基于DNA甲基化驱动基因的预后特征揭示胰腺癌免疫微环境

A DNA-Methylation-Driven Genes Based Prognostic Signature Reveals Immune Microenvironment in Pancreatic Cancer.

作者信息Mingjia Xiao, Xiangjing Liang, Zhengming Yan, Jingyang Chen, Yaru Zhu, Yuan Xie, Yang Li, Xinming Li, Qingxiang Gao, Feiling Feng, Gongbo Fu, Yi Gao
PMID35222383
发布时间2022-02-10
DOI10.3389/fimmu.2022.803962

实验完整度

高

包含多组学数据整合分析、多个独立验证队列、功能富集分析、免疫浸润评估、体细胞突变分析及组织芯片免疫组化验证等至少两个独立证据层级。

摘要

胰腺癌(PACA)以免疫抑制性为特征,仍是全球最致命的恶性肿瘤之一。据报道,异常的DNA甲基化(DNAm)影响肿瘤免疫微环境。在此,我们通过整合分析从TCGA、ICGC、ArrayExpress和GEO数据库获得的表观基因组、转录组、基因组和临床病理数据,评估了DNA甲基化驱动基因(MDGs)在PACA中的作用。此后,我们建立了一个包含GPRC5A、SOWAHC、S100A14和ARNTL2的四-MDG特征。高风险评分与较差的组织学分级和晚期TNM分期相关。生存分析显示该特征对OS具有显著的预测效果。WGCNA显示该特征可能与免疫系统相关,而高风险评分可能反映免疫失调。此外,GSEA和GSVA显示高风险评分亚组中p53通路和错配修复通路显著富集。免疫浸润分析显示,低评分亚组中CD8+ T细胞更丰富,而M0巨噬细胞呈现相反趋势。此外,癌症免疫循环(CIC)的负调控基因说明免疫抑制因子TGFB1、VEGFA和CD274(PDL1)均与风险评分正相关。进一步地,四个特征基因与CD8+淋巴细胞负相关,但与髓源性抑制细胞(MDSC)正相关。相反,高风险评分标本表现出更高的肿瘤突变负荷(TMB),可能对某些化疗和靶向药物有更好的反应,这将有利于PACA患者的分层。另一方面,我们使用本中心接受根治性手术的患者石蜡包埋PACA样本研究了四个MDGs的相应蛋白,发现这四种蛋白在癌组织中均升高,可能作为PACA患者的预后标志物,高表达预示不良预后。总之,我们成功建立了基于四个MDG的PACA患者预后特征。我们设想该特征将有助于评估瘤内免疫纹理,并能够识别用于精准治疗的新型分层生物标志物。

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
DNA甲基化驱动的基因(MDGs)在胰腺癌中的预后价值及其与肿瘤免疫微环境的关系。
核心机制
高风险评分与免疫抑制微环境相关,可能通过影响p53信号通路、错配修复等通路,并与免疫抑制因子(如TGFB1、VEGFA、CD274)正相关,导致CD8+ T细胞浸润减少和M0巨噬细胞增加。
主要证据
基于TCGA、ICGC等数据集构建并验证四基因预后签名,生存分析、免疫浸润分析等显示高风险评分与不良预后及免疫抑制相关;此外,通过组织芯片免疫组化验证了四个蛋白在胰腺癌组织中高表达,且与不良预后相关。
研究意义
该预后签名有望用于评估胰腺癌患者肿瘤内免疫状态,并识别可能从特定治疗中获益的患者,为精准治疗提供新的分层生物标志物。

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

获取并整合胰腺癌的转录组、DNA甲基化、体细胞突变和临床数据。

从TCGA、ICGC、GEO和ArrayExpress数据库下载PACA相关数据,包括转录组、DNAm、突变和临床信息;使用limma等软件进行差异表达分析。

2

鉴定差异表达甲基化驱动基因

识别在胰腺癌中因甲基化改变而导致表达异常的基因。

使用MethylMix算法整合DNA甲基化和mRNA表达数据,鉴定MDGs;并与差异表达基因取交集,得到75个与胰腺癌相关的MDGs。

3

构建并验证四基因预后特征

基于MDGs构建能预测胰腺癌患者总生存期的风险评分模型。

对75个MDGs进行K-M分析和单因素Cox回归,筛选出35个与OS相关的基因;进一步通过LASSO回归分析筛选出4个基因(GPRC5A, SOWAHC, S100A14, ARNTL2),构建风险评分模型,并在多个独立数据集中验证其预测性能。

4

功能富集与免疫微环境分析

探索高风险评分亚组的分子特征和免疫微环境状态。

对高风险和低风险评分亚组进行GSEA和GSVA分析,鉴定富集通路;利用CIBERSORT、ssGSEA等算法评估免疫细胞浸润;分析癌症免疫循环负调控基因的表达。

5

体细胞突变和TMB分析

比较高低风险亚组的突变谱和肿瘤突变负荷差异。

利用maftools可视化TCGA-PAAD队列的突变景观,计算TMB并比较两组差异。

6

免疫组化验证蛋白表达

验证四个MDG蛋白在胰腺癌组织中的表达及其预后价值。

使用本中心70例PACA患者的石蜡包埋样本构建组织芯片,通过免疫组化检测GPRC5A、SOWAHC、S100A14和ARNTL2蛋白表达,并分析其与预后的关系。

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
抗人GPRC5A抗体ABclonalA8173
抗人SOWAHC抗体Proteintech24033-1-AP
抗人S100A14抗体ABclonalA10394
抗人ARNTL2抗体BiossBS-11446R
DAB底物试剂盒ZSGB-BIOZLI-9017

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
样本来源(TCGA、ICGC、GEO等)和数据整合方式(TOIL流程)
阅读提示:Materials and Methods: Data Acquisition and Preprocessing
差异表达和MDGs鉴定
阈值(|log2FC|>1, p<0.05)、MethylMix版本及参数
阅读提示:Materials and Methods: Screening for Differentially Expressed Genes and Functional Enrichment of MDGs
构建预后模型
训练集和验证集划分、LASSO回归的交叉验证次数和lambda选择
阅读提示:Materials and Methods: Construction of an MDG-Based Prognostic Signature
免疫浸润分析
CIBERSORT、ssGSEA算法的运行参数
阅读提示:Materials and Methods: Subgroup Analyses of Molecular Characteristics
免疫组化验证
组织芯片构建细节、抗体稀释比例、抗原修复条件、评分方法
阅读提示:Materials and Methods: Histopathological Evaluation