构建人表皮生长因子受体2相关基因风险模型预测乳腺癌预后

Construction of a human epidermal growth factor receptor 2-related gene risk model for predicting breast cancer prognosis.

作者信息Limin Huang, Chunhong Xu, Yining Song, Furong Sun, Xuemei Sun, Hanyi Yao, Mingchen Liu, Nan Luo
PMID41383978
发布时间2025-12-01
DOI10.3892/ol.2025.15414

实验完整度

包含生物信息学分析、RT-qPCR验证和细胞功能实验,但缺乏体内实验和独立队列验证。

主要模型

TCGA-BRCA队列(741例) GSE7390数据集(198例) HER2阳性乳腺癌细胞系BT474、SKBR-3 HER2阴性乳腺癌细胞系MDA-MB-468

重点核对

TCGA和GSE7390数据集的样本量及临床信息完整性 RT-qPCR验证的临床样本来源(6例HER2阴性、6例HER2阳性)

摘要

本研究旨在构建人表皮生长因子受体2(HER2)相关基因风险模型以预测乳腺癌预后。从癌症基因组图谱数据库提取基因表达和临床随访数据,同时从基因表达综合数据库获取GSE7390数据集。进行预后和临床特征分析。此外,筛选HER2阴性和阳性组之间的差异表达基因,然后进行富集分析。随后,建立预后模型,并使用列线图预测预后。此外,分析风险评分与免疫的关联,并进行单细胞分析。接下来,通过逆转录定量PCR鉴定关键基因。结果显示,HER2与乳腺癌的雌激素受体状态、孕激素受体状态、N分期、美国癌症联合委员会分期、突变计数和肿瘤突变负荷显著相关。AS601245、AP.24534和roscovitine是风险组间敏感性差异最大的前三种化疗药物。共筛选出HER2阴性和阳性组之间的251个差异表达基因,发现它们显著参与京都基因与基因组百科全书的雌激素信号通路、PI3K-AKT信号通路和化学致癌-受体激活通路。构建了八个预后基因模型,发现高风险组患者的生存时间显著短于低风险组。包含风险组和临床病理特征的列线图显示出强大的预测能力和高准确性。RT-qPCR结果表明,电子转移黄素蛋白亚基α、Rap鸟嘌呤核苷酸交换因子样1、角蛋白7、分化簇24、富含脯氨酸15样、花生四烯酸15-脂氧合酶B型、ELOVL脂肪酸延长酶2和C-X-C基序趋化因子配体9的表达与生物信息学分析结果一致。总之,本研究开发的HER2相关风险模型和列线图在预测患者生存方面表现出高准确性。

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
HER2相关基因是否可用于构建预测乳腺癌预后的风险模型,并识别潜在的治疗靶点?
核心机制
ELOVL2过表达通过抑制PI3K-AKT通路(降低p-PI3K和p-AKT水平)抑制HER2阳性乳腺癌细胞增殖。
主要证据
基于TCGA和GSE7390数据构建的八基因风险模型显示高风险组生存较差;RT-qPCR验证了八基因表达;细胞实验证实ELOVL2过表达抑制BT474和SKBR-3细胞增殖并降低p-PI3K和p-AKT水平。
研究意义
该风险模型和列线图可准确评估HER2阳性乳腺癌患者的生存率,为个体化治疗提供潜在靶点(如ELOVL2)。

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

数据收集与预处理

获取乳腺癌基因表达和临床数据,为后续分析奠定基础。

从TCGA数据库获