哈喽啊,亲爱的小伙伴们。国庆马上就要来咯,是打算到处逛逛还是弯道超车呢,7天假期要分配好哦,不要浪费宝贵的时间。那今天你们的科研小伙伴小薇师姐又带着新鲜出炉的佳作强势登场啦!准备好汲取新知识了嘛。
该研究团队以卵巢癌(OV)和失巢凋亡作为切入点,通过整合公共数据集和回归分析构建了预后模型,并基于微阵列免疫组化、PCR和Western Blot分析验证了失巢凋亡相关特征(AKT2和DAPK1)的效应,为进一步探讨OV精细化治疗方案奠定基础。研究通过RNA-seq分析、LASSO分析、单变量和多变量Cox回归分析构建了一个2基因风险预后特征;接着通过单细胞数据集、免疫浸润、免疫治疗和IHC组化分析等揭示两者的作用机制,这内容丰富的让人感到害怕,太强啦。(ps:学会了嘛,这思路完全可以运用到其他癌症中,想要加快课题进程的小伙们,快来联系小薇师姐,SCI唾手可得!)
l题目:失巢凋亡相关特征预测卵巢癌的预后和免疫景观特征
l杂志:Cancer Cell International
l影响因子:IF=5.1
l发表时间:2024年2月
公众号回复“123”领取原文PDF,文献编号:20240927
研究背景
卵巢癌(OV)是最致命的妇科恶性肿瘤之一,在很大程度上威胁着全世界妇女的安全和健康。由于缺乏特异性症状,约70%的OV患者诊断为晚期,并伴有外周器官的侵袭和转移,导致其5年总生存率(OS)仅为30%,此外即使经过标准治疗后,也有高达70%的OV患者出现肿瘤复发。因此,迫切需要进一步的研究来确定可靠的预后生物标志物,以进行个性化治疗。失巢凋亡是由于细胞与细胞外基质和其他细胞失去接触而诱导的一种特殊的程序化细胞死亡形式,有研究报道,其在前列腺癌、肺癌、胰腺癌和乳腺癌等恶性肿瘤的侵袭转移中发挥着重要作用,但很少有研究关注其在OV患者的预后价值。因此,在这个研究中,作者鉴定并通过微阵列免疫组化、PCR和Western Blot分析验证了失巢凋亡相关特征(AKT2和DAPK1),以评估OV患者的预后,预测免疫治疗/化疗反应,并指导临床治疗。
数据来源
研究思路
首先,作者从相关数据库中获取了OV患者及对照的转录组数据和相应的临床特征和失巢凋亡相关基因(ARG),并筛选与OV密切相关的ARG。该团队通过LASSO分析、单变量和多变量Cox回归分析构建了一个2基因风险预后特征,并基于此确定OV的独立预后指标。接着作者评估了失巢凋亡与OV中免疫浸润景观之间的关系和失巢凋亡相关特征在癌症中的应用。最后作者主要关注DAPK1表达与OV转移的关系。
图1 计算路线
主要结果
1.OV中差异表达ARGs分析
首先,作者从TCGA数据库中获取了OV患者的转录组数据和相应的临床特征,并从GTEx数据库下载正常组织的转录组数据。与对照组相比,在OV组织中鉴定出6406个DEG(图2A-B)。基于GENECARDS数据集,作者获得了95个失巢凋亡相关基因(ARG)。对两者取交集筛选出32个差异表达ARGs,随后对其进行了GO和KEGG通路富集分析和PPI网络分析(图2C-E)。结果表明上述基因显著富集于细胞调控和局灶粘附等通路(图2D),此外EGFR、PIK3CA和PIK3R1相互作用强烈。
图2 OV中差异表达ARGs分析
2.预后特征建立及验证
接着作者通过LASSO分析从32个DE-ARGs中选择了3个潜在的预后基因即AKT2、CDCP1和DAPK1(图3A-B)。K-M生存曲线(图3C-D)表明AKT2、CDCP1和DAPK1高表达的OV患者OS更差。而基于单变量和多变量Cox回归分析该团队构建了一个2基因风险预后特征(图3F)和计算了患者的风险评分。根据风险评分将OV患者分为高低危组,结果表明AKT2和DAPK1在高危组中高表达(图4A-B),高危组患者预后较差(图4C-D),2基因特征模型在预测1年、3年和5年OS方面具有良好的预后价值(图4E-F)。
