数据获取与模型构建
识别与氨基酸代谢相关的lncRNA并构建预后风险模型。
从TCGA-LIHC获取转录组和临床数据，从MSigDB获取374个氨基酸代谢基因，通过Pearson相关筛选相关lncRNA，使用单变量Cox、LASSO和多变量Cox构建风险模型。
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
氨基酸代谢相关的长链非编码RNA作为肝细胞癌预后生物标志物和免疫治疗反应的预测因子
Amino acid metabolism-related LncRNAs as prognostic biomarkers and predictors of immunotherapy response in hepatocellular carcinoma.
实验完整度
中研究包含生物信息学分析（TCGA数据建模、免疫浸润等）和体外细胞实验（RT-qPCR、CCK-8、克隆形成、Transwell），但缺乏动物模型、患者样本验证及多层级机制验证，实验完整度中等。
主要模型
HCC细胞系（Huh-1、Hep-3B、Huh-7、HCCLM3） 正常肝细胞系THLE2 TCGA-LIHC患者队列
重点核对
TCGA-LIHC患者队列，排除OS<30天，训练和验证各170例 细胞系：Huh-1、Hep-3B、Huh-7、HCCLM3、THLE2（Procell） siRNA敲低AL590681.1，使用Lipofectamine 3000 CCK-8、克隆形成、Transwell迁移实验条件
摘要
背景：肝细胞癌（HCC）在常见恶性肿瘤中死亡率较高。找到与HCC相关的通路是靶向代谢进行癌症治疗的主要挑战。方法：基于TCGA数据库的转录组数据，使用单变量Cox分析、LASSO和多变量Cox分析来鉴定关键的氨基酸代谢相关lncRNA并构建风险模型。然后进行了K-M生存分析、时间依赖性ROC曲线分析、遗传变异分析、功能富集分析、免疫浸润状态评估和免疫治疗反应预测。最后，评估了特征基因AL590681.1在不同HCC细胞系中的作用。结果：24个lncRNA与氨基酸代谢和预后因素相关，其中4个lncRNA纳入风险模型。高风险组患者的OS率低于低风险组。高风险组有更多免疫抑制性免疫细胞浸润，并表达CD276、CTLA4和TIGIT。高风险组患者可能对抗PD-1治疗有更好的生存前景。最后，关键基因AL590681.1在多种HCC细胞系中过表达，并能增强HCC细胞活性。结论：我们开发了一种新的基于氨基酸代谢相关lncRNA的HCC患者风险模型，该模型有助于预测预后和免疫治疗反应。
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
- 探究氨基酸代谢相关lncRNA能否作为肝细胞癌预后生物标志物及免疫治疗反应预测因子。
- 核心机制
- 文中未明确说明具体分子机制，但推测高风险的免疫抑制微环境（Treg浸润、免疫检查点表达增加）可能导致免疫逃逸，且AL590681.1可能通过促进细胞增殖和迁移影响预后。
- 主要证据
- 基于TCGA-LIHC数据构建4-lncRNA风险模型，K-M和ROC显示预测价值；体外实验显示敲低AL590681.1抑制Huh-1细胞增殖和迁移。
- 研究意义
- 该风险模型可能有助于预测HCC患者预后和免疫治疗反应，为个体化治疗提供潜在工具。
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。
风险模型验证
验证风险模型的预后预测能力。
通过K-M生存分析、时间依赖性ROC曲线、独立预后分析、列线图等评估风险模型。
肿瘤突变负荷和拷贝数变异分析
比较高风险组和低风险组的基因组变异差异。
计算TMB和CNV，比较两组差异，并进行生存分析。
富集分析
探索高风险组和低风险组差异表达基因的生物学功能。
对DEGs进行GO、KEGG和GSEA分析，并分析与风险评分相关的通路。
免疫微环境和免疫治疗反应分析
评估风险评分与免疫细胞浸润、免疫检查点表达和免疫治疗反应的关系。
使用ssGSEA评估免疫浸润，比较免疫检查点表达，使用TIDE和SubMap预测免疫治疗反应。
体外功能实验
验证特征基因AL590681.1在HCC细胞中的功能。
通过RT-qPCR检测AL590681.1在多种HCC细胞系的表达，选择高表达的Huh-1进行siRNA敲低，然后进行CCK-8、克隆形成和Transwell迁移实验。
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 | DMEM培养基 | 文中未明确说明 | -- |
| 胎牛血清 | 文中未明确说明 | -- | |
| THLE2 | Procell | CL-0833 | |
| Hep-3B | Procell | CL-0102 | |
| Huh-1 | Procell | CL-0811 | |
| Huh-7 | Procell | CL-0120 | |
| HCCLM3 | Procell | CL-0278 | |
| 基因敲低 | Lipofectamine 3000 | Invitrogen | -- |
| RT-qPCR | 实时荧光定量PCR | 文中未明确说明 | -- |
| 细胞增殖检测 | CCK-8实验 | 文中未明确说明 | -- |
| 细胞迁移检测 | Transwell小室 | Corning Costar | -- |
| 统计分析 | R软件 | 文中未明确说明 | 4.2.1 |
| GraphPad Prism | GraphPad Software, Inc. | 9.4.0 |
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 |
|---|---|
| 风险模型构建 | TCGA-LIHC数据版本、筛选条件（|Pearson|>0.4且p<0.05）、单变量Cox p<0.05、LASSO和多元Cox具体参数、训练/验证集划分方式 阅读提示：Methods: Data acquisition; Construction and validation of the AAM-related LncRNAs risk model |
| 细胞培养 | 细胞培养条件（DMEM+10%FBS，37°C，5%CO2） 阅读提示：Methods: Cell line, RNA interfering, proliferation and migration assay |
| 基因敲低 | siRNA序列（Table S1）、转染试剂（Lipofectamine 3000）、转染时间（48小时）、敲低效率验证（RT-qPCR） 阅读提示：Methods: Cell line, RNA interfering, proliferation and migration assay; Figure 9B |
| 细胞增殖检测 | CCK-8实验的具体步骤和时间点（文中未明确说明）、克隆形成实验的细胞数（1000）、培养时间（14天）、固定和染色时间（各20分钟） 阅读提示：Methods: Cell line, RNA interfering, proliferation and migration assay; Figure 9C, D |
| 细胞迁移检测 | Transwell迁移实验的细胞数（2×10^4）、上室无血清、下室10%FBS、培养时间（24小时） 阅读提示：Methods: Cell line, RNA interfering, proliferation and migration assay; Figure 9E |