筛选关键预后基因
识别胰腺癌中与预后相关的基因
使用LASSO回归和随机森林分析GSE79668数据集，筛选出AMPD1和TNRC6C，并在外部数据集验证其表达与生存的关系。
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
胰腺癌微环境中新型标志物TNRC6C/AMPD1的预后价值及免疫浸润分析
Prognostic value and immune infiltration of novel markers TNRC6C/AMPD1 in pancreatic cancer microenvironment.
实验完整度
中研究包含生物信息学分析（LASSO、RF、Cox模型、免疫浸润）和体外细胞功能实验（CCK-8、Transwell、流式、Western blot、qRT-PCR），验证了基因表达与细胞行为的关系，但缺乏动物模型和临床样本验证，机制探讨主要基于预测和假设。
主要模型
人胰腺癌细胞系Panc 04.03和PANC-1 人正常胰腺导管上皮细胞HPDE6-C7 GEO和TCGA胰腺癌患者数据集
重点核对
基因表达水平：AMPD1和TNRC6C在胰腺癌组织中的表达显著低于正常组织，且与患者生存相关 细胞系选择：使用Panc 04.03和PANC-1细胞系进行功能实验 过表达效率：通过Western blot和qRT-PCR验证AMPD1和TNRC6C的过表达 功能实验条件：CCK-8检测细胞活力，Transwell检测迁移和侵袭，流式细胞术检测凋亡 预后模型：基于AMPD1和TNRC6C构建的Cox模型和诊断模型，需验证风险评分和列线图
摘要
背景：胰腺癌是一种高度致命的恶性肿瘤，治疗选择有限。识别新的预后生物标志物和治疗靶点对于改善患者预后至关重要。方法：对基因表达综合数据库（GEO，GSE79668，GSE183795）和癌症基因组图谱-胰腺腺癌（TCGA-PAAD）数据集进行了全面的生物信息学分析，以识别预后生物标志物。通过生存分析和Cox比例风险模型验证了这些生物标志物的预后价值。利用AMPD1和TNRC6C的表达水平构建了临床表型预测模型，并为其组合构建了逻辑回归模型。列线图的构建用于直观展示模型的预测能力。此外，进行了免疫浸润和单细胞分析以探索潜在机制。进行了功能实验以验证这些生物标志物对胰腺癌细胞行为的影响。结果：单磷酸腺苷脱氨酶1（AMPD1）和三核苷酸重复序列包含适配器6C（TNRC6C）被确定为胰腺癌的关键预后生物标志物。这些基因的高表达与患者更好的生存相关。此外，发现AMPD1和TNRC6C与多种免疫细胞呈正相关，提示它们在调节肿瘤免疫微环境中的潜在作用。功能实验证实这些基因抑制癌细胞增殖、迁移、侵袭，并促进凋亡。基于AMPD1和TNRC6C表达的预后模型显示出显著的预测准确性，提示其潜在的临床实用性。结论：本研究强调了AMPD1和TNRC6C在胰腺癌中的预后意义。这些发现为胰腺癌提供了潜在的新治疗靶点，并值得进一步研究。所开发的临床预测模型进一步支持其作为患者分层和预后生物标志物的潜在用途。
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
- 胰腺癌中哪些基因可作为预后生物标志物，它们如何影响肿瘤微环境和细胞行为？
- 核心机制
- AMPD1和TNRC6C作为抑癌因子，通过调节免疫微环境和抑制肿瘤细胞增殖、迁移、侵袭，促进凋亡来改善预后。可能机制涉及miRNA-TNRC6C-NR2F6-AMPD1调控轴。
- 主要证据
- 基于GEO和TCGA数据集的生存分析、Cox模型、免疫浸润分析和单细胞分析显示高表达AMPD1和TNRC6C与较好预后和免疫细胞浸润正相关；体外实验证实过表达AMPD1和TNRC6C抑制胰腺癌细胞活力、迁移和侵袭，并促进凋亡。
- 研究意义
- AMPD1和TNRC6C可作为胰腺癌的预后生物标志物和治疗靶点，为患者分层和免疫治疗策略提供潜在依据。
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。
构建并验证预后模型
构建基于AMPD1和TNRC6C的Cox模型，评估其预测能力
在GSE79668中构建Cox模型，计算风险评分，通过ROC曲线、混淆矩阵和列线图评估模型性能，并在外部数据集验证。
构建诊断模型
基于AMPD1和TNRC6C表达区分胰腺癌和正常组织
结合TCGA-PAAD和GTEx数据，使用逻辑回归构建诊断模型，评估AUC和列线图。
免疫微环境分析
探索AMPD1和TNRC6C与免疫细胞浸润的关系
使用ssGSEA评估免疫细胞浸润，分析基因表达与免疫细胞的相关性，并利用DISCO和TISCH2进行单细胞分析。
体外功能验证
验证AMPD1和TNRC6C对胰腺癌细胞行为的影响
在Panc 04.03和PANC-1细胞中过表达AMPD1和TNRC6C，检测细胞活力、迁移、侵袭和凋亡。
调控机制预测
预测调控AMPD1和TNRC6C的上游miRNA和转录因子
利用GEO miRNA数据集和多miR包预测靶向TNRC6C的miRNA，结合GSEA和TCGA数据预测NR2F6作为转录因子，构建miRNA-TNRC6C-NR2F6-AMPD1轴。
