骨肉瘤中与转移和免疫浸润相关的预后生物标志物的识别

Identification of prognostic biomarkers associated with metastasis and immune infiltration in osteosarcoma.

作者信息Bingsheng Yang, Zexin Su, Guoli Chen, Zhirui Zeng, Jianye Tan, Guofeng Wu, Shuang Zhu, Lijun Lin
PMID33574919
发布时间2021-03
DOI10.3892/ol.2021.12441

实验完整度

中

包含生物信息学分析(DEGs、风险模型构建)和临床组织IHC验证,但缺乏体内外功能实验和机制验证。

主要模型

TCGA骨肉瘤患者队列(88例) 骨肉瘤临床组织样本(34例,含16例转移、18例非转移)

重点核对

TCGA数据获取日期(2020年1月16日)及样本量(88例) 转移与非转移分组(22例 vs 66例) IHC临床样本量(16例转移,18例非转移)及来源 IHC染色评分标准(半定量评分法)

摘要

骨肉瘤是最常见的骨原发性恶性肿瘤,与高转移率和不良预后相关。肿瘤微环境(TME)与骨肉瘤转移之间的紧密关联已被确立。在本研究中,应用ESTIMATE算法基于癌症基因组图谱数据库的数据计算骨肉瘤患者的免疫和基质评分。使用元基因方法和反卷积方法揭示骨肉瘤患者中不同的TME景观。使用生物信息学分析识别与骨肉瘤转移和免疫浸润相关的差异表达基因(DEGs),并利用具有潜在预后意义的DEGs构建风险模型。随后,使用基因集富集分析和Spearman相关分析来描绘与这些预后生物标志物相关的生物学过程。最后,进行免疫组织化学(IHC)分析以评估临床骨肉瘤组织中免疫浸润和预后生物标志物的表达水平。ESTIMATE的结果表明,与转移性骨肉瘤患者相比,非转移性骨肉瘤患者具有更高的免疫/基质评分和更有利的预后。骨肉瘤患者的TME景观提示高水平的肿瘤浸润免疫细胞(TIICs)可能抑制转移。与非转移组织相比,转移组织中观察到更高数量的CD56bright自然杀伤细胞、未成熟B细胞、M1巨噬细胞和中性粒细胞,以及更低水平的M2巨噬细胞。共鉴定出69个与骨肉瘤转移和免疫浸润相关的DEGs。其中,GATA3、LPAR5、EVI2B、RIAM和CFH具有预后潜力,并且基于IHC分析结果在非转移性骨肉瘤组织中高表达。这些生物标志物参与多种免疫相关生物学过程,并与多种TIICs和免疫特征呈正相关。使用这些预后生物标志物构建的风险模型对骨肉瘤预后显示出高预测准确性。总之,本研究提出了一个五生物标志物预后特征,用于预测骨肉瘤患者的转移和免疫浸润。

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
骨肉瘤中转移与免疫浸润的关联如何,以及哪些基因可作为预后生物标志物?
核心机制
高水平的肿瘤浸润免疫细胞可能抑制骨肉瘤转移;GATA3、LPAR5、EVI2B、RIAM和CFH等生物标志物与免疫浸润正相关,并可能通过调控免疫反应影响预后。
主要证据
基于TCGA数据(88例)的ESTIMATE、元基因、TIMER分析,差异基因筛选和LASSO Cox回归构建风险模型,并通过IHC在34例临床样本中验证。
研究意义
提出一个五基因预后特征,用于预测骨肉瘤患者的转移和免疫浸润,可能有助于早期诊断和个体化治疗。

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

数据获取与预处理

获取骨肉瘤转录组数据并计算免疫/基质评分。

从TCGA下载88例骨肉瘤患者转录组数据,使用GDCRNATools包整合和标准化,并用ESTIMATE算法计算免疫和基质评分。

2

评估免疫浸润差异

比较转移性与非转移性骨肉瘤的免疫浸润特征。

使用元基因方法(GSVA包)和TIMER 2.0分别评估TIICs丰度,并比较转移与非转移组。

3

生存分析

评估转移与预后的关联。

使用Kaplan-Meier分析和log-rank检验比较转移与非转移组的总生存期和无事件生存期。

4

鉴定差异表达基因

识别与转移和免疫浸润相关的DEGs。

使用limma包鉴定转移相关DEGs、免疫/基质评分相关DEGs,并取交集获得69个DEGs。

5

功能富集和PPI网络分析

分析DEGs的功能和蛋白互作网络。

使用clusterProfiler进行GO和KEGG富集分析,使用STRING和Cytoscape构建PPI网络,并用cytoHubba筛选hub基因。

6

构建预后风险模型

筛选预后相关基因并构建风险评分模型。

通过Kaplan-Meier生存分析和单变量Cox回归筛选预后相关hub基因,再用LASSO Cox回归构建风险模型。

7

GSEA分析

探索靶基因高表达亚组富集的信号通路。

根据靶基因表达水平将患者分为高、低表达组,进行GSEA分析。

8

免疫浸润相关性分析

评估靶基因与免疫细胞浸润的相关性。

使用TIMER和GEPIA分析靶基因与TIICs及免疫标记物的相关性。

9

临床样本验证

在临床骨肉瘤组织中验证免疫细胞浸润和靶基因表达。

对34例骨肉瘤组织进行IHC染色,半定量评估CD56、CD22、CD86、CD163、CD11B、GATA3、LPAR5、EVI2B、RIAM和CFH的表达。

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
CD56抗体ProteinTech Group, Inc.14255-1-AP
CD22抗体ProteinTech Group, Inc.21894-1-AP
CD86抗体Affinity BiosciencesDF6332
CD163抗体ProteinTech Group, Inc.16646-1-AP
CD11B抗体BIOSSbs-1014R
GATA3抗体ProteinTech Group, Inc.10417-1-AP
LPAR5抗体BIOSSbs-15366R
EVI2B抗体ProteinTech Group, Inc.24891-1-AP
RIAM抗体ProteinTech Group, Inc.13500-1-AP
CFH抗体BIOSSbs-9525R
HRP标记二抗Beyotime Institute of BiotechnologyA0208
HRP-DAB试剂盒Tiangen Biotech, Co., Ltd.--
柠檬酸钠缓冲液Beijing Zhongshan Golden Bridge Biotech, Co., Ltd.--
牛血清白蛋白Wuhan Servicebio Technology, Co., Ltd.--

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
数据获取与处理
TCGA数据版本(Level 3)、样本量(88例)、数据下载日期(2020年1月16日)
阅读提示:Methods: 数据准备和处理
免疫浸润评估
元基因列表(25种免疫细胞)和TIMER参数
阅读提示:Methods: 评估免疫浸润
差异表达分析
分组(转移22例 vs 非转移66例)、阈值(|log2FC|≥log2(1.5)且P<0.05)、免疫/基质评分分组(高/低各44例)
阅读提示:Methods: 鉴定DEGs
生存分析
生存数据(OS和EFS)、分组(高/低风险)
阅读提示:Methods: 生存分析
免疫组化
样本量(16例转移、18例非转移)、抗体稀释度(详见方法)、评分标准(基于强度和百分比)、统计分析(Mann-Whitney U检验)
阅读提示:Methods: 免疫组化分析