通过生物信息学分析和实验验证鉴定肾细胞癌中与副凋亡相关的亚型、构建预后特征及确定肿瘤微环境景观

Identification of Paraptosis-Related Renal Cell Carcinoma Subtypes, Construction of a Prognostic Signature, and Determination of Tumor Microenvironment Landscape Using Bioinformatic Analysis and Experimental Verification.

作者信息Mengyuan Qin, Meiting Chen, Yuling Gan, Xiangqian Feng, Ping Huang, Feifei Meng, Yufang Yang
PMID41751495
发布时间2026-02-23
DOI10.3390/cimb48020233

实验完整度

包含生物信息学分析(差异表达、共识聚类、LASSO/Cox建模)和体外实验验证(qRT-PCR、Western blot),但缺乏动物实验等高级功能验证。

主要模型

786-O细胞系 ACHN细胞系 HK-2正常肾上皮细胞系 TCGA-KIRC和GSE33371队列

重点核对

细胞系:HK-2、786-O、ACHN qRT-PCR和Western blot验证四基因(COL7A1, RNASE2, SLC10A2, APOLD1)表达 批量效应去除:使用sva包合并TCGA和GSE33371 共有亚型:PaRG cluster A/B 和 gene cluster A/B 生存分析:Kaplan-Meier曲线和log-rank检验

摘要

肾细胞癌(RCC)是一种常见且致命的泌尿系统癌症,目前缺乏稳健的预后生物标志物或个性化治疗策略。副凋亡是一种受调控的细胞死亡形式,以细胞质空泡化为特征,其在肿瘤发生和治疗反应中的作用日益受到重视,但其在RCC中的功能意义仍不明确。本研究系统分析了来自TCGA-KIRC和GSE33371数据集的转录组谱及相应的临床元数据,以表征肾细胞癌(RCC)中副凋亡相关基因(PaRG)的表达谱。通过共识聚类将患者分为两个亚型,鉴定了574个重叠差异表达基因(DEGs),并利用LASSO和多变量Cox回归构建了一个四基因(COL7A1、RNASE2、SLC10A2和APOLD1)预后特征。我们分析了该特征与肿瘤微环境(TME)特征、癌症干细胞(CSC)指数和肿瘤突变负荷(TMB)的关联,并通过qRT-PCR和Western blot验证了特征基因在RCC细胞系中的表达。四基因特征显示出稳健的预后性能(总队列1年、3年和5年AUC:0.751、0.735和0.733;训练队列0.735、0.731和0.767),高风险组患者的总生存期显著低于低风险组。低风险组表现出更高的基质、免疫和ESTIMATE评分(富集的免疫/基质浸润),而高风险组具有更高的CSC含量和TMB,且该特征与多种化疗药物的差异敏感性相关。qRT-PCR和Western blot均证实RCC细胞系中COL7A1和RNASE2表达上调,SLC10A2和APOLD1表达下调。我们的研究建立了基于副凋亡的RCC两亚型分类和四基因预后特征,可可靠预测患者生存,描绘TME特性,并指导个性化治疗,其中COL7A1作为潜在的治疗靶点,有助于加深对副凋亡在RCC发病机制中作用的理解并优化治疗。

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
研究旨在探讨副凋亡相关基因在肾细胞癌中的表达模式、分子亚型及其与预后和肿瘤微环境的关系,并构建预后预测模型。
核心机制
COL7A1作为细胞外基质成分,可能通过促进细胞粘附、迁移和侵袭促进RCC进展;RNASE2可能通过调控免疫微环境驱动RCC生长;SLC10A2下调与不良预后相关,可能通过影响免疫微环境调节;APOLD1下调可能通过抑制血管生成调控肿瘤生长。
主要证据
基于TCGA和GSE33371数据,通过共识聚类鉴定两个副凋亡相关亚型,构建四基因(COL7A1、RNASE2、SLC10A2、APOLD1)预后特征,并在RCC细胞系(786-O、ACHN)中通过qRT-PCR和Western blot验证了表达趋势。
研究意义
该研究建立了基于副凋亡的RCC亚型分类和预后特征,可预测患者生存、描绘TME特性,并指导个性化治疗,其中COL7A1可能作为潜在治疗靶点。

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

PaRG表达和遗传变异分析

分析副凋亡相关基因在RCC中的表达差异和遗传改变。

从TCGA和GSE33371数据中获取RCC和正常样本的转录组数据,对32个PaRGs进行差异表达分析,并分析体细胞突变和拷贝数变异。

2

副凋亡亚型的鉴定

基于PaRG表达将RCC患者分为不同分子亚型,以探索不同亚型的临床和生物学差异。

使用ConsensusClusterPlus进行共识聚类,将患者分为两个PaRG cluster(A和B),并通过PCA、GSVA和ssGSEA分析亚型间的转录组差异和免疫浸润差异。

3

预后基因特征构建

构建可预测RCC患者预后的基因风险模型。

比较两个PaRG亚型间的差异表达基因,通过单变量Cox回归筛选预后相关基因,再经LASSO和多变量Cox回归构建四基因预后特征。按中位风险评分将患者分为高低风险组,并验证其预后性能。

4

风险特征与TME、CSC和TMB的关联分析

探讨风险特征与肿瘤微环境、癌症干细胞指数和肿瘤突变负荷的关系。

计算高风险和低风险组的免疫/基质评分,分析风险评分与免疫细胞浸润、CSC指数的相关性,并比较两组间的突变谱。

5

体外实验验证

验证四基因在RCC细胞系中的表达水平,确认其与生物信息学分析的一致性。

在RCC细胞系(786-O和ACHN)和正常肾上皮细胞系(HK-2)中,通过qRT-PCR和Western blot检测COL7A1、RNASE2、SLC10A2和APOLD1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
MEM培养基Gibco41500034
RPMI-1640培养基Solarbio31800
FreeZol试剂VazymeR711-01
逆转录试剂盒VazymeQ222
qRT-PCR试剂盒VazymeMQ102-01
RIPA裂解液BeyotimeP0013B
蛋白酶抑制剂混合物Solarbio329-98-6
BCA蛋白定量试剂盒BeyotimeP0010
COL7A1抗体Proteintech19799-1-AP
RNASE2抗体Proteintech18172-1-AP
SLC10A2抗体Proteintech25245-1-AP
APOLD1抗体Biorbytorb325529
β-actin抗体Proteintech66009-1-Ig

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
数据获取与预处理
数据来源:TCGA-KIRC和GSE33371;批次效应去除方法(sva包);基因注释平台(如GPL570)
阅读提示:Materials and Methods 2.1
亚型鉴定
聚类数k=2;ConsensusClusterPlus参数(1000次重复)
阅读提示:Materials and Methods 2.2
预后模型构建
训练/测试集划分比例(1:1);LASSO回归的10倍交叉验证;多变量Cox回归的基因选择
阅读提示:Materials and Methods 2.4
体外验证
细胞系:HK-2, 786-O, ACHN;培养基:MEM(Gibco)和RPMI-1640(Solarbio);qRT-PCR内参β-actin;Western blot抗体稀释比例
阅读提示:Materials and Methods 2.9和2.10