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 | RPMI-1640培养基 | -- | -- |
| DMEM培养基 | Procell | -- | |
| 胎牛血清 | -- | -- | |
| 青霉素-链霉素 | -- | -- | |
| 细胞转染 | Lipofectamine 2000转染试剂 | Invitrogen | -- |
| RNA提取与qRT-PCR | TRIzol试剂 | Invitrogen | -- |
| RT-PCR | PrimeScript逆转录试剂盒 | TaKaRa | -- |
| qRT-PCR | SYBR Green PCR试剂盒 | Qiagen | -- |
| LightCycler 480 II实时荧光定量PCR仪 | Roche | -- | |
| Western blot | RIPA裂解液 | Sigma-Aldrich | -- |
| PVDF膜 | Millipore | -- | |
| AMPD1抗体 | Proteintech | 19780-1-AP | |
| TNRC6C抗体 | Cusabio | CSB-PA862070LA01HU | |
| GAPDH抗体 | Proteintech | 60004-1-Ig | |
| 二抗 | zsbio | -- | |
| ECL化学发光试剂 | Nanjing KeyGEN Biotech Co., Ltd. | -- | |
| CCK-8实验 | CCK-8溶液 | servicebio | -- |
| 流式细胞术 | Annexin V-PE | Meilunebio | -- |
| 7-AAD | Meilunebio | -- | |
| 流式细胞仪 | BD Biosciences | -- | |
| Transwell实验 | Matrigel基质胶 | -- | -- |
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 |
|---|---|
| 细胞培养 | 细胞系：HPDE6-C7、Panc 04.03、PK-59、BxPC-3、PANC-1；培养基：RPMI-1640和DMEM；添加10% FBS和1% P/S；培养条件：37°C，5% CO2 阅读提示：见Materials and methods 2.7 Cell culture |
| 细胞转染 | 转染试剂：Lipofectamine 2000；过表达载体由RiboBio构建；转染效率通过Western blot和qRT-PCR验证 阅读提示：见Materials and methods 2.8 Cell transfection |
| qRT-PCR | 引物序列：AMPD1、TNRC6C、GAPDH；使用SYBR Green PCR Kit和LightCycler 480 II；基因表达计算采用2−ΔΔCt法 阅读提示：见Materials and methods 2.9 qRT-PCR |
| Western blot | 蛋白提取使用RIPA缓冲液；上样量40 μg；一抗：anti-AMPD1 (Proteintech, 19780-1-AP)、anti-TNRC6C (Cusabio, CSB-PA862070LA01HU)、anti-GAPDH (Proteintech, 60004-1-Ig)；二抗：zsbio 阅读提示：见Materials and methods 2.10 Western blot |
| CCK-8实验 | 细胞密度：5×10^3细胞/孔；加入10 μl CCK-8；37°C孵育2小时；检测450 nm OD值；时间点：24、48、72、96小时 阅读提示：见Materials and methods 2.11 Cell counting kit-8 (CCK-8) assay |
| 流式细胞术（凋亡） | 细胞重悬于1× binding buffer；加入5 μl Annexin V-PE和5 μl 7-AAD；孵育15分钟 阅读提示：见Materials and methods 2.12 Flow cytometry |
| Transwell实验 | 侵袭实验：上室加100 μl无血清培养基，下室加600 μl含10% FBS的培养基；细胞孵育24小时；迁移实验不使用Matrigel 阅读提示：见Materials and methods 2.13 Transwell assay |
| 生物信息学分析 | 数据集：GSE79668、GSE183795、TCGA-PAAD、GTEx；使用LASSO、RF、Cox模型、逻辑回归等；风险评分公式：Risk Score = (−1.4727 × TNRC6C) + (−0.3751 × AMPD1) 阅读提示：见Materials and methods 2.1-2.6及Results 3.1-3.2 |