失巢凋亡热点加持助力5+肿瘤新方向！

风入弦

原文公众号：一起实验网
对下述分析方法感兴趣或者没有研究思路的小伙伴，欢迎踊跃探讨！
一起实验网——专业服务生物医学科研行业！
个性化医学生信解决方案，生信、测序、验证全包括，高分sci全程服务
生信数据挖掘、生信作图、sci思路设计、投稿指导、生信分析课程

大家早上好，近年来铁死亡、铜死亡、缺氧代谢等的研究方向非常火爆，生信发文竞争愈发激烈。今天小编和大家分享一个近期比较新颖的生信方向：失巢凋亡。这篇文章是《Identification
and validation of an anoikis-associated gene signature to predict
clinical character, stemness, IDH mutation, and immune filtration in
glioblastoma.》，于2022年发表在《Frontiers
in
immunology》（IF：7.561）上，失巢凋亡在肿瘤中的研究目前相对较少，创新性较高，发文空间也大，一起来学习一下吧，有相关需求的老师欢迎联系我们~
背景介绍

失巢凋亡是由于细胞-细胞或细胞-细胞外基质附着断裂，导致的一种特殊形式的程序性凋亡，它通过消除错位或移位的细胞来维持组织的动态平衡。失巢凋亡的触发主要通过两条凋亡途径的相互作用发生，分别是干扰线粒体和激活细胞表面死亡受体。失巢凋亡最早见于上皮细胞和内皮细胞，被认为是癌症侵袭和转移的重要机制。抗失巢凋亡因子可以帮助分离的细胞绕过死亡信号通路，使细胞在不利的条件下存活。然而，尽管失巢凋亡相关基因在肿瘤发生、肿瘤侵袭和肿瘤浸润中起着不可忽视的作用，但鲜有研究系统评价失巢凋亡基因在GBM中的意义。
研究思路

1. TCGA和GlioVis公共数据库获取胶质母细胞瘤（GBM）RNAseq转录组数据和临床信息、体细胞突变计数和拷贝数变异(CNV)数据；GSEA获取27个失巢凋亡相关基因；
2. 首先采用“NMF”R程序包根据失巢凋亡相关基因的表达将GBM患者进行聚类，分为两个不同亚型，针对两个不同亚型之间的肿瘤微环境、干性指数和临床特征的差异进行了分析；
3. 接着利用差异分析、加权基因共表达网络（WGCNA）分析，结合机器学习方法、单变量Cox回归、Lasso回归筛选预后相关基因并构建风险评分模型；
4. 利用免疫组织化学(IHC) 方法评估临床样本中预后基因的表达；
5. 最后在GBM以及泛癌中对风险评分与TME、干性、临床特征和免疫治疗反应、药物敏感性之间的关系进行了评估和验证。

研究结果


1.GBM中失巢凋亡相关基因的遗传变异与表达
作者首先对27个失巢凋亡相关基因之间的相互作用进行了分析，体细胞突变数据结果显示，PIK3CA的突变率最高；TCGA-GBM
23号染色体上27个失巢相关基因的定位分析显示CNV相关突变普遍存在；与正常组织相比，大多数失巢凋亡相关基因在
GBM
组织中显著上调，并在GBM的CL、MES和PN亚型中存在显著差异；生存分析显示，PTK2、PIK3CA、PDK4、NTRK2和ITGA5的表达与GBM患者的总生存期具有显著相关性。



2.PTK2和ITGA5在临床肿瘤组织中的表达验证
单变量Cox回归分析结果显示，PTK2是GBM患者预后的有利因素而ITGA5是危险因素；此外作者进一步通过IHC染色验证这两个重要基因的表达情况，同时与肿瘤周围组织相比，GBM中ITGA5蛋白水平显著增加，而PTK2水平降低。



