数据收集与基因筛选
识别与胶质瘤预后相关的IGF-1R信号通路基因。
从CGGA和TCGA数据库获取胶质瘤转录组数据和临床信息，从PathCards提取110个IGF-1R相关信号通路基因，通过单变量Cox回归分析筛选与总生存期显著相关的基因。
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
IGF-1R相关信号通路基因标签在胶质瘤中的预后及治疗意义
Prognosis and therapeutic significance of IGF-1R-related signaling pathway gene signature in glioma.
实验完整度
中包括公共数据库（TCGA、CGGA）的转录组数据分析、LASSO-Cox建模、免疫浸润分析、药物反应预测，以及HSP90B1的Western blot和免疫组化验证，但缺乏功能实验和体内实验。
主要模型
TCGA-GBMLGG胶质瘤队列 CGGA325和CGGA693胶质瘤队列 临床胶质瘤组织样本（101例） 胶质瘤细胞系（T98G、U251、U87、LN229、U118MG）
重点核对
TCGA-GBMLGG、CGGA325、CGGA693队列中患者分组依据（中位风险评分） LASSO-Cox回归模型中16个风险基因及其系数 免疫组化中HSP90B1抗体浓度（1:200）及染色评分标准 预测化疗药物反应时使用的GDSC数据库和IC50计算方法 免疫治疗反应预测使用的Submap算法及参考数据集（47例黑色素瘤患者）
摘要
背景：胶质瘤是中枢神经系统最常见的癌症，治疗反应和临床预后较差。胰岛素样生长因子1受体（IGF-1R）信号传导与肿瘤的发生和发展有关，并在功能抑制后诱导癌细胞凋亡。然而，IGF-1R相关信号通路基因与胶质瘤预后或免疫治疗/化疗之间的关系尚不清楚。方法：采用LASSO-Cox回归在TCGA-GBMLGG队列中建立16基因风险标签，并将所有胶质瘤患者分为低风险和高风险亚组。然后分析风险标签与肿瘤免疫微环境（TIME）、免疫治疗反应和化疗反应之间的关系。采用免疫组织化学方法评估临床胶质瘤组织中HSP90B1的水平。结果：基因风险标签在预后方面显示出优越的预测效能（5年曲线下面积：0.875），因此可以作为胶质瘤患者的独立预后指标。高风险亚组在TIME中表现出丰富的免疫浸润和升高的免疫检查点基因表达。后续分析显示，高风险亚组患者从化疗中获益更多。免疫组织化学分析证实HSP90B1在胶质瘤中过表达，在胶质母细胞瘤中观察到的水平显著高于星形细胞瘤或少突胶质细胞瘤。结论：新确定的16基因风险标签对胶质瘤预后具有稳健的预测能力，并在TIME中发挥关键作用，从而为探索新的生物标志物和靶向治疗提供了有价值的见解。
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
- 本研究旨在探讨IGF-1R相关信号通路基因在胶质瘤中的预后价值，及其与肿瘤免疫微环境和免疫治疗/化疗反应的关系。
- 核心机制
- IGF-1R相关信号通路基因风险标签与肿瘤免疫微环境密切相关，高风险亚组表现出免疫抑制特征，如Treg和Th2细胞富集，且免疫检查点基因表达升高。
- 主要证据
- 基于TCGA、CGGA队列的转录组数据，通过LASSO-Cox回归构建16基因风险标签，并验证其预后预测能力（5年AUC=0.875）；通过免疫浸润分析和药物反应预测，发现高风险亚组对化疗更敏感；免疫组化验证HSP90B1在胶质瘤中高表达。
- 研究意义
- 该风险标签可作为胶质瘤的独立预后指标，为探索新的生物标志物和靶向治疗提供有价值的见解。
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。
构建16基因风险标签
建立风险评分模型以预测胶质瘤患者预后。
使用LASSO-Cox回归在TCGA-GBMLGG队列中筛选出16个最优风险基因，并根据基因表达水平和回归系数计算每个患者的风险评分。
生存分析及预后模型构建
评估风险标签对总生存期的预测效能。
根据中位风险评分将患者分为高低风险组，进行K-M生存分析、ROC曲线分析，并通过单因素和多因素Cox回归构建列线图。
功能富集分析
探索16个风险基因的生物学功能和相关通路。
使用clusterProfiler和ReactomePA对16个风险基因进行GO和Reactome通路富集分析。
免疫微环境分析
评估风险标签与肿瘤免疫微环境的关系。
使用ESTIMATE、MCP和ssGSEA算法评估免疫细胞浸润和免疫评分，分析免疫检查点基因与风险评分的相关性。
预测免疫治疗和化疗反应
探究风险标签对免疫治疗和化疗反应的预测价值。
使用Submap算法预测PD1和CTLA4免疫检查点阻断反应，使用GDSC数据库预测化疗敏感性，并通过cMap验证药物关联。
HSP90B1表达验证
验证HSP90B1在胶质瘤中的表达水平。
通过GEPIA和UALCAN数据库分析HSP90B1表达，使用Western blot检测胶质瘤细胞系中蛋白水平，通过免疫组化检测临床样本中的表达。
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 |
|---|---|---|---|
| 细胞培养 | 高糖杜氏改良Eagle培养基 | -- | -- |
| 胎牛血清 | -- | -- | |
| 青霉素-链霉素 | Gibco | 15140-122 | |
| Western blot | RIPA裂解液 | -- | -- |
| BCA蛋白定量试剂盒 | -- | -- | |
| 聚偏二氟乙烯膜 | -- | -- | |
| HSP90B1抗体 | proteintech | 14700-1-AP | |
| Actin抗体 | Servicebio | GB15003-100 | |
| 增强化学发光检测 | -- | -- | |
| 免疫组织化学 | 牛血清白蛋白 | Sigma | B2064 |
| HSP90B1一抗 | proteintech | 14700-1-AP | |
| 生物素化免疫球蛋白G二抗 | -- | -- | |
| Dako REAL™ EnVision™检测系统 | Dako | -- | |
| 数字病理切片扫描仪KF-PRO-120 | KFBIO | -- | |
| 数据分析 | R软件 | -- | 4.1.3 |
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 | 公共数据队列（TCGA-GBMLGG、CGGA325、CGGA693）的版本和样本筛选标准（原发性病例、排除缺失生存数据） 阅读提示：Methods 2.1 Data collection |
| 风险模型构建 | LASSO-Cox回归的惩罚参数λ选择方法（十折交叉验证），16个风险基因及系数 阅读提示：Methods 2.2 Screening of IGF-1R-related signaling pathway genes and calculation of IGF1RS |
| 生存分析和预后模型 | 风险评分中位数分组，K-M分析、ROC曲线、列线图构建和验证（C-index、校准曲线） 阅读提示：Methods 2.3 Survival analysis; 2.4 Development of a prognostic nomogram |
| 免疫微环境分析 | ESTIMATE、MCP、ssGSEA算法参数和版本 阅读提示：Methods 2.6 Immune infiltration analysis |
| 免疫治疗和化疗反应预测 | Submap算法参考数据集（47例黑色素瘤患者），GDSC预测IC50的方法（pRRophetic包） 阅读提示：Methods 2.7 Prediction of immunotherapy/chemotherapy response |
| HSP90B1表达验证 | 细胞系来源和培养条件，Western blot一抗浓度（HSP90B1:1:10000；Actin:1:15000），免疫组化评分标准（阳性细胞百分比和染色强度乘积） 阅读提示：Methods 2.8 HSP90B1 expression, cell culture, and Western blot analyses; 2.9 Immunofluorescence, single-cell expression, and immunohistochemistry analyses |