肾透明细胞癌中新型过氧化物酶体相关基因预后风险模型的建立与验证

Establishment and validation of a novel peroxisome-related gene prognostic risk model in kidney clear cell carcinoma.

作者信息Jing Zhang, Qian Zhao, Hongwei Huang, Xuhong Lin
PMID38297313
期刊BMC Urol
发布时间2024-01-31
DOI10.1186/s12894-024-01404-z

实验完整度

研究包括生物信息学分析(差异表达、Cox回归、LASSO建模、免疫浸润分析)和免疫组化验证,但缺乏体外或体内功能实验,属于中等完整度。

主要模型

TCGA-KIRC队列(522例肿瘤样本) GSE22541队列(24例肿瘤样本) 肾透明细胞癌组织及癌旁正常组织(免疫组化,各2例)

重点核对

训练队列(70%)与测试队列(30%)的划分基于随机抽样 风险评分的最优截断值(训练队列:1.848551) 免疫组化中ACAT1抗体的稀释比例(1:50) 免疫组化样本量(2例KIRC和2例正常组织)

摘要

背景:肾透明细胞癌(KIRC)是肾细胞癌最常见的亚型。过氧化物酶体在肿瘤发生和癌症进展的调控中发挥作用,然而过氧化物酶体相关基因(PRGs)的预后意义仍少有研究。本研究旨在建立一个新的预后风险模型并鉴定KIRC中的潜在生物标志物。方法:通过差异表达分析和Cox回归分析筛选显著的预后PRGs,并使用LASSO Cox回归分析在训练队列中建立预后风险模型,在测试队列和整体队列中进行内部验证,并在GSE22541队列中进一步评估。进行基因本体论(GO)富集分析和京都基因与基因组百科全书(KEGG)通路分析,以探讨高风险组和低风险组之间的功能和通路差异。在CIBERSORT、ESTIMATE和TIMER数据库中评估风险评分与免疫细胞浸润水平之间的关系。最后,使用免疫组织化学从模型基因中鉴定并验证潜在生物标志物。结果:通过多种分析鉴定了14个显著的预后PRGs,并通过LASSO Cox回归分析获得9个基因(ABCD1、ACAD11、ACAT1、AGXT、DAO、EPHX2、FNDC5、HAO1和HNGCLL1)来建立预后模型。将风险评分与临床因素结合构建列线图,为KIRC患者的个性化治疗方案提供了支持。GO和KEGG分析强调了与物质代谢、转运和PPAR信号通路的关联。肿瘤免疫浸润提示高风险组免疫抑制,伴随更高的肿瘤纯度,且9个模型基因的表达与免疫细胞浸润水平呈正相关。ACAT1在预测KIRC患者结局方面具有优越的预后能力。结论:过氧化物酶体相关预后风险模型可以更好地预测KIRC患者的预后。

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
过氧化物酶体相关基因能否作为肾透明细胞癌的预后标志物并构建有效的风险模型?
核心机制
高风险组的免疫抑制状态(如CD8+ T细胞等浸润增加但总体免疫抑制)可能与不良预后相关,且风险评分与免疫细胞浸润相关。
主要证据
基于TCGA和GEO数据,通过LASSO Cox回归构建九基因风险模型,内部和外部验证显示较好的预测准确性(AUC 0.637-0.913),并通过免疫组化证实ACAT1蛋白在KIRC中低表达。
研究意义
该风险模型可辅助KIRC患者的预后评估和个性化治疗决策,ACAT1可能作为潜在的治疗靶点。

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

数据获取与差异表达分析

筛选肾透明细胞癌与正常组织间差异表达的过氧化物酶体相关基因。

从UCSC Xena下载TCGA-KIRC和正常样本的RNA-seq数据,使用limma包进行差异表达分析。

2

聚类分析

基于差异表达基因探索KIRC亚型。

使用ConsensusClusterPlus包进行一致性聚类,K=3为最优。

3

构建预后风险模型

建立基于过氧化物酶体相关基因的预后风险模型。

通过单因素和多因素Cox回归筛选预后相关基因,再通过LASSO Cox回归建立模型。

4

模型验证与评估

验证风险模型在测试队列、整体队列和外部队列中的预测效能。

在测试、整体及GSE22541队列中,通过PCA、Kaplan-Meier曲线和ROC曲线评估模型。

5

独立预后分析

确定风险评分是否为独立预后因素。

进行单因素和多因素Cox回归分析。

6

构建列线图

建立可视化的预后预测工具。

整合风险评分和临床因素(年龄、分期)构建列线图,预测1、2、3年总生存率。

7

功能富集分析

探索高风险组与低风险组的生物学功能和通路差异。

基于差异表达基因进行GO和KEGG富集分析。

8

免疫浸润分析

评估风险评分与免疫细胞浸润的关系。

使用CIBERSORT、ESTIMATE和TIMER数据库分析免疫细胞浸润。

9

潜在生物标志物鉴定与验证

筛选并验证模型基因中的潜在预后生物标志物。

通过GEPIA2.0进行生存分析,UALCAN和HPA数据库验证表达,免疫组化验证ACAT1蛋白表达。

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
ACAT1抗体Proteintech16215-1-AP
QuickBlock™封闭液Beyotime Institute of Biotechnology--
HRP标记聚合物系统Elabscience Biotechnology Co, LtdE-IR-R215
DAB检测试剂----
Image Pro Plus软件6.0版Media Cybernetics, Inc.--

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
差异表达分析
样本量:365例KIRC vs 72例正常;阈值:|log2FC|>1,p<0.05
阅读提示:Methods: Differential analysis
聚类分析
聚类数K=3;重采样80%,重复10次;距离度量:1-Pearson相关
阅读提示:Methods: Cluster analysis
风险模型建立
训练队列样本数365;LASSO回归最优λ=0.0173;模型包含9个基因
阅读提示:Methods: Establishment of a peroxide-related gene risk model
模型验证
各队列风险评分截断值:训练1.848551,测试2.012904,GSE22541 21.73013
阅读提示:Methods: Validation and evaluation; Results: Establishment and validation
独立预后分析
单因素和多因素Cox回归中校正的因素:年龄、分期、分级
阅读提示:Methods: Independent prognostic analysis
列线图构建
纳入因素:年龄、分期、风险评分
阅读提示:Methods: Establishment and validation of the nomogram
功能富集分析
DEG阈值:|log2FC|>1,p<0.05;比较高风险组和低风险组
阅读提示:Methods: Functional enrichment analysis
免疫浸润分析
使用CIBERSORT、ESTIMATE和TIMER数据库;6种免疫细胞
阅读提示:Methods: Tumor immune infiltration
免疫组化
样本:2例KIRC和2例正常组织;ACAT1抗体稀释1:50,4°C过夜孵育;DAB显色5分钟
阅读提示:Methods: Immunohistochemistry