3.失巢凋亡模式与肿瘤微环境、干性和临床特征的相关性
作者首先利用NMF
算法将650例
GBM
患者分为两组，即C1和C2；热图显示了C1和C2簇中失巢凋亡相关基因的表达情况；Kaplan–Meier
(KM)分析显示，C1和C2簇患者间的生存率存在显著差异。同时，肿瘤微环境差异分析显示，C1在多种免疫细胞（如T细胞、CD8
T细胞，活化NK细胞，树突状细胞）浸润中较为丰富。干性指数分析显示C2的mRNAsi和EREG-mRNAsi更接近于1，表明C2的胶质母细胞瘤细胞与干细胞具有高度的相似性。接下来，作者研究了C1、C2亚型与临床分型之间的相互关系，发现具有胞嘧啶磷酸鸟嘌呤(CpG)岛甲基化表型(GCIMP)的GBM患者主要集中在C2；此外，KEGG通路分析显示，Wnt信号通路在C1中更为活跃。



4.风险评分的构建与验证
作者通过WGCNA分析获得了897个与失巢凋亡相关的差异基因，并最终确定了共表达模块；单变量Cox回归分析显示，524个基因与GBM预后相关，通过LASSO进一步分析，最终确定了9个基因构建风险评分模型。KM分析结果表明训练集和测试集的风险得分越高，生存率越低；最后用ROC曲线预测了GBM患者的预后准确性。



5.基于GBM风险评分绘制列线图
基于以上分析，作者根据高风险和低风险评分模型建立了一个列线图用于预测GBM在1年、2年、3年和5年的生存概率，发现不管在训练集还是测试集都有良好效果。免疫浸润结果发现低风险组中有几种免疫相关因子表现显著；同时，免疫检查位点CD40LG，CD8A、JKA1、LDHB等在风险评分较低的患者中表达更为明显，而IL12A、LDHA、LDHC、TNFRSF4、YTHDF1在风险评分较高的患者中表达显著。风险评分较低的GBM患者的mRNAsi和EREG-mRNAsi更接近于1，说明低风险评分的GBM患者与高风险评分的GBM患者的分化程度较低。此外，C1和C2之间的风险评分存在显著差异。



6.TCGA数据集中的风险评分模型验证
为验证风险评分模型的有效性，作者对风险评分与临床特征之间的相关性进行了分析；KM分析结果显示，高风险基因的表达与较低的生存率相关。同时展示了高危组和低危组
GBM
患者不同临床预后因素的比例；并绘制了ROC
曲线预测
GBM
患者预后的准确性。最后作者根据风险评分绘制了一个列线图，验证了该风险评分模型的有效性。



7.风险评分模型的泛癌分析
为进一步验证风险评分模型在不同癌症中的可行性，作者又进行了相关的泛癌分析，以评估不同癌症之间风险评分模型的相似性和差异性。并计算了不同肿瘤中22个免疫细胞浸润和干细胞指数与风险评分之间的相关性。



8.风险评分与免疫治疗反应及药物敏感性的相关性
8.1评估风险评分对预测免疫治疗敏感性的影响
作者纳入了一个晚期尿路上皮癌免疫治疗队列（IMvigor210队列），log-rank检验显示，高风险评分较高的患者生存时间较短。同时，无应答组和有限应答组（SD和PD）的患者比例相反，说明风险评分可以反映患者对免疫检查点阻断（ICB）治疗的反应。在高、低风险组与免疫表型关系的分析中，低风险组中炎症反应更为显著；风险评分与肿瘤新抗原负担的关系分析显示，风险评分高、新抗原负担低的患者生存时间最短。
8.2风险评分对预测多种癌症类型药物敏感性的评估价值
通过对GDSC
数据库中的31种药物分析显示，其中5种药物敏感性与风险评分负相关，而26种药物的敏感性呈正相关。最后，所选药物靶向的信号传导途径分析结果显示，敏感性与风险评分负相关的药物靶向代谢和细胞凋亡调节信号通路。综上所述，说明建立风险评分有助于探索正确有效的治疗策略。