一种新型坏死性凋亡相关长链非编码RNA模型用于预测透明细胞肾细胞癌的临床特征、免疫特征和治疗反应

A novel necroptosis-related long noncoding RNA model for predicting clinical features, immune characteristics, and therapeutic response in clear cell renal cell carcinoma.

作者信息Lei Zhang, Yongquan Chen, Weijing Hu, Bo Wu, Linfeng Ye, Dongwen Wang, Tao Bai
PMID37600792
发布时间2023-08-14
DOI10.3389/fimmu.2023.1230267

实验完整度

中

研究包含TCGA数据挖掘、模型构建及体外细胞实验验证(敲低后增殖、迁移、侵袭变化),但缺乏动物模型和机制深入验证。

主要模型

786-O细胞系 769-P细胞系 ACHN细胞系 293T细胞系 ccRCC患者组织样本(20对) TCGA ccRCC队列

重点核对

模型构建基于TCGA RNA-seq数据(537肿瘤和72正常组织) 四-NRL模型风险评分公式:risk score=AC016773.2×0.054+AC026401.3×0.027+EMX2OS×(−0.002)+AC024060.2×0.001 siRNA敲低AC016773.2、AC024060.2、AC026401.3和EMX2OS后检测细胞增殖、迁移和侵袭 qPCR验证hub lncRNAs在20对ccRCC组织和细胞系中的表达

摘要

背景:坏死性凋亡是一种与免疫相关的细胞死亡途径,参与肿瘤微环境(TME)的调控。在此,我们旨在探索坏死性凋亡在透明细胞肾细胞癌(ccRCC)中的作用,并构建坏死性凋亡相关lncRNA(NRL)模型,以评估其与临床特征和免疫状态的潜在关联。方法:从癌症基因组图谱(TCGA)获取ccRCC患者的基因表达谱和临床数据。采用Pearson相关、单因素Cox和最小绝对收缩和选择算子分析来开发NRL模型。采用Kaplan-Meier(K-M)和受试者工作特征(ROC)曲线分析来确定NRL模型的预后价值。利用临床信息评估NRL模型的诊断价值。使用ESTIMATE、GSEA、ssGSEA和CIBERSORT算法研究TME、免疫功能、免疫细胞浸润和免疫检查点与NRL模型风险评分的关联。基于NRL模型,使用免疫表型评分(IPS)和半数抑制浓度(IC50)来比较免疫治疗和化疗的疗效。最后,进行体外实验以确认NRLs的生物学作用。结果:在ccRCC中鉴定出共18个坏死性凋亡相关基因和285个NRLs。构建了一个四-NRL模型,并在ccRCC患者的诊断和预后中显示出良好性能。ESTIMATE评分、肿瘤突变负荷和肿瘤干性指数与NRL模型风险评分显著相关。趋化因子受体和免疫受体活性等免疫功能在不同风险组之间存在差异。免疫抑制细胞如Tregs的浸润在高风险患者中高于低风险患者。高风险患者对免疫治疗和某些化疗药物(如舒尼替尼和替西罗莫司)更敏感。最后,验证了模型中包含的NRLs的表达,在肿瘤细胞中敲低这些NRLs影响了细胞增殖、迁移和侵袭。结论:坏死性凋亡在ccRCC的进展中发挥重要作用。我们构建的NRL模型可用于预测ccRCC患者的临床特征和免疫特征。

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
探索坏死性凋亡相关lncRNA在透明细胞肾细胞癌中的作用,并构建模型预测临床特征、免疫特征和治疗反应。
核心机制
坏死性凋亡在ccRCC中发挥重要作用,NRL模型风险评分与肿瘤微环境、免疫细胞浸润(如Tregs)和免疫治疗反应相关。
主要证据
TCGA数据分析构建四-NRL模型,体外实验敲低AC016773.2、AC024060.2、AC026401.3抑制细胞增殖、迁移和侵袭,而EMX2OS敲低促进这些过程。
研究意义
NRL模型可作为预测ccRCC临床特征和免疫特征的指标,为临床化疗和免疫治疗提供指导,促进精准个体化诊疗。

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

数据获取与处理

获取ccRCC患者的基因表达和临床数据,为后续分析提供基础。

从TCGA下载基因表达数据(TPM格式)、体细胞突变、拷贝数变异和临床信息,使用R软件注释和提取mRNA和lncRNA表达矩阵。

2

坏死性凋亡相关基因表达特征分析

分析坏死性凋亡相关基因在ccRCC中的表达和变异,筛选关键基因。

从KEGG获取159个坏死性凋亡相关基因,使用limma包筛选差异表达基因,进行功能富集、蛋白互作、SNP和CNV分析。

3

NRL筛选与模型构建

筛选预后相关NRLs并构建NRL预后模型。

使用Wilcoxon检验和Spearman相关分析筛选DE-NRLs(|R|>0.6,P<0.001),单因素Cox回归筛选预后相关NRLs(P<0.001),LASSO回归构建四-NRL模型。

4

模型预后和诊断价值评估

评估NRL模型的预后和诊断能力。

根据中位风险评分分组,进行PCA、K-M生存分析、ROC曲线、单因素和多因素Cox回归,以及临床特征关联分析。

5

构建列线图预测生存

建立列线图以提高生存预测的准确性。

结合风险评分和临床参数构建列线图,使用校准曲线、ROC曲线和DCA评估。

6

TME和免疫细胞浸润分析

分析NRL模型风险评分与肿瘤微环境和免疫细胞浸润的关系。

使用ESTIMATE算法计算TME评分,使用GSEA、ssGSEA、CIBERSORT等算法分析免疫细胞浸润。

7

药物敏感性预测

评估NRL模型对免疫治疗和化疗反应的预测价值。

分析IPS和IC50,比较高风险和低风险组对免疫治疗和靶向药物的敏感性。

8

体外功能验证

验证hub lncRNAs在ccRCC细胞中的生物学功能。

使用qPCR检测lncRNA表达,siRNA敲低后通过CCK-8、伤口愈合和Transwell实验检测细胞增殖、迁移和侵袭。

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
TransZol Up试剂TransGen BiotechET111-01
Droplight304分光光度计Azanno Biotech--
Uni qPCR试剂盒TransGen BiotechAUQ01
ABI 7500 Fast实时荧光定量PCR仪----
DMEM培养基Procell--
胎牛血清Gibco10099-141
RNAFit转染试剂HanbioHB-RF-1000
细胞计数试剂盒-8MCEHY-K0301
VICTOR Nivo酶标仪PerkinElmer--
DMIL倒置显微镜Leica--
Matrigel基质胶ABW082704
Transwell小室FalconBD-353097

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、样本数量(537肿瘤和72正常)、临床信息字段
阅读提示:Methods 2.1 Data acquisition and processing
NRL筛选与模型构建
差异NRL筛选阈值(|R|>0.6,P<0.001)、LASSO回归参数、风险评分公式
阅读提示:Methods 2.3 and 2.4
体外功能验证
细胞系(786-O和769-P)、siRNA序列、转染浓度、检测时间点、重复数
阅读提示:Methods 2.11-2.13 and Figure 12
qPCR验证
引物序列(Table 1)、内参基因(GAPDH)、样本类型(20对组织和细胞系)
阅读提示:Methods 2.10 and Table 1