二硫化物凋亡相关亚型的相互作用:构建预测透明细胞肾细胞癌患者预后和免疫治疗应答的预后特征

Crosstalk of disulfidptosis-related subtypes identifying a prognostic signature to improve prognosis and immunotherapy responses of clear cell renal cell carcinoma patients.

作者信息Lei Ren, Jinwen Liu, Qingyuan Lin, Tianyi He, Guankai Huang, Weifeng Wang, Xunhao Zhan, Yu He, Bin Huang, Xiaopeng Mao
PMID38671348
发布时间2024-04-26
DOI10.1186/s12864-024-10307-0

实验完整度

基于公共数据库进行生物信息学分析,并构建和验证预后模型,同时通过qRT-PCR验证细胞系中基因表达。

主要模型

TCGA-KIRC队列(509例ccRCC及72例正常组织) E-MTAB-1980队列(99例ccRCC) Braun队列(CheckMate 010, 025,167例ccRCC) JAVELIN试验队列(221例RCC) ccRCC细胞系(ACHN、CAKI-1、786-O)及人肾近端肾小管上皮细胞系HK-2

重点核对

TCGA队列用于训练,E-MTAB-1980、Braun和JAVELIN队列用于测试。 基于13个DGs表达谱的共识聚类将TCGA队列分为两个聚类(k=2)。 基于LASSO Cox和多元Cox回归构建包含8个OS相关基因的DR评分公式。 根据中位DR评分将患者分为高低风险组。 qRT-PCR验证13个DGs在ccRCC细胞系中的mRNA表达水平。

摘要

背景:二硫化物凋亡是一种由高SLC7A11表达在葡萄糖饥饿条件下诱导的新型程序性细胞死亡形式,不同于其他已知的细胞死亡形式。然而,二硫化物凋亡在癌症中的作用尚未得到全面充分的研究,尤其是在透明细胞肾细胞癌(ccRCC)中。方法:研究了来自TCGA数据库的二硫化物凋亡相关基因(DGs)的表达谱和体细胞突变。通过无监督共识聚类分析确定了两个DGs聚类,并构建了二硫化物凋亡相关预后特征(DR评分)。此外,通过多个临床队列验证了DR评分在预后中的预测能力。我们还基于DR评分和临床特征开发了列线图。然后,我们研究了高危组和低危组之间在临床病理信息、TMB、肿瘤免疫景观和生物学特征方面的差异。我们通过TIDE算法、免疫检查点基因、submap分析和CheckMate免疫治疗队列评估了DR评分是否是预测免疫治疗应答的稳健工具。结果:我们确定了两个在预后、肿瘤免疫景观和临床特征方面具有显著差异的DGs聚类。多个临床队列证明DR评分是一个独立的危险因素。高危组患者具有更复杂的肿瘤免疫微环境,并在免疫治疗中遭受更多肿瘤免疫逃逸。此外,低危组患者预后更好,对免疫治疗应答更好,尤其是对抗PD-1和抗CTLA-4抑制剂,这在CheckMate免疫治疗队列中得到了验证。结论:DR评分可以准确预测预后和免疫治疗应答,并帮助临床医生为ccRCC患者提供个性化治疗方案。

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
二硫化物凋亡相关基因是否与ccRCC患者的预后和免疫治疗应答相关联,能否据此构建预测模型?
核心机制
高DR评分反映免疫抑制性肿瘤微环境,伴有更多免疫逃逸,导致预后不良和对免疫治疗应答差。
主要证据
基于TCGA、E-MTAB-1980、Braun和JAVELIN队列,DR评分独立预测OS;高DR评分组具有更高的TMB、免疫评分和免疫抑制细胞浸润,且对免疫治疗应答差,在CheckMate队列验证。
研究意义
DR评分可作为预测ccRCC患者预后和免疫治疗应答的工具,有助于个性化治疗。

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

数据收集与预处理

获取并标准化多个ccRCC队列的转录组和临床数据

从TCGA、GEO、ArrayExpress及文献获取RNA-seq数据和临床信息,去除生存时间小于30天的患者,进行log转化。

2

DGs表达和突变分析

分析13个DGs在ccRCC中的表达、突变和拷贝数变异

比较ccRCC和正常组织中13个DGs的mRNA表达,分析体细胞突变和CNV。

3

共识聚类鉴定亚型

基于DGs表达将TCGA患者分为不同亚型并评估预后和免疫景观差异

使用ConsensusClusterPlus进行无监督共识聚类,比较亚型间预后、临床特征和免疫浸润。

4

构建DR评分预后模型

建立基于DGs相关差异基因的预后评分模型

通过DEGs、单因素Cox、LASSO Cox和多因素Cox回归构建DR评分,并在多个队列验证。

5

临床相关性和列线图构建

评估DR评分的独立预后价值并构建临床预测工具

进行单因素和多因素Cox回归,构建列线图,并评估其校准和临床效益。

6

肿瘤突变负荷和免疫微环境分析

比较不同风险组的突变负荷和免疫细胞浸润差异

分析体细胞突变、TMB,使用ESTIMATE、CIBERSORT、ssGSEA评估免疫浸润。

7

免疫治疗应答预测与验证

评估DR评分预测免疫治疗应答的能力

使用TIDE算法、submap算法预测免疫治疗应答,并在CheckMate队列验证。

8

化疗药物敏感性预测

预测不同风险组对化疗药物的敏感性

基于GDSC数据库预测IC50值,并分析其与DR评分的相关性。

9

qRT-PCR验证细胞系中DGs表达

验证DGs在ccRCC细胞系中的mRNA表达水平

使用qRT-PCR检测THPs在三种ccRCC细胞系中的mRNA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
RPMI-1640培养基Invitrogen--
胎牛血清----
TRIzol试剂Invitrogen--
PrimeScript逆转录试剂盒EZBioscience--
EZBioscience 2×SYBR Green qPCR预混液EZBioscience--
引物TSINGKE--

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
数据收集与预处理
队列来源、样本数量、生存时间筛选(<30天排除)、数据标准化方法(log转化)
阅读提示:Methods: Sample data collection and procession
DGs表达和突变分析
13个DGs列表、表达差异分析、体细胞突变和CNV分析
阅读提示:Methods: Identification of disulfidptosis-related subtypes; Results: Expression profiles and transcriptional mutation
共识聚类
聚类数k=2、TCGA队列患者数、无监督聚类算法
阅读提示:Methods: Identification of disulfidptosis-related subtypes
DR评分构建
DEGs筛选标准(|log2FC|>1, padj<0.05)、LASSO和多元Cox回归、8个OS基因及系数
阅读提示:Methods: Development and validation of disulfidptosis-related prognostic signature
临床相关性和列线图
单/多因素Cox分析、列线图包含变量、校准曲线和C-index
阅读提示:Methods: Clinical characteristic... and nomogram; Results: Clinical significance
TMB和免疫微环境分析
TMB计算、中位数分组、ESTIMATE/CIBERSORT/ssGSEA算法
阅读提示:Methods: Tumor mutation burden analysis; Immune analysis
免疫治疗应答预测
TIDE算法、submap算法、CheckMate队列分组(CR/PR vs PD)、chi-square test
阅读提示:Methods: Prediction and verification of immunotherapy responses
化疗药物敏感性预测
IC50预测方法、药物列表、GDSC数据库
阅读提示:Methods: Prediction of chemotherapy
qRT-PCR验证
细胞系(786-O, ACHN, CaKi-1, HK-2)、培养条件、RNA提取和qRT-PCR程序、内参GAPDH
阅读提示:Methods: Cell culture; Quantitative real-time PCR (qRT-PCR)