结肠癌中铜死亡和铁死亡相关亚型的鉴定及预后特征的开发

Identification of cuproptosis and ferroptosis-related subtypes and development of a prognostic signature in colon cancer.

作者信息Yinghao He, Fuqiang Liu, Qingshu Li, Zheng Jiang
PMID39883700
期刊PLoS One
发布时间2025-01-30
DOI10.1371/journal.pone.0307013

实验完整度

结合TCGA和GEO多队列转录组数据、共识聚类、预后模型构建与验证,以及qRT-PCR和免疫组化实验验证,但机制验证不足。

主要模型

TCGA结肠癌队列 GEO GSE39582结肠癌队列 10对结肠癌及癌旁组织 70对结肠癌及癌旁组织切片

重点核对

TCGA数据集按5:5分为训练集和测试集,GEO GSE39582用于外部验证 LASSO Cox回归和逐步多因素Cox回归筛选出7个基因模型 qRT-PCR验证10对新鲜结肠癌及癌旁组织 免疫组化验证70对结肠癌及癌旁组织切片,使用各抗体特定稀释度 分析模型基因和风险评分与28种免疫细胞和13种免疫功能的相关性

摘要

结肠癌作为一种全球高度流行的恶性肿瘤,对人类健康构成重大威胁。近年来,铁死亡和铜死亡作为两种新型的细胞死亡形式,因其在结肠癌发生发展和治疗中的潜在作用而受到广泛关注。然而,关于结肠癌患者的亚型及其对生存影响的研究仍然不足。本研究利用TCGA和GEO数据库的数据,检测了结肠癌中铁死亡和铜死亡相关基因的表达差异,并鉴定出两种亚型。通过功能分析和生物信息学方法,我们阐明了这两种亚型之间的通路差异和生物学特征。利用两种亚型之间的差异基因,我们通过单因素Cox回归、多因素Cox回归分析以及LASSO回归分析构建了一个预后模型。进一步的生存分析和受试者工作特征曲线分析表明该模型具有较高的准确性。为了增强其临床实用性,我们评估了该模型的临床意义并构建了列线图,显著提高了模型的预测能力,为结肠癌患者的预后评估提供了新工具。随后,通过免疫相关分析,我们揭示了高风险组和低风险组之间免疫细胞浸润和免疫功能的差异。进一步分析模型与免疫细胞及免疫功能之间的关系,发现了潜在的治疗靶点。药物敏感性分析揭示了模型相关基因表达与药物敏感性之间的关联,提示它们通过某些机制参与肿瘤耐药。AZD8055_1059、Bortezomib_1191、Dihydrorotenone_1827和MG-132_1862在高风险组中更为敏感。最后,我们分析了模型相关基因在肿瘤组织和正常组织中的差异表达,并通过实时定量PCR和免疫组化进行了验证。总之,我们的研究为结肠癌患者提供了一个相对准确的预后工具,为治疗选择提供了指导,并提示了免疫治疗在结肠癌中的潜力。

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
结肠癌中是否存在铜死亡和铁死亡相关亚型,以及这些亚型的免疫特征和预后价值如何?
核心机制
文中未明确说明。
主要证据
基于TCGA和GEO数据鉴定出两种亚型,并构建了7基因(MAGEA12、C12orf56、ASRGL1、EREG、RORC、MMP10、INHBB)预后模型;生存分析和ROC曲线验证了模型准确性;qRT-PCR和免疫组化验证了部分基因的差异表达。
研究意义
为结肠癌患者提供了相对准确的预后工具,指导治疗选择,并提示免疫治疗在结肠癌中的潜在应用。

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

筛选铜死亡和铁死亡相关差异表达基因

鉴定结肠癌中铜死亡和铁死亡相关基因的异常表达

从FerrDb数据库获取488个铁死亡和27个铜死亡相关基因,利用limma包对TCGA中正常和肿瘤样本进行差异分析,筛选出103个FCDEGs。

2

识别结肠癌分子亚型

基于FCDEGs表达谱鉴定结肠癌的不同亚型

基于103个FCDEGs表达谱,使用ConsensusClusterPlus进行无监督共识聚类,确定最佳K值,并比较亚型间免疫浸润和TME评分差异。

3

构建并验证预后模型

构建能够预测结肠癌患者生存的预后模型

对亚型间差异表达基因进行单因素Cox和LASSO回归筛选预后基因,经多因素Cox回归构建7基因模型,在训练、测试集及GEO队列中验证。

4

评估模型的临床意义

分析风险评分与临床特征的关系并构建列线图

比较不同临床特征组间的风险评分差异,通过单因素和多因素Cox回归确定独立预后因素,并构建列线图及校准曲线。

5

免疫浸润和肿瘤微环境分析

比较高风险组和低风险组的免疫特征差异

使用ssGSEA评估28种免疫细胞和13种免疫功能水平,比较高低风险组差异,并分析模型基因与免疫细胞/功能的相关性,利用ESTIMATE评估TME。

6

药物敏感性分析

评估模型基因表达与药物敏感性的关联

基于CTRP数据库,使用oncoPredict计算TCGA队列每个样本的药物敏感性分数,筛选与模型基因显著相关的药物,并比较高低风险组的敏感性差异。

7

模型相关基因的差异表达验证

验证模型相关基因在肿瘤和正常组织中的差异表达

在TCGA和GEO数据库中分析7个模型基因的差异表达,并通过qRT-PCR和免疫组化进行实验验证。

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----
Evo M-MLV逆转录反应混合液Ver.2----
抗EREG抗体 (YT6045)ImmunowayYT6045
抗MMP10抗体 (YT2793)ImmunowayYT2793
抗INHBB抗体 (FNab04320)FineTestFNab04320
抗ASRGL1抗体 (FNab00648)FineTestFNab00648
抗MAGEA12抗体 (bs-6818R)Biossbs-6818R
抗RORC抗体 (HA722121)HUABIOHA722121
抗C12orf56抗体 (HPA056986)Atlas AntibodiesHPA056986
聚合物HRP(兔)-P (RS0063)ImmunowayRS0063

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
数据收集与亚型鉴定
TCGA和GEO数据获取;FCDEGs筛选标准(|log2FC|>1, FDR<0.05);共识聚类K=2
阅读提示:Materials and methods: Collection of data and genes, Analysis of colon cancer molecular subtypes defined by FCDEGs; Results: The subtypes associated with ferroptosis and cuproptosis
预后模型构建与验证
训练集和测试集划分比例(5:5);LASSO回归参数;7基因模型公式;风险评分中位值分组
阅读提示:Materials and methods: Construction and validation of prediction model; Results: The construction and validation of the model
qRT-PCR验证
样本来源和例数(10对);RNA提取和逆转录试剂;引物序列;内参基因;2^-ΔΔCt法计算;配对t检验
阅读提示:Materials and methods: Real-time quantitative PCR (qRT-PCR); Results: Model-associated genes differential analysis
免疫组化验证
组织芯片例数(70对);抗体品牌、货号和稀释度;抗原修复条件;DAB染色和评分标准;配对t检验
阅读提示:Materials and methods: Immunohistochemistry; Results: Model-associated genes differential analysis
药物敏感性分析
药物敏感性分数计算;筛选阈值(平均分数<5);相关性分析阈值(cor>0.3, p<0.05)
阅读提示:Materials and methods: Drug sensitivity analysis; Results: Drug sensitivity analysis