髓系特征基因用于预测尤文肉瘤预后和免疫景观的表征

Characterization of myeloid signature genes for predicting prognosis and immune landscape in Ewing sarcoma.

作者信息Zhao Zhang, Yubo Shi, Zhijie Zhu, Jun Fu, Dong Liu, Xincheng Liu, Jingyi Dang, Huiren Tao, Hongbin Fan
PMID36478349
发布时间2023-04
DOI10.1111/cas.15688

实验完整度

中

研究包含生物信息学分析(差异表达、聚类、预后模型构建、功能富集),以及体外WB、qPCR和临床样本IHC验证,但缺乏动物模型或功能实验验证机制。

主要模型

GSE17679数据集(88例尤文肉瘤组织和18例正常组织) ICGC队列(57例尤文肉瘤组织) 尤文肉瘤细胞系RD-ES和A673 人间充质干细胞hMSC

重点核对

训练队列:GSE17679,含88例EWS和18例正常组织 预后模型基因:CTSD、SIRPA、FN1 验证队列:ICGC,含57例EWS组织 细胞系:RD-ES和A673(尤文肉瘤),hMSC(正常对照) IHC样本:六对石蜡包埋的EWS和癌旁组织

摘要

髓系细胞作为肿瘤微环境(TME)中高度异质性的亚群,与肿瘤发展密切相关。尤文肉瘤(EWS)的特征是肿瘤微环境中丰富的髓系细胞浸润。然而,髓系特征基因(MSGs)与EWS患者预后的相关性尚不清楚。在本研究中,我们在训练队列中综合表征了MSGs的表达,并将EWS患者分为两个亚型。免疫细胞浸润分析显示,MSGs亚型与不同的免疫状态密切相关。此外,通过单变量、LASSO和多变量Cox分析构建了一个三基因预后模型(CTSD、SIRPA和FN1),该模型在EWS患者中显示出极好的预后准确性。我们还开发了一个列线图,以更好地预测EWS的长期生存。功能富集分析显示,高风险组和低风险组的免疫相关通路显著不同。进一步分析显示,高风险组患者与免疫抑制微环境密切相关。最后,我们通过Western blot(WB)、qPCR和免疫组织化学(IHC)分析验证了这些候选基因的表达。总之,我们的研究确定MSGs模型与EWS患者的预后预测和免疫浸润密切相关,为EWS患者的临床治疗和管理提供了新的见解。

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
髓系特征基因(MSGs)在尤文肉瘤中的表达及其与患者预后和免疫浸润的相关性尚不清楚,本研究旨在探究其作为预后标志物的潜力。
核心机制
高风险组患者呈现免疫抑制微环境,M2巨噬细胞和中性粒细胞浸润增加,而CD8+ T细胞和NK细胞浸润减少,且免疫检查点和趋化因子受体表达上调,导致免疫逃逸和不良预后。
主要证据
通过GEO和ICGC队列的转录组数据构建并验证了CTSD、SIRPA和FN1三基因预后模型,KM曲线和ROC曲线显示其预后准确性;WB、qPCR和IHC验证了这三个基因在EWS中高表达,且IHC显示高风险组M2巨噬细胞和中性粒细胞浸润增加,CD8+ T细胞和NK细胞减少。
研究意义
MSGs模型为EWS患者的预后预测和免疫治疗提供了新的策略,可能有助于开发新的治疗靶点并促进个体化治疗。

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

数据获取与差异基因筛选

从GEO数据库获取EWS转录组数据,筛选与正常组织相比差异表达的髓系特征基因。

从GSE17679数据集获取106个RNA-seq样本,提取82个MSGs,使用limma包以adj. p<0.05和|FC|≥1.5筛选出30个DE-MSGs,并展示热图和火山图。

