整合分析EMT驱动基因确定胶质母细胞瘤预后特征及GJB2作为潜在生物标志物

Integrative analysis of EMT-driving genes identifies a prognostic signature and GJB2 as a potential biomarker in glioblastoma.

作者信息Xiao-Fei Liu, Bing Wang, Min Zhou, Duo Gong, Jia-Hui Zhang, Jun-Yan He, Wen-Tao Xiao
PMID41613945
发布时间2026-01-14
DOI10.3389/fcell.2025.1754988

实验完整度

中

包含多队列生物信息学分析、体外细胞实验(增殖、迁移、侵袭)及GJB2敲低验证,但缺乏体内动物模型和机制深入验证。

主要模型

U251细胞系 U87细胞系 TCGA-GBM队列 CGGA和GEO验证队列

重点核对

TCGA-GBM队列随机分为训练集和测试集,比例为1:1 LASSO Cox回归确定最优λ值(lambda.min) 风险评分公式基于五个基因的表达和系数 体外实验使用U251和U87细胞系,GJB2敲低通过shRNA慢病毒感染48小时 每种实验至少三个独立生物学重复

摘要

背景:胶质母细胞瘤(GBM)是一种侵袭性的中枢神经系统恶性肿瘤,以快速进展、治疗耐药和预后不良为特征。上皮-间质转化(EMT)有助于GBM的肿瘤可塑性和免疫重塑。识别具有预后和治疗相关性的EMT驱动基因(EDGs)可能为疾病进展和精准管理提供见解。本研究旨在系统性地识别预后相关EDGs,并构建一个稳健的基于EMT的GBM预后模型。方法:在五个GBM队列(TCGA、CGGA-693、CGGA-325、GSE83300和GSE74187)中进行单变量Cox回归分析,根据风险比(hazard ratios)对基因进行排序,随后进行基因集富集分析(GSEA),鉴定出EMT是与不良生存最相关的通路。将MSigDB和dbEMT2.0中的EMT相关基因与TCGA来源的预后基因相交集,获得145个EDGs。使用LASSO Cox回归生成EMT相关预后特征,并在独立数据集中进行验证。功能分析,包括基因本体论(GO)、京都基因与基因组百科全书(KEGG)、加权基因共表达网络分析(WGCNA)和GSEA,阐明了与风险特征相关的生物过程。免疫浸润分析(ESTIMATE、CIBERSORT)和药物敏感性分析表征了肿瘤微环境和治疗反应。随机森林分析和体外实验鉴定并验证了GJB2作为GBM进展的关键介质。结果:通过将TCGA来源的生存相关基因与MSigDB和dbEMT2.0中的EMT相关基因整合,共鉴定出145个EDGs。开发了一个EMT相关预后特征,并在五个GBM队列中进行了验证。风险评分将患者分为高风险和低风险组,两组生存结局显著不同,并在多变量Cox分析中仍为独立预后因素。结合风险评分、年龄、IDH突变状态和MGMT启动子甲基化的列线图显示出强大的预测性能。免疫谱分析显示,高风险组表现出“免疫炎症但免疫抑制”的表型,其特征是巨噬细胞和调节性T细胞浸润增加。药物敏感性分析提示,高风险GBM可能对紫杉醇和他莫昔芬反应更好。随机森林模型和体外实验鉴定GJB2为致癌驱动因子,促进GBM细胞增殖和迁移。结论:我们的研究结果提供了一个临床适用的基于EMT的预后框架,将转录可塑性与GBM患者结局联系起来,并确定GJB2是一个有前景的治疗靶点。

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
如何系统识别EMT驱动基因并构建稳健的EMT相关预后模型,以改善胶质母细胞瘤的风险分层?
核心机制
EMT相关转录程序与免疫抑制性肿瘤微环境共同驱动GBM恶性进展,其中GJB2可能通过促进肿瘤细胞增殖和迁移参与该过程。
主要证据
基于五个GBM队列的Cox回归和GSEA分析鉴定EMT为关键预后通路,构建并验证了由TGM2、FAM3C、MARVELD1、GJB2和KDM5B组成的预后特征;体外敲低GJB2显著抑制U251和U87细胞的增殖、迁移和侵袭。
研究意义
该研究提供了临床适用的EMT预后框架,并确定GJB2作为GBM的潜在治疗靶点和预后标志物。

