结合批量与单细胞RNA测序分析建立肝细胞癌乳酸化相关基因特征

Establishment of a Lactylation-Related Gene Signature for Hepatocellular Carcinoma Applying Bulk and Single-Cell RNA Sequencing Analysis.

作者信息Lianghe Yu, Yan Shi, Zhenyu Zhi, Shuang Li, Wenlong Yu, Yongjie Zhang
PMID39990773
发布时间2025-02-14
DOI10.1155/ijog/3547543

实验完整度

包含生物信息学分析(bulk和scRNA-seq)与体外细胞实验(qRT-PCR、Western blot、CCK-8、伤口愈合、Transwell),但缺乏动物模型和体内验证。

主要模型

Huh-7人肝癌细胞系 THLE-2人肝上皮细胞系 TCGA-HCC队列(342例肿瘤和50例正常样本) GSE43619队列(88例HCC患者)

重点核对

TCGA-HCC数据集作为训练集,GSE43619作为验证集 乳酸化评分中位数分组 Riskscore模型构成基因及系数 CCT5 siRNA靶序列和转染条件 CCK-8、伤口愈合、Transwell实验的具体条件

摘要

背景:乳酸化与癌症进展密切相关,但其在肝细胞癌(HCC)中的作用尚不明确。本研究旨在建立HCC的乳酸化相关基因(LRG)特征。方法:使用基因集变异分析(GSVA)包计算肿瘤组和正常组的乳酸化评分。使用“Seurat”包对HCC进行单细胞RNA测序(scRNA-seq)分析。通过单变量和最小绝对收缩和选择算子(LASSO)Cox回归分析筛选预后LRG,以开发和验证Riskscore模型。使用“clusterProfiler”包通过基因集富集分析(GSEA)进行功能富集分析。比较高危组和低危组之间的基因组特征,并使用“Maftools”包计算肿瘤突变负荷(TMB)。通过细胞类型鉴定(CIBERSORT)、微环境细胞群计数器(MCP-counter)、免疫和癌细胞比例估计(EPIC)、肿瘤免疫估计资源(TIMER)和单样本基因集富集分析(ssGSEA)算法评估免疫细胞浸润。使用肿瘤免疫功能障碍和排斥(TIDE)算法预测免疫治疗反应。使用“pRRophetic”包分析药物敏感性。使用“rms”包建立列线图。通过体外实验验证HCC细胞中预后LRG的表达,并进行细胞计数试剂盒-8(CCK-8)、伤口愈合和Transwell实验以测量HCC细胞的活力、迁移和侵袭。结果:肿瘤组的乳酸化评分高于正常组,已被确认为HCC预后评估的独立因素。鉴定出六个预后LRG,包括两个保护基因(FTCD和APCS)和四个风险基因(LGALS3、C1orf43、TALDO1和CCT5),以建立风险评分模型,该模型在HCC中具有强大的预后预测性能。scRNA-seq分析显示LGALS3主要在髓系细胞中表达,而APCS、FTCD、TALDO1、CCT5和C1orf43主要在肝细胞中表达。高危组主要富集在肿瘤发生和发展相关的通路中,T细胞浸润更高。此外,发现高危组对免疫治疗的反应较低,但对化疗药物更敏感。通过整合Riskscore和临床特征,开发了具有高预测准确性的列线图。此外,C1orf43、CCT5、TALDO1和LGALS3在HCC细胞中高表达。沉默CCT5抑制了HCC细胞的活力、迁移和侵袭。结论:本研究开发了一种新的LRG基因特征,可被视为HCC的有前景的治疗靶点和生物标志物。

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
乳酸化相关基因在肝细胞癌中的预后价值、免疫微环境特征及潜在功能。
核心机制
乳酸化相关基因通过影响肿瘤发生发展相关通路、免疫细胞浸润和免疫治疗反应参与HCC进展;CCT5可能通过促进肿瘤细胞迁移和侵袭发挥作用。
主要证据
基于TCGA和GEO数据构建并验证六基因Riskscore模型;体外实验显示沉默CCT5降低Huh-7细胞活力和迁移、侵袭能力。
研究意义
作者认为该LRG基因特征可作生物标志物和治疗靶点,以改善HCC患者的预后评估和治疗干预。

