基于肿瘤微环境的免疫相关宫颈癌预后生物标志物鉴定及预后模型构建

Identification of immune-related cervical cancer prognostic biomarkers and construction of prognostic model based on tumor microenvironment.

作者信息Qiufang Bao, Wenlu Tang, Wenzhong Tang, Xiaohong Zhu, Linliang Hong, Bin Zhang
PMID40205481
发布时间2025-04-09
DOI10.1186/s40001-025-02515-5

实验完整度

包含TCGA和GEO数据挖掘、ssGSEA分组、LASSO建模、TIMER2相关性分析及IHC蛋白验证,但缺少体外或动物功能实验。

主要模型

TCGA宫颈癌患者队列 GSE44001数据集 宫颈组织样本(HSIL、宫颈癌、宫颈癌淋巴结转移)

重点核对

TCGA数据集包含306例CC患者 GSE44001数据集包含300例样本 IHC样本:HSIL 15例、宫颈癌15例、CC-LNM 10例 IHC抗体稀释度:anti-SEMA3A 1:200,anti-CX3CL1 1:400

摘要

目的 肿瘤微环境(TME)和免疫相关基因(IRGs)的表达与宫颈癌(CC)的发生发展密切相关。本研究旨在基于TME探索一些IRGs作为CC患者的预后生物标志物。 方法 使用单样本基因集富集分析(ssGSEA)评估CC样本中肿瘤浸润免疫细胞的丰度。因此,根据免疫状态产生两个免疫相关组。基于分组发现差异表达基因。然后,使用R包glmnet进行单变量Cox和LASSO回归分析。此后建立了五个IRG预后特征(HLA-DMA、DMBT1、CXCR6、CX3CL1和SEMA3A)。通过免疫组织化学(IHC)验证了一些基因的蛋白表达。 结果 五个IRG的特征被确定为CC患者总生存期的独立预后指标。还构建了预后风险模型。根据中位风险评分将CC患者分为高风险组和低风险组。高风险组患者的生存时间短于低风险组患者。筛选出与预后显著相关的五个基因,其中HLA-DMA、CXCR6和CX3CL1是保护因素,而DMBT1和SEMA3A是风险因素。GO和KEGG富集分析表明,五个IRG的生物标志物富集在受体-配体相互作用和趋化因子信号通路中。此外,在五个核心基因中,CXCR6表达与免疫细胞浸润显著相关。IHC结果表明,在宫颈癌组织中SEMA3A蛋白水平升高,CX3CL1蛋白水平降低。 结论 CC中的免疫相关预后生物标志物包括HLA-DMA、DMBT1、CXCR6、CX3CL1和SEMA3A。五个基因的风险评分在预测3年和5年预后方面比其他临床风险因素更准确。风险评分越高,CC患者的预后越差。五个预后生物标志物可能通过趋化因子介导的信号通路和受体-配体相互作用参与调节TME。这些发现为CC的免疫治疗提供了新的见解。

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
基于肿瘤微环境,探索免疫相关基因作为宫颈癌预后生物标志物并构建预后模型。
核心机制
五个预后基因可能通过趋化因子介导的信号通路和受体-配体相互作用调节肿瘤微环境。
主要证据
TCGA和GSE44001数据构建风险模型,TIMER2分析显示CXCR6与免疫浸润强相关,IHC验证SEMA3A蛋白升高、CX3CL1蛋白降低。
研究意义
为宫颈癌免疫治疗提供新见解,并为基于IRGs的预后模型开发提供理论依据。

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

基于ssGSEA的免疫分型

根据免疫细胞浸润和通路活性将宫颈癌样本分为高免疫和低免疫组

利用ssGSEA计算29个免疫相关通路的免疫评分,通过层次聚类将TCGA样本分为Immunity_H(n=111)和Immunity_L(n=195)组,并用tSNE验证分组。

2

免疫组间TME差异分析

验证免疫分组的有效性

计算ESTIMATE评分、免疫评分和基质评分,比较HLA基因表达和免疫细胞浸润差异。

3

差异IRG筛选和交集

获得与免疫状态相关的差异表达IRG

使用limma分析Immunity_H和Immunity_L组间的差异基因,并取TCGA数据与GSE44001数据的交集。

4

预后模型构建和验证

构建并验证基于IRG的预后风险模型

对25个交集基因进行单变量Cox和LASSO回归,筛选出5个基因构建风险评分模型,并用训练集和测试集验证预后效果。

5

TME与高风险组差异分析

比较高低风险组的肿瘤微环境差异

比较高低风险组间的ESTIMATE评分、免疫评分和基质评分。

6

功能富集分析

预测五个预后IRG的功能和通路

对五个基因进行GO和KEGG富集分析。

7

免疫浸润相关性分析

评估五个基因与免疫细胞浸润的相关性

使用TIMER2数据库分析五个基因表达与肿瘤纯度和免疫细胞浸润的相关性。

8

蛋白表达验证

验证SEMA3A和CX3CL1蛋白在宫颈组织中的表达

通过IHC检测SEMA3A和CX3CL1在HSIL、宫颈癌和宫颈癌淋巴结转移组织中的表达。

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
抗SEMA3A抗体Biossbs-121R
抗CX3CL1抗体Proteintech10108-2-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
数据收集与预处理
TCGA和GSE44001数据集的样本量、基因表达数据及临床信息;IRG来源及筛选标准
阅读提示:Materials and methods 中 Data collection 部分
免疫分型
ssGSEA参数、聚类方法(hclust)及分组阈值 (高/低免疫组样本数)
阅读提示:Materials and methods 中 Clusters of CC samples by ssGSEA 和 Figure 1A
差异基因筛选
差异表达阈值(|log2FC|≥1, FDR≤0.05),Venn图交集基因数
阅读提示:Materials and methods 中 Extraction of the differential IRGs 和 Figure 3
预后模型构建
单变量Cox和LASSO回归的筛选标准;风险评分公式及中位风险评分值
阅读提示:Materials and methods 中 Prognostic model establishment and validation 和 Figure 4
模型验证
训练集与测试集划分(TCGA和GSE44001);AUC值、校准曲线、生存分析结果
阅读提示:Materials and methods 中 Prognostic model establishment and validation 和 Figure 5
免疫浸润相关性分析
TIMER2数据库中基因表达与肿瘤纯度及免疫细胞浸润的相关性(Pearson相关)
阅读提示:Materials and methods 中 TIMER2 database analysis 和 Figure 8
蛋白表达验证
样本类型及数量(HSIL, CC, CC-LNM);IHC抗体稀释度及评分方法
阅读提示:Materials and methods 中 Immunohistochemistry (IHC) staining analysis 和 Figure 9-10