糖基化基因构建肿瘤预后模型

导语

异常糖基化与肿瘤进展和转移有关。然而，糖基化相关基因在肝细胞癌中的作用仍然未知。 

背景介绍

今天小  编为大家带来构建肿瘤预后模型的新思路——使用糖基化相关基因集。

数据介绍

从TCA中获取RNA-seq数据（365个肝癌和50个相邻的正常样本）和临床信息 。

研究设计

从TCA中获取RNA-seq数据（365个肝癌和50个相邻的正常样本）和临床信息   。  

结果解析 

01   糖基化基因和分子亚型的鉴定  

作者在TCGA队列中鉴定了差异表达的糖基化基因，包括152个上调基因和7个下调基因。火山图和热图可视化了肝癌组织和相邻非肿瘤组织之间的差异。为了研究HCC中糖基化相关基因的功能模块，通过WGCNA检测了365个HCC和50个正常组织的异常值。加权值β为9，这在无标度网络中具有良好的一致性。作者确定了七个功能模块，包括蓝色模块（27个基因），黄色模块（8个基因），绿色模块（8个基因），棕色模块（10个基因），红色模块（6个基因），绿松石模块（31个基因）和灰色模块（101个基因）。其中，发现灰色模块在正常肿瘤和HCC肿瘤之间的相关性强（r = 0.61，P = 1E-42）。因此，将灰色的101个基因作为候选基因进行进一步分析。

采用非负矩阵分解(NMF)确定肝癌中101个糖基化相关基因的佳分子亚型。根据NMF结果，佳k值被确定为2。相应的热图比其他热图提出了明确的边界。在肝癌患者中，第1亚组的OS和PFS优于第2亚组。在图2I中，亚组1与免疫C3相关，但亚组2与免疫C4相关。

02   预后分析以及构建列线图  

为了研究独立的预后因素，首先通过单因素和多因素Cox回归分析临床特征。结果表明，肝癌患者的分期和风险评分具有较高的风险比。结合临床特点，进一步探讨分期ROC曲线和风险评分。在1年，3年和5年中，HCC患者的曲线下面积（AUC）值分别为风险评分的0.777，0.703和0.695以及分期的0.671，0.679和0.661。

为了更好地预测HCC患者的生存概率，作者开发了列线图。1、3 和 5 年内列线图的 OS 概率分别为 0.918、0.806 和 0.702。校准曲线表明，列线图具有的预测性能和稳定性。列线图的ROC曲线将1年，3年和5年HCC患者的AUC分别确定为0.778，0.759和0.779。因此，风险评分和分期是独立因素，列线图可以作为生存预测的可靠列线图。

此外，调查了风险评分与临床特征之间的关系，结果表明，除分期和T分期外，年龄、性别、分级、M分期和N分期无差异。热图显示了风险组与临床特征之间的关联，包括分级、分期和T分期。K-M曲线表明，在女性，男性，年龄>65岁，年龄≤65岁，G1-G2，G3-G4，M0，N0，Nx，I-II期，III-IV期，T1-T2和T3-T4条件下，低风险组患者的生存概率比低风险组患者更长。

03   糖基化相关基因构建预后模型  

为了量化每位患者的预后，通过LASSO回归将101个候选基因用于糖基化相关特征。风险评分= 0.546 × B3GAT3 表达 + 0.412 × CAD 表达 + 0.704 × FKTN 表达 + 0.202 × LGALS3 表达 + 0.349 × SLC7A11 表达。365名HCC患者被随机分为训练和测试队列。 根据中位评分，肝癌患者分为低危组和高风险组。

作者发现，高危组患者的风险系数和死亡率较高。 PCA和t-SNE分析进一步验证了风险评分模型在训练，测试和总队列中具有良好的区分表现。为了评估特征的预测质量和准确性， 使用K-M生存曲线来预测特征，结果显示，在训练队列中，高风险组患者的OS比低风险组的患者差。 该结果与测试队列和总队列一致。此外，在1年、3年和5年的随访中，训练队列的ROC曲线的 AUC 值分别为 0.794、0.704 和 0.708，测试队列的 0.728、0.694 和 0.655 。

04   免疫浸润和免疫治疗反应  

作者比较了低风险组和高风险组之间免疫细胞和免疫功能的差异。低危组B_cells、Mast_cells、中性粒细胞、NK_cells、T_helper_cells、cytolytic_activity、Type_II_IFN_Response评分高于高危组。高危人群aDC、巨噬细胞、Treg、APC_co_stimulation、MHC_Class_I和副炎症的活性升高。

CIBERSORT算法证明了风险评分与免疫浸润细胞之间的强相关性。 作者进一步探讨了风险评分与免疫基因之间的相关性。 发现免疫检查点的表达在低风险组和高风险组之间是显着的。

此外，作者详细研究了免疫检查点抑制剂在低危和高危人群中的表达以及风险评分与免疫检查点（CTLA4、GPC3、HAVCR2、PDCD1、PDCD1LG2和PDL1）之间的相关性。 CTLA4、HAVCR2、PDCD1和PDL1在高危组的表达高于低危组。风险评分与免疫检查点之间也存在相关性。

05   功能富集  

作者探讨了低危和高危人群之间的生物学功能和丰富途径。 通过GO分析，两个风险组可能参与细胞分裂和糖胺聚糖结合。KEGG分析表明，前三大通路是人瘤病毒感染、PI3k-Akt信号通路和细胞周期。

作者进一步进行了GSVA以根据风险评分确定标志性过程和KEGG途径。通过GSVA，签名基因主要富集于异生代谢、未折叠蛋白反应、PI3k Akt MTOR信号传导、KRAS信号传导、刺猬信号传导、G2M检查点、E2F靶点和胆汁酸代谢。GSVA的KEGG表明，风险评分与Wnt信号通路、VEGF信号通路、MAPK信号通路和节点样受体信号通路呈正相关，而风险评分与PPAR信号通路呈负相关。

06   药物敏感性  

为了探讨风险评分与临床化疗的关系，作者采用药敏分析方法确定肝细胞癌特征的临床获益。 低危组药物IC50值高于高危组，包括多柔比星、博来霉素、吉西他滨、硼替佐米、伊马替尼和紫杉醇。然而，甲氨蝶呤、雷帕霉素、索拉非尼、伏立诺他、AKT.inhibitor.VIII和阿昔替尼对高危组患者更敏感。

小编总结

在这篇文章中，作者筛选了101个糖基化候选基因，并在肝癌患者中确定了两种糖基化亚型。基于这些基因，作者构建了糖基化相关signature，包括B3GAT3，CAD，FKTN，LGALS3和SLC7A11，旨在为HCC患者提供个体化的临床诊断和治疗策略。

通过PCA、t-SNE、K-M生存分析、ROC曲线和多变量Cox回归等系统技术确认和验证了风险模型的预后价值。研究结果表明，风险评分可能是一个独立的因素，并与临床特征相关，因此对肝癌患者的预后具有稳定性和可预测性。此外，列线图显示出准确的评分，包括风险评分和临床参数。列线图显示的分数包括风险评分和临床参数，以指导临床医生做出个性化决策。

作者进一步使用生物学实验结果验证了qRT-PCR分析在HCC细胞系中基因的表达上调。免疫组织化学分析表明，与邻近的正常组织相比，这些蛋白质在HCC组织中的表达呈阳性。因此，该模型在肝癌中显示出优越的预测性能。