神经元相关转录富集与胃癌的特定生物学状态相关并预测不良预后

Neuron-Associated Transcriptional Enrichment Is Associated with Distinct Biological States and Predicts Poor Prognosis in Gastric Cancer

作者信息Masanori Oshi, Mashaal Dhir, John M L Ebos, Itaru Endo, Kazuaki Takabe
PMID42060253
发布时间2026-09
DOI10.1245/s10434-026-19666-2

实验完整度

基于两个独立公共队列的转录组和临床数据进行生物信息学分析,包括神经递质受体表达、GSEA、免疫微环境以及与预后的关联验证,但缺乏体外或体内功能验证。

主要模型

TCGA-STAD胃癌队列 GSE84437胃癌队列

重点核对

利用xCell算法计算的神经元富集评分对肿瘤进行分层,上三分之二定义为高 对神经递质受体基因(如ADRB1-3、DRD1-3、CHRM1/2/4/5、CALCRL/RAMP1等)的表达差异进行分析,效应量采用Hedges's g与95%CI 利用MSigDB hallmark基因集进行GSEA分析,鉴定神经元评分高和低肿瘤间富集的通路 Cox回归分析中纳入年龄、T分期、N分期等变量,评估神经元评分的独立预后价值 TCGA队列中,突变负荷和瘤内异质性指标来自Thorsson等人已发表的TCGA免疫基因组学数据集

摘要

背景:周围神经系统可促进肿瘤的发生、发展和转移;然而,胃癌患者肿瘤微环境中神经元特征的临床相关性尚未完全阐明。患者与方法:利用公共数据库中可获取的批量转录组和临床数据,评估了xCell评分,该评分用于量化胃癌肿瘤中神经元相关基因表达程序的相对富集程度。据此在每个队列中将肿瘤分为神经元评分高组和神经元评分低组,其中上三分之二被定义为高。通过分析神经递质受体表达、基因集富集、肿瘤微环境组成、基因组特征和患者生存,评估了神经元富集与肿瘤生物学之间的关联。结果:神经元评分高的胃癌表现出β-肾上腺素能、多巴胺和毒蕈碱型乙酰胆碱受体基因表达的特征性富集,与增强的神经化学信号传导潜力一致。在肿瘤细胞水平上,神经元评分高组与上皮-间质转化(EMT)程序的激活相关,而细胞增殖相关通路在神经元评分低的肿瘤中优先富集。神经元评分高的肿瘤还显示出减弱的抗肿瘤免疫浸润、增加的基质成分和升高的瘤内异质性,尽管突变负荷较低。在两个队列中,神经元评分高的肿瘤均与较差的总生存期相关,并在多变量分析中与预后独立相关。结论:神经元评分高的胃癌肿瘤始终与神经递质受体基因表达的独特模式、增强的EMT程序(伴随细胞增殖减少)、减弱的抗肿瘤免疫浸润、增加的瘤内异质性以及较差的预后相关。这些观察结果将批量肿瘤中的神经元评分确定为胃癌生物学的一个潜在指标。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
胃癌肿瘤微环境中神经元相关转录富集是否与特定的肿瘤生物学状态及患者预后相关?
核心机制
神经元评分高的肿瘤与神经递质受体(尤其是CGRP受体复合物CALCRL/RAMP1)表达上调、上皮间质转化(EMT)程序富集、抗肿瘤免疫浸润减弱及瘤内异质性增加相关,提示神经-肿瘤相互作用可能促进肿瘤侵袭性表型。
主要证据
在TCGA和GSE84437两个独立队列中,通过xCell评分分层,发现神经元评分高的肿瘤一致地富集EMT基因集,而神经元评分低的肿瘤富集细胞增殖相关通路;神经元评分高的肿瘤免疫细胞浸润减少,基质成分增加,且总体生存期更差(TCGA p=0.044,GSE84437 p<0.001),多变量Cox分析显示独立预后价值。
研究意义
神经元评分可作为胃癌生物学的一个潜在指标,为分子风险分层和未来针对神经-肿瘤相互作用的治疗策略提供概念框架。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

神经元特征推断与分组

利用xCell算法从批量转录组中推断神经元评分,并将肿瘤分为高、低两组以进行后续比较。

对TCGA和GSE84437队列的转录组数据,使用xCell算法计算每个肿瘤样本的神经元评分。为保留生物学对比并保证样本量,按评分分布下三分位数分层,将评分低于33%定义为低,其余为高。

2

神经递质受体表达分析

评估神经元评分高低与神经递质受体基因表达差异,以探究神经-肿瘤信号传导潜力。

比较神经元评分高肿瘤与低肿瘤之间β-肾上腺素能受体(ADRB1-3)、多巴胺受体(DRD1-3)、毒蕈碱型乙酰胆碱受体(CHRM1/2/4/5)以及感觉传入相关基因(TACR1、CALCRL、RAMP1、TRPV1)的表达差异,使用Hedges's g计算效应量。

3

功能富集分析

鉴定神经元评分高低肿瘤中富集的生物学通路,以明确其相关肿瘤程序。

使用MSigDB hallmark基因集对神经元评分高与低肿瘤进行GSEA,重点分析EMT、E2F靶点、G2M检查点、MYC靶点、DNA修复及未折叠蛋白反应等通路。

4

免疫微环境解析

比较神经元评分高低肿瘤的免疫细胞浸润差异,评估免疫相关程序。

利用xCell反卷积评估免疫细胞(如CD4+ T细胞、Th1、Th2、Treg、NK细胞、巨噬细胞等)的浸润分数,并对IFN-α和IFN-γ反应等免疫相关基因集进行GSEA。

5

基质和基因组特征分析

评估神经元评分高低肿瘤的基质细胞组成及基因组特征差异。

使用xCell估计脂肪细胞、成纤维细胞、淋巴管内皮细胞、微血管内皮细胞和周细胞的浸润分数。对于TCGA队列,整合已发表的突变负荷和瘤内异质性指标,比较神经元评分高低肿瘤间的异质性、静息/非静息突变率等。

6

生存与预后分析

评估神经元评分与胃癌患者总体生存期之间的关联及其独立预后价值。

使用Kaplan-Meier曲线和对数秩检验比较神经元评分高与低患者的OS,并采用Cox比例风险回归进行单因素和多因素分析,调整年龄、T分期、N分期等临床病理变量。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

验证样本或模型特征
验证分子表达变化
验证机制链路

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
神经元评分计算
xCell算法版本及参数设置,神经元评分基因集来源
阅读提示:见Methods“Inference of Neuronal Features Using xCell”
神经递质受体表达分析
效应量计算方法(Hedges's g)及置信区间
阅读提示:见Methods“Neurotransmitter Receptor Expression Analysis”
功能富集分析
MSigDB hallmark基因集版本,GSEA参数(如排序方法、置换次数)
阅读提示:见Methods“Tumor Microenvironment Profiling and Functional Enrichment Analysis”
生存分析
Cox模型中的协变量及分层变量
阅读提示:见Results“Neuron Score Is Independently Associated with Adverse Survival”及Table 1