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

乳酸化评分分析

评估HCC肿瘤与正常组织乳酸化水平差异及其预后价值。

基于TCGA-HCC队列,使用ssGSEA计算每个样本的乳酸化评分,依据中位数分组,进行K-M生存分析、临床特征相关性及Cox回归分析。

2

单细胞RNA测序分析

解析乳酸化相关基因在HCC中不同细胞类型的表达特征。

对GSE112271数据集进行scRNA-seq分析,聚类鉴定细胞类型,计算细胞乳酸化活性评分,比较高低LRG组的功能富集。

3

构建Riskscore模型

筛选预后相关乳酸化基因并建立风险评分模型。

对TCGA-HCC差异表达基因与scRNA-seq高低LRG组差异基因取交集,通过单变量Cox和LASSO回归筛选基因,构建Riskscore模型。

4

验证模型预后性能

评估Riskscore模型在训练集和验证集中的预测准确性。

在TCGA-HCC和GSE43619中按中位Riskscore分组,绘制K-M曲线和ROC曲线,比较高低风险组生存差异。

5

功能富集和基因组特征分析

探索高低风险组之间生物学功能和基因组差异。

使用GSEA进行GO富集,计算Hallmark通路分数,比较TMB和其他基因组特征。

6

免疫浸润和免疫治疗反应分析

评估不同风险组的免疫微环境特征和对免疫治疗的潜在反应。

使用CIBERSORT、MCP-counter、TIMER、EPIC和ssGSEA评估免疫细胞浸润,并利用TIDE算法预测免疫治疗反应。

7

药物敏感性分析

评估不同风险组对化疗药物的敏感性。

使用pRRophetic包计算IC50值,筛选与Riskscore显著相关的药物(|cor|>0.5)。

8

列线图建立与验证

整合Riskscore和临床特征建立预后预测模型。

使用rms包建立列线图,通过校准曲线和决策曲线分析评估准确性。

9

体外细胞验证

验证预后LRG在HCC细胞中的表达及CCT5的功能。

使用qRT-PCR检测Huh-7和THLE-2细胞中LRG表达,并通过siRNA沉默CCT5后,使用CCK-8、划痕和Transwell实验检测细胞活力、迁移和侵袭。

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----
胎牛血清----
抗生素/抗真菌溶液----
谷氨酰胺----
CCT5小干扰RNASangon Biotech--
阴性对照小干扰RNASangon Biotech--
Lipofectamine 2000转染试剂Invitrogen--
Trizol试剂SangonB610409-0100
cDNA合成试剂盒TiangenKR107-02
FastReal qPCR SYBR Green预混液TiangenFP217-02
RIPA裂解液----
蛋白酶抑制剂混合液Sigma--
硝酸纤维素膜Millipore--
增强化学发光系统Bio-Rad--
CCT5抗体----
GAPDH抗体----
HRP偶联二抗----
CCK-8溶液ElabscienceE-CK-A362
酶标仪(Multiskan SkyHigh)Thermo Fisher--
倒置显微镜(DM IL LED)Leica--
ImageJ软件----
Transwell小室(8 μm)BeyotimeFTW010-24Ins
Matrigel基质胶BeyotimeC0372
结晶紫----

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-HCC和GEO数据集(GSE43619, GSE112271)的具体版本和样本筛选标准(生存时间>30天)
阅读提示:Methods 2.1
乳酸化评分分析
LRG基因列表来源(332个基因),ssGSEA参数,分组中位数
阅读提示:Methods 2.2
scRNA-seq分析
Seurat版本和参数(dim=20, resolution=0.1),harmony去除批次效应,细胞类型注释标记基因
阅读提示:Methods 2.3
Riskscore模型构建
DEG筛选标准,LASSO参数(lambda=0.046),基因系数
阅读提示:Methods 2.5
体外细胞实验
细胞系来源(Huh-7, THLE-2),siRNA序列,转染时间,qRT-PCR反应条件,Western blot抗体信息
阅读提示:Methods 2.11-2.16