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

数据获取与处理

整合多个GBM转录组队列,为预后分析奠定数据基础。

从TCGA、GEO和CGGA收集GBM数据,排除无生存信息或生存期≤30天的样本,最终纳入471例。进行归一化和log2转换,TCGA队列作为发现队列。

2

预后相关通路和EMT驱动基因识别

鉴定与GBM生存相关的生物学通路,并筛选EMT驱动基因。

在五个队列中进行单变量Cox回归,按log2HR排序基因,进行GSEA分析,鉴定EMT为显著富集的预后通路。将TCGA中预后相关基因与MSigDB和dbEMT2.0的EMT基因集相交,获得145个EDGs。

3

构建并验证EMT相关预后特征

基于EDGs构建预后风险评分,并验证其预测性能。

将TCGA队列随机分为训练集和测试集,通过LASSO和多元Cox回归筛选出5个基因,构建风险评分公式。在TCGA测试集、整个TCGA队列及四个外部队列中验证。

4

临床病理特征关联和列线图构建

评估风险特征与临床病理特征的关系,并构建临床预测工具。

分析风险评分与年龄、性别、IDH状态、MGMT启动子甲基化等特征的相关性,进行分层生存分析。构建包含风险评分、年龄、IDH状态和MGMT状态的列线图,并通过校准曲线、C-index和时间依赖ROC验证。

5

功能富集和免疫浸润分析

阐明风险特征的生物学功能及其与肿瘤免疫微环境的关系。

通过WGCNA识别与风险评分相关的基因模块,并进行GO和KEGG富集分析。使用GSEA比较高低风险组的通路富集。基于ESTIMATE和ssGSEA评估免疫浸润,并进行Spearman相关分析。

6

药物敏感性分析

探索风险特征与药物敏感性的关联,寻找潜在治疗药物。

使用CellMiner数据库分析风险评分与药物敏感性的相关性,主要基于NCI-60细胞系。发现高风险评分与多种药物(如紫杉醇、他莫昔芬)的IC50呈负相关。

7

GJB2功能验证

验证GJB2在GBM细胞中的功能作用,特别是对增殖、迁移和侵袭的影响。

通过shRNA慢病毒感染敲低U251和U87细胞中的GJB2,通过qRT-PCR和Western blot验证敲低效率。进行CCK-8、伤口愈合和Transwell实验评估细胞功能。

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
DMEM培养基ProcellPM150210
胎牛血清Procell164210
青霉素-链霉素溶液ProcellPB180120
pLKO.1载体Addgene--
shRNA寡核苷酸Sangon Biotech--
RIPA裂解液----
BCA蛋白定量试剂盒AbiowellAWB0104b
Hybond ECL膜GE Healthcare--
GJB2抗体Proteintech16960-1-AP
E-钙黏蛋白抗体SellectTA0131
N-钙黏蛋白抗体AbmartT55015
抗Tubulin抗体AbiowellAWA80025
ECL化学发光试剂Suzhou Xinsaimei BiotechnologyP10100
CCK-8试剂盒AbiowellAWC0114
Transwell小室BIOFIL--
CellMiner数据库----

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
TCGA-GBM队列样本数(n=146),排除标准为无生存信息或生存期≤30天,外部验证队列包括GSE83300、GSE74187、CGGA-693和CGGA-325
阅读提示:Materials and methods: Data acquisition
模型构建
TCGA队列按1:1随机分为训练集和测试集,LASSO Cox回归使用10折交叉验证,λ选择为lambda.min,风险评分公式中五个基因的系数
阅读提示:Materials and methods: Construction and validation of a prognostic signature based on EDGs; Figure 3
GJB2敲低实验
U251和U87细胞系,shRNA序列靶向GJB2,慢病毒感染48小时,嘌呤霉素筛选稳定株
阅读提示:Materials and methods: GJB2 knockdown; Figure 11
细胞增殖检测
96孔板每孔接种1×10^3个细胞,CCK-8溶液10μL,孵育1.5小时,生物重复n=5
阅读提示:Materials and methods: Cell proliferation assay; Figure 11
细胞迁移检测
伤口愈合实验使用6孔板,接种密度5×10^4个细胞/mL,划痕后0h和24h观察;Transwell实验上室细胞密度1×10^3个/100μL,孵育12小时
阅读提示:Materials and methods: Wound healing assay, Transwell assay; Figure 11