 导语  图1 研究流程图 1.EOC中DE-IRG和IR-IncR的识别 作者在肿瘤和正常组织之间共鉴定了7255个DEG（差异表达基因），包括3790个上调基因和3465个下调基因（图2A和C）。通过将这些DEGs与来自ImmPort的2483个IRGs（免疫相关基因）相交，作者在EOC中发现了339个上调的DE-IRGs（差异表达的IRG）和157个下调的DE-IRGs（图2B和D）。通过共同表达生信分析，作者确定了421个差异表达的IR-lncRs（免疫相关的lncRNA）。  图2 从379例卵巢癌和88例正常卵巢组织中鉴定出DE-IRG 2. 在TCGAEOC队列中构建IR-lncR基因特征 TCGA共纳入了374名具有完整OS信息的EOC患者进行随访研究。为了提高研究的可信度，作者将整个数据集分为训练集和验证集，并将整个数据集定义为组合集。训练集中421个IR-lncR的表达谱用于构建预后模型。对训练集中lncRNAs的表达谱进行单因素Cox回归生信分析，32个IR-lncRs与OS显着相关（P< 0.05）。对这些IR-lncR进行LASSO回归以防止模型过度拟合，并通过1000次交叉验证估计预测准确性（图3A-B）。接下来，作者使用多因素Cox回归生信分析确定了六个关键的IR-lncR（图3C）。这6个IR-lncRs用于预后模型构建，分别是KRT7-AS、USP30-AS1、AC011445.1、AP005205.2、DNM3OS和AC027348.1，并给出了相应的系数。  图3 基于训练集的免疫相关lncRNA预后模型构建 3. 验证用于生存预测的6-lncRNA特征 作者构建并验证了用于生存预测的良好6-lncRNA特征。根据风险评分计算公式和TCGAEOC队列的lncRNA表达谱计算训练集风险评分。然后，使用中位风险评分作为分界点，将患者分为高风险组和低风险组。在训练集中，患者的死亡率随着风险评分的增加而增加（图4A）。低危组生存状况优于高危组，低危组OS显着高于高危组，热图显示6个lncRNA在训练集（图4B）。3年和5年OS的AUC值分别为0.715和0.798（图4C）。为了评估预测模型的准确性，在验证集和组合集中进行了验证。验证集和组合集中的患者还根据训练集的中位风险评分分为低风险组和高风险组。结果显示，验证组和组合组患者的死亡率均随着风险评分的增加而增加（图4D和G）。低风险组的生存状况优于高风险组组中，低风险组的OS高于高风险组，验证集和组合集中6个lncRNA的表达也通过热图显示（图4E和H）.在验证集中，3年和5年OS的AUC值分别为0.675和0.614（图4F）。在组合集中，3年和5年的AUC值和5年OS分别为0.682和0.693（图4I）。  图4 EOC中6-lncRNA特征的生存预测能力验证和风险评分生信分析 4. 预测模型作为独立的预后因素评估 作者将年龄、组织学分级和FIGO分期等临床病理学特征以及风险评分纳入生信分析。单因素和多因素Cox回归生信分析用于确定6-lncRNA特征是否是独立的预后因素。单因素Cox生信分析结果显示，年龄和风险评分是训练集和组合集中EOC患者的独立预后因素，而验证集中只有风险评分是独立预后因素。多因素Cox生信分析的结果还表明，预测模型是训练、验证和组合集中可靠的独立预后指标。 5. 列线图的构建和验证 作者开发了一个列线图，用于基于整个TCGAEOC队列预测EOC患者的生存风险。诸如年龄、等级、阶段和风险评分等预后指标包括在列线图中（图5A）。列线图的3年和5年OS分别为0.688和0.711，显着高于单一临床病理指标（图5B-C）。此外，校准图显示EOC患者3年和5年生存率的预测与实际观察结果具有高度一致性（图5D-E）。  图5 用于预测EOC患者总体生存概率的列线图 6. 评估低风险和高风险人群的免疫浸润功能 PCA（主成分生信分析）用于基于全基因组表达集、IRG表达集、IR-lncRNA表达集和6-lncRNA特征来可视化患者分布。根据全基因组和IRG表达集，PCA显示组之间没有显着分离（图6A-B）。基于IR-lncRNA表达集，低风险和高风险组的患者倾向于分为两组（图6C）。然而，在6-lncRNA特征下，低风险组和高风险组的患者明显表现出不同的分布方向（图6D）。作者还分析了6-lncRNA特征与免疫细胞浸润之间的关系，发现巨噬细胞与风险评分呈正相关（图6E）。GSEA用于进一步探索6-lncRNA特征的生物学功能。GSEA显示，高危组的6-lncRNA特征主要在细胞粘附、丝裂原活化蛋白激酶（MAPK）信号通路、各种癌症相关通路和ErbB受体相关信号通路中高表达。在低风险组中，更多与剪接体和蛋白酶体有关，它们参与细胞周期、调节细胞凋亡和增强免疫反应（图7）。  图6 通过主成分生信分析和肿瘤免疫估计资源（Timer）评估高危组和低危组的免疫状态和免疫细胞浸润情况  图7 基于预测模型的高危和低危人群之间的基因集富集生信分析 7.6-lncRNA和免疫检查点相关基因的表达 作者比较了正常卵巢组织和OC组织中六种lncRNA（KRT7-AS、USP30-AS1、AC011445.1、AP005205.2、DNM3OS和AC027348.1）的表达水平（图8A）。为了进一步了解六种lncRNA之间的相互作用，作者分析了它们的表达相关性（图8B）。同时筛选出8个免疫检查点相关基因，包括PDCD1（PD-1）、CD274（PD-L1）、PDCD1LG1、PDCD1LG2、CTLA-4、HAVCR2、LAG-3和CD96，它们之间的表达差异对高危组和低危组进行了生信分析。作者发现高危组中有4个免疫检查点基因上调，具有6-lncRNA特征，即CD274、PDCD1、LAG-3和PDCD1LG1（图8C-J）。  图8 6个lncRNA和免疫检查点相关基因的表达 总结 综上所述，建立了EOC的免疫相关lncRNA预后模型，该模型由6个lncRNA（KRT7-AS、USP30-AS1、AC011445.1、AP005205.2、DNM3OS和AC027348.1）组成。结果表明，该预后模型在预测临床患者预后方面是可靠的。作者期望该模型将为开发新的生物标志物提供思路，并指导EOC患者的个体化治疗。 |
|
|
