集中对所有535名LUAD患者进行了共识聚类生信分析。发现当聚类因素（k）设置为2时，组内相关性最高，组间相关性最低，表明535名LUAD患者可以根据参与自噬的基因分为两组（图4A)。使用热图显示基因表达谱和临床特征（图4B）。进行了一项生存研究，以检查利用PRG亚型参与自噬的基因的预测价值，簇1具有更高的生存率（P<0.001），如图4C所示。  图4 基于参与自噬DEG的肿瘤分类 3. 癌症基因组图谱队列中预后模型的开发 在这里，在整个单因素Cox调查中确定了22个参与自噬的主要基因。这些参与自噬的基因被发现是独立的LUAD预后标志物（GJB3、KRT6A、IRX5、RGS20、ARNTL2、CERS4、SLC2A1、KYNU、IGFBP1、RHOF、CMAHP、DKK1、FOSL1、PKP2、PLEK2、GAPDH、VEGFC、LYPD3、FLNC、TNS4、NTSR1、PLEKHB1）（图5A）。使用LASSOCox回归生信分析和最佳值（图5B、C）创建基因特征。采用风险生存率图，倾向于发现患者的风险评分与LUAD患者的生存率呈负相关。高风险PRG特征的存在与生存机会降低有关（图5E）。对于1年、2年和3年生存率，独特NRG特征的AUC预测值分别为0.730、0.689和0.606（图5F）。PCA和t-SNE结果显示风险不同的患者分为两组（图5G、H）。  图5 在TCGA队列中构建风险特征 4. 风险特征的外部验证 来自GEO队列的462名LUAD患者被纳入验证组。人们倾向于发现患者的风险评分与LUAD患者的生存率呈负相关。令人惊讶的是，与TCGA的发现相似，本研究期间发现的大部分参与自噬的新基因与该风险模型呈负相关（图6A）。高风险PRG特征与较低的生存概率相结合（图6B）。参与自噬特征的独特基因对1年、2年和3年存活率的AUC预测值分别为0.708、0.664和0.619（图6C）。PCA和t-SNE的结果发现，具有不同风险的患者很好地分为两组（图6D、E）。  图6 GEO队列中预后模型的验证 5. 风险模型的独立预测价值 在TCGA队列中，Cox生信分析表明，参与自噬特征的基因是LUAD患者OS的主要独立预测因素（图7A，B）。在GEO队列中，Cox生信分析表明参与自噬特征的基因、年龄和性别主要是独立的预测因素（图7C、D）。此外，对于TCGA队列，构建了临床特征热图（图7E）。  图7 单因素和多因素Cox回归生信分析 6. 参与自噬的基因富集分析 在TCGA队列中，两组之间发现了25个DEG。GO富集生信分析揭示了91个核心目标，包括BP、MF和CC。MF主要涉及磷脂结合(GO:0005543)、磷脂酰肌醇结合(GO:0035091)和蛋白丝氨酸激酶活性(GO:0106310)。CC主要涉及液泡膜(GO:0005774)、内吞囊泡(GO:0030139)和膜的外在成分(GO:0019898)。BP主要涉及对细胞外刺激的反应(GO:0009991)、细胞生长(GO:0016049)和对营养水平的反应(GO:0031667)。此外，通过KEGG富集生信分析鉴定了主要的信号通路，揭示过表达基因主要参与神经退行性疾病-多疾病（hsa05022）、肌萎缩侧索硬化（hsa05014）、自噬-其他（hsa04136）和自噬-动物（hsa04140）（图8）。  图8 GO和KEGG生信分析参与自噬的基因 7. 基因集富集分析 根据GSEA，参与自噬预后模型的大多数基因调节免疫和肿瘤相关通路，如糖胺聚糖生物合成硫酸软骨素、细胞外基质(ECM)受体相互作用、同种异体移植物排斥、Hedgehog(Hh)信号通路和Notch信号通路。图9显示了每个集群的前6个丰富功能或途径。“Hedgehog信号通路”最为丰富，部分基因与H或L呈正相关。  图9 参与自噬的基因的基因集富集生信分析 8. 亚组间免疫活性比较 作者评估了两个队列（ssGSEA）中低风险组和高风险组的16种免疫细胞的富集分数和13种免疫相关功能的活性。aDC、iDC、中性粒细胞、pDC和Tfh在高风险亚组中的浸润率更高（图10A）。APC共刺激、CCR、HLA、炎症促进、MHCI类、副炎症、I型IFN反应和II型IFN反应通常在高风险组中更显着（图10B）。当检查GEO队列的免疫状态时，也得到了类似的发现（图10C、D）。  图10 ssGSEA分数的比较 9. 参与自噬的基因与免疫检查点和m6a的相关性分析 鉴于基于检查点抑制剂的免疫疗法的重要性，考虑了两组之间的免疫检查点表达是否有任何变化。TNFSF9、IDO2、CD274、TNFSF15、CD40LG、CD276和其他基因的表达在两个患者组之间存在显着差异（图11A）。当检查PRG表达时，m6a与参与自噬的基因YTHDF2、METTL3、YTHDC1、YTHDC2、HNRNPC、METTL14、ALKBH5、FTO和YTHDF1的关系在高风险组中显着更显着（图11B）。 图11 参与自噬的基因与免疫检查点和m6a的相关性生信分析 总结 总之，作为自噬调节的一部分，在LUAD患者中发现了12个参与自噬的预期基因。它为LUAD提供了高度的可预测性。这些发现有助于更好地理解免疫学、m6a和自噬之间的联系，可能为新的治疗靶点和预后指标铺平道路。希望这些发现将有助于发现参与自噬促进LUAD生长的基因，使作者能够进一步了解它们在发育和进展中的潜在作用。 |
|
|
