ICD相关基因亚型鉴定
基于ICD相关基因表达对TCGA-BLCA患者进行分型，并比较不同亚型的预后和免疫特征。
对34个ICD相关基因进行无监督聚类分析，将患者分为ICD高和ICD低两组，比较两组间基因表达、生存期、肿瘤突变负荷及免疫浸润差异。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
通过CALR、IL1R1、IFNB1和IFNG评估肿瘤微环境，以评估膀胱癌患者的预后和免疫治疗反应。
An evaluation of the tumor microenvironment through CALR, IL1R1, IFNB1, and IFNG to assess prognosis and immunotherapy response in bladder cancer patients.
实验完整度
中本研究包含生物信息学分析（TCGA、GEO数据集）、组织芯片免疫荧光验证和单细胞测序分析，但缺乏体外或体内功能实验和机制验证，实验完整度居中。
主要模型
TCGA-BLCA队列 GSE13507数据集 膀胱癌组织芯片（63例肿瘤组织和16例癌旁正常组织） 单细胞RNA测序数据（GSE135337）
重点核对
根据ICD相关基因表达水平，将TCGA-BLCA患者分为ICD高和ICD低亚型，并进行生存分析比较。 基于CALR、IL1R1、IFNB1和IFNG表达及回归系数计算风险评分，根据中位数（4.372）将患者分为高风险和低风险组，进行生存分析。 在TCGA-BLCA、GSE13507和膀胱癌组织芯片中分别验证风险评分模型的预后价值。 使用ESTIMATE算法和多种免疫浸润算法（如CIBERSORT）评估肿瘤微环境和免疫细胞浸润。 通过pRRophetic算法评估化疗药物敏感性，使用IPS算法评估免疫治疗反应。
摘要
免疫原性细胞死亡（ICD）是一种能够激发适应性免疫反应的细胞死亡类型，可以重塑肿瘤微环境。探索膀胱癌（BLCA）中关键的ICD相关基因可以增强个体化治疗。癌症基因组图谱（TCGA）BLCA患者被分为两种ICD亚型：ICD高和ICD低。高ICD表达与免疫细胞浸润增加和更长的生存期相关，但可能伴有免疫功能的抑制。高ICD组对PD1靶向治疗的反应更好。一个包含四个ICD相关基因（CALR、IL1R1、IFNB1、IFNG）的风险评分模型在TCGA、GEO数据集和组织样本中得到了验证，显示较高的风险评分与较弱的抗肿瘤免疫功能、更多的促肿瘤元素、较低的免疫治疗反应率和较短的患者生存期相关。这项研究将ICD相关基因与BLCA的预后和免疫浸润联系起来，为个体化治疗指导提供了重要工具。
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
- 免疫原性细胞死亡相关基因在膀胱癌肿瘤微环境中的表达模式及其与预后和免疫治疗反应的关系如何？
- 核心机制
- 高风险评分与较弱的抗肿瘤免疫功能和更多的促肿瘤元素相关，包括免疫细胞浸润减少和免疫抑制性细胞（如M2型巨噬细胞和癌症相关成纤维细胞）增加，且与免疫耗竭标志物（CD8+LAG3+）正相关，与CD8+T细胞浸润负相关。
- 主要证据
- 基于TCGA-BLCA、GSE13507数据集及组织芯片的生存分析显示，高风险组患者生存期较短；组织芯片免疫荧光染色显示CALR在肿瘤组织中高表达，且风险评分与免疫抑制标志物CD39及免疫耗竭正相关；单细胞测序显示IL1R1主要在癌症相关成纤维细胞中表达。
- 研究意义
- 该风险评分模型可有效评估膀胱癌患者的免疫浸润、预后、免疫治疗反应和药物敏感性，为个体化治疗提供指导。
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。
风险评分模型构建
构建基于ICD相关基因的风险评分模型，用于预测患者预后和免疫治疗反应。
通过Cox单因素分析和LASSO回归分析筛选与总生存期显著相关的四个基因（CALR、IL1R1、IFNB1、IFNG），构建风险评分公式，将患者分为高风险和低风险组。
组织芯片验证
通过组织芯片免疫荧光染色验证风险评分模型中四个基因的表达及其与预后的关系。
使用包含63例膀胱癌组织和16例癌旁正常组织的组织芯片，对CALR、IL1R1、IFNB1、IFNG进行免疫荧光染色，并根据免疫反应评分（IRS）将患者分组，进行生存分析。
单细胞测序验证
分析四个风险基因在膀胱癌肿瘤微环境中的细胞类型特异性表达模式。
利用既往发表的单细胞RNA测序数据集（GSE135337）分析CALR、IL1R1、IFNB1、IFNG在不同细胞类型中的表达。
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。
验证样本或模型特征
验证免疫效应
产品清单
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 |
|---|---|
| ICD亚型分类 | ICD相关基因列表（34个）的具体来源（参考文献）、无监督聚类算法及分组标准（ssGSEA评分）的应用方式。 阅读提示：Materials and methods 部分'Identification of differentially expressed ICD-related genes'及'Functional enrichment analysis' |
| 风险评分模型构建 | LASSO回归的具体参数（如lambda值）及风险评分公式中基因表达量的标准化方法。 阅读提示：Materials and methods 部分'Construction and validation of risk-scoring model' |
| 组织芯片验证 | 组织芯片的详细临床信息（如患者年龄、性别、分期、分级等）及免疫荧光染色的定量方法（IRS评分标准）。 阅读提示：Materials and methods 部分'Construction and validation of risk-scoring model'及图6图注 |
| 单细胞测序分析 | 单细胞测序数据的分析流程（包括质量控制、归一化、聚类、细胞类型注释的参数）。 阅读提示：Materials and methods 部分提及的'general workflow for single-cell sequencing analysis' |
| 药物敏感性分析 | pRRophetic算法预测IC50的具体设置（如默认参数、表达数据标准化方法）。 阅读提示：Materials and methods 部分提及的'pRRophetic' |