2

共识聚类分析确定亚型

根据DE-MSGs表达谱将EWS患者分为不同亚型,以评估其与免疫状态的关系。

使用ConsensusClusterPlus包进行共识聚类,通过CDF曲线确定最佳聚类数k=2,将患者分为两个亚型,并比较亚型间免疫细胞浸润差异。

3

构建和验证预后风险模型

构建基于MSGs的预后风险模型,并评估其在训练和验证队列中的预测准确性。

通过单变量Cox、LASSO和多变量Cox回归筛选出CTSD、SIRPA和FN1三个基因,构建风险评分公式,根据中位风险评分将患者分为高、低风险组,使用KM曲线和ROC曲线评估预后效果,并在ICGC队列中验证。

4

构建列线图预测模型

开发一个结合风险评分和临床特征的列线图,以预测EWS患者的长期生存概率。

基于训练队列,通过Cox回归整合临床特征和风险评分构建列线图,预测5年和7年生存率,并用C-index、ROC曲线和校准曲线评估其准确性。

5

功能富集分析与肿瘤微环境评估

探究高风险组和低风险组之间差异表达基因的功能,并评估两组样本的免疫细胞浸润和免疫抑制状态。

识别高、低风险组间的DEGs(adj. p<0.01, |FC|≥1.5),进行GO/KEGG富集分析和GSEA分析;使用ESTIMATE、CIBERSORT等算法评估TME评分和免疫细胞浸润,并比较免疫检查点和趋化因子受体表达。

6

体外验证候选基因表达

验证预后模型中三个基因(CTSD、SIRPA、FN1)在EWS细胞系和正常对照中的mRNA和蛋白表达差异。

培养EWS细胞系(RD-ES和A673)和正常对照hMSC,通过Western blot检测蛋白表达,通过qPCR检测mRNA表达。

7

临床样本验证

通过免疫组织化学验证候选基因在EWS组织和癌旁组织中的蛋白表达,并验证免疫细胞浸润模式的差异。

收集六对石蜡包埋的EWS和癌旁组织,进行IHC染色检测CTSD、SIRPA、FN1以及CD8、CD206、CD66b、CD57的表达,使用Image J计算阳性率。

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
RIPA裂解液Solarbio--
BCA蛋白定量试剂盒Solarbio--
CTSD抗体Proteintech21327-1-AP
SIRPA抗体AffinityAF0253
FN1抗体Proteintech15613-1-AP
GAPDH抗体Proteintech10494-1-AP
ECL发光液----
cDNA合成试剂盒Takara--
TB Green Premux Ex Taq II (Tli RNaseH Plus)Takara--
Bio-Rad CFX96实时荧光定量PCR仪Bio-RadCFX96
DMEM培养基----
RPMI 1640培养基----
胎牛血清----
青霉素/链霉素----
DAB显色试剂盒CWBIOCW2035S
CD8抗体Proteintech66868-1-lg
CD206抗体Proteintech60143-1-lg
CD66b抗体Abcamab300122
CD57抗体ServicebioGB113461
Image J软件----

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
数据获取与预后模型构建
训练队列GSE17679(88例EWS及18例正常样本)和验证队列ICGC(57例EWS样本)
阅读提示:见Materials and Methods 2.1 和 2.4
细胞培养
细胞系RD-ES和A673(EWS)及hMSC(正常对照)来源,培养条件(DMEM或RPMI1640,10% FBS,1% P/S,37°C,5% CO2)
阅读提示:见Materials and Methods 2.8
Western blot和qPCR验证
抗体信息(CTSD、SIRPA、FN1、GAPDH)及qPCR引物序列(见Table 1)
阅读提示:见Materials and Methods 2.9 和 2.10,Table 1
IHC验证
六对EWS和癌旁组织样本,抗体列表(CTSD、SIRPA、FN1、CD8、CD206、CD66b、CD57),DAB试剂盒
阅读提示:见Materials and Methods 2.11
数据分析
R包版本、算法参数(如limma筛选阈值、共识聚类重复次数)
阅读提示:见Materials and Methods 2.2-2.7