预测接受新辅助放化疗的局部晚期直肠癌治疗反应和预后的新型生物标志物

Novel biomarkers to predict treatment response and prognosis in locally advanced rectal cancer undergoing neoadjuvant chemoradiotherapy.

作者信息Bingjie Guan, Meifang Xu, Rong Zheng, Guoxian Guan, Benhua Xu
PMID37953237
发布时间2023-11-12
DOI10.1186/s12885-023-11354-8

实验完整度

包含基因表达谱分析、WGCNA筛选、外部数据集验证、免疫组化验证、风险模型构建及功能富集分析等多层级验证。

主要模型

64例LARC患者肿瘤活检样本 117例LARC患者肿瘤活检样本 GSE3493、GSE119409、GSE133057外部数据集

重点核对

CCT5和ELF1的mRNA表达水平(来自基因芯片) CCT5和ELF1的蛋白表达水平(通过IHC评分) TRG分级和NAR评分 风险评分计算:0.132×CCT5表达+0.165×ELF1表达 外部验证数据集的基因表达和生存数据

摘要

目的:确定与接受新辅助放化疗(NCRT)的局部晚期直肠癌(LARC)患者治疗反应和预后相关的基因。方法:在我们的队列中,检测并生成了NCRT前64份肿瘤活检样本的基因表达谱。进行加权基因共表达网络分析以识别基因模块。外部验证数据集包括GSE3493、GSE119409和GSE133057。使用免疫组织化学(IHC)评估候选基因的表达。使用TIMER评估免疫浸润。结果:我们使用我们的数据和外部验证数据集识别并验证了CCT5和ELF1预测治疗反应的能力。GSE133057数据集中候选基因的生存差异趋势与我们的队列相似。CCT5和ELF1的高表达与NCRT耐药和不良预后相关。此外,还通过IHC方法评估了117例LARC患者样本中CCT5和ELF1的表达。基于IHC结果和Cox分析,构建了包含CCT5和ELF1的风险评分模型,且表现良好。该风险评分是LARC患者无进展生存期和总生存期的独立预后因素,并用于构建列线图模型。使用基因集富集分析探讨了CCT5和ELF1的潜在机制。潜在通路包括凋亡、细胞周期等。CCT5和ELF1的表达与免疫细胞浸润显著相关。结论:CCT5和ELF1被确定为LARC患者治疗反应和预后的生物标志物。风险评分模型和列线图有助于预测接受NCRT的LARC患者的治疗反应和生存结果。

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
识别与接受新辅助放化疗的局部晚期直肠癌患者治疗反应和预后相关的基因。
核心机制
CCT5和ELF1高表达与NCRT耐药和不良预后相关;GSEA分析提示凋亡、细胞周期等通路参与。
主要证据
基因表达谱分析、WGCNA、外部数据集验证、免疫组化验证,以及风险评分模型和列线图的构建。
研究意义
CCT5和ELF1可作为生物标志物,风险评分模型和列线图有助于个性化临床决策。

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

基因表达谱分析与DEGs识别

比较NCRT敏感与耐药患者间基因表达差异,筛选差异表达基因。

对64例LARC患者NCRT前肿瘤活检样本进行基因芯片分析,识别出333个DEGs,并进行GO和KEGG富集分析。

2

WGCNA模块构建与候选基因筛选

识别与NAR评分、TRG和预后相关的基因模块和候选基因。

构建加权基因共表达网络,鉴定模块与临床特征相关性,并取NAR相关、TRG相关和PFS相关基因的交集。

3

内部验证候选基因预测能力

验证候选基因表达与治疗反应和预后的关联。

分析候选基因表达与TRG分级、NAR评分的相关性,进行ROC分析和KM生存分析。

4

外部验证数据集验证

在独立数据集中验证候选基因的预测和预后价值。

使用GSE3493、GSE119409和GSE133057数据集评估基因表达和治疗反应、生存的关系。

5

免疫组化验证

在蛋白水平验证候选基因的表达及其与临床结果的关系。

对117例LARC患者肿瘤活检样本进行IHC染色,评分并分析其与治疗反应、NAR评分和生存的关系。

6

风险评分模型构建与验证

构建基于CCT5和ELF1表达的风险评分模型,评估其预后价值。

通过Cox分析确定独立预后因子,构建风险评分,并评估其预测pCR和生存的能力,构建列线图。

7

机制探索

探索CCT5和ELF1影响NCRT敏感性的潜在机制。

进行GSEA分析、药物敏感性分析和免疫浸润分析。

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。

产品清单

实验环节名称品牌货号
Trizol试剂Invitrogen--
NanoDrop ND-1000分光光度计----
抗FBXO7抗体Sino Biological203049-T40
抗GSTT4抗体Biossbs-16345R
抗CCT5抗体Proteintech11603-1-AP
抗ELF1抗体Proteintech22565-1-AP
抗SLC44A1抗体Proteintech14687-1-AP

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
患者队列
纳入标准:LARC患者,接受NCRT和根治性手术;样本量:64例(发现队列),117例(验证队列);放疗剂量:45 Gy/25次,推量5.4 Gy;化疗:卡培他滨825 mg/m²每日两次,持续两周;手术时机:放疗结束后6-8周;活检样本采集时间:NCRT前。
阅读提示:Methods中Patients and clinical data collection部分
基因表达分析
RNA提取方法(Trizol),RNA质量和定量(NanoDrop ND-1000),基因芯片平台(未明确说明),数据标准化方法;DEGs筛选标准:|logFC|>0.5,P<0.05。
阅读提示:Methods中Gene expression analysis和DEGs identification and enrichment analysis部分
WGCNA分析
软阈值功率,模块合并参数,相关性分析中使用的临床特征(TRG、CEA、NAR评分等)。
阅读提示:Methods中WGCNA部分
免疫组化
抗体信息(FBXO7, CCT5, ELF1, GSTT4, SLC44A1),染色评分方法(半定量评分:强度×阳性百分比),低表达和高表达的分界值(评分≤4为低,>4为高)。
阅读提示:Methods中Immunohistochemical analysis部分
风险评分模型
Cox回归系数(CCT5: 0.132, ELF1: 0.165),风险评分计算公式,分组:按中位数分为高风险和低风险组。
阅读提示:Results中Construction of a risk score model部分
外部验证数据集
数据集ID(GSE3493, GSE119409, GSE133057),样本量,使用时的处理(如排除未知TRG的样本),生存分析时cut-off值确定方法。
阅读提示:Methods中External validation datasets部分和Results中External validation analysis部分