图3 预后特征建立
图4 预后特征验证
3.外部单细胞数据集验证
随后作者引入了外部单细胞数据集,评估了由特定标记定义的10种典型细胞类型(图5A)。伪时间轨迹分析表明,在细胞状态转变过程中,不同类型细胞之间存在潜在的进化关系(图5B)。轨迹推断揭示了OV病变中的T细胞、B细胞和髓系细胞的进化途径,其中AKT2和 DAPK1表达沿假时间重叠(图5C-D)。体细胞拷贝数交替(SCNA)和突变频率结果表明突变频率最高的基因是TP53(93.1%),其次为TTN(37.5%)和MUC16(12.5%)(图5E)。
图5 外部单细胞数据集验证
4.NOMOGRAM模型构建
基于2基因特征和临床特征,作者分别通过单因素(图6A)和多因素(图6B) Cox回归分析以确定OV的独立预后指标。结果显示除风险评分外,年龄和FIGO分期是OS的预后因素。根据上述预后指标,作者构建了1年、3年和5年OS的NOMOGRAM预测模型,其中C-index为0.6004(图6C)。校正图表明OV患者的1年、3年和5年预测生存率与观察生存率之间的一致性(图6D-F)。此外作者通过K-M曲线分析和随时间变化的ROC分析验证了NOMOGRAM在OV队列有着最佳表现。
图6 NOMOGRAM模型构建
5.免疫浸润和免疫治疗反应分析
为了确定失巢凋亡与OV中免疫浸润景观之间的关系,作者进行了CIBERSORT分析来评估免疫微环境,根据CIBERSORT算法,与低风险组相比,高风险组22个典型免疫细胞中有3个显著上调(图7A-B)。此外作者评估了失巢凋亡相关基因标记与免疫治疗敏感性之间的关系。结果表明高危组CD274和PDCD1LG2表达上调(图8A),风险评分较高的患者更有可能从以这两个免疫检查点为重点的免疫治疗中获益。通过肿瘤免疫功能障碍和排斥(TIDE)算法,该团队还预测了OV患者对免疫检查点阻断(ICB)治疗的反应。结果显示低风险OV患者的TIDE评分较高,代表ICB治疗后生存率较差(图8B)。基于PRJEB23709数据集作者评估了失巢凋亡相关特征在接受免疫治疗的肿瘤患者中的预测价值(图8C),在接受抗PD-1治疗的患者中,应答者的风险评分高于无应答者,高危患者更有可能受益于免疫治疗(图8D-E)。
图7 免疫浸润分析
图8 免疫治疗反应分析
6.泛癌分析
为了评估失巢凋亡相关特征在癌症中的应用,作者对TCGA数据集中的34个肿瘤进行了泛癌分析。其中皮肤黑色素瘤(SKCM)中AKT2和DAPK1的表达最高(图9A-B)。在图9C中作者比较了OV组织和对照的风险评分。此外作者通过Cox回归算法在TCGA泛癌症队列中分析了失巢凋亡相关特征的预后价值(图9D)。K-M生存曲线验证了该模型在TCGA泛癌队列中有着良好表现(图9E-F)。
图9 泛癌分析
7.DAPK1表达分析
最后作者主要关注DAPK1表达与OV转移的关系。IHC分析结果显示肿瘤细胞的细胞质和细胞核都有DAPK1表达染色(图10A)。与原发性OV病变和正常对照相比,转移性病变的DAPK1表达明显升高(图10B-C);此外该团队还指出复发或死亡的OV患者中DAPK1表达显著升高(图10D-E)。以上结果表明作为关键ARGs之一的DAPK1与OV转移和不良预后显著相关。
图10 DAPK1表达分析
文章小结
在这个研究中,作者合评估了细胞失巢凋亡在OV发展进程的重要性,通过生物信息学算法构建了2失巢凋亡相关基因预后标记(AKT2和DAPK1)。特别是作者基于该预后标记评估了肿瘤免疫微环境、基因景观和对免疫治疗/化疗的敏感性,确定了DAPK1在OV转移中的作用,可作为潜在的治疗靶点,患者的精细化治疗提供了有价值的见解。整篇看完,也没有觉得很难吧!那宝子们有没有心动呢?换个疾病、换种细胞死亡类型,能否也达到这样的效果呢?快来联系小薇师姐定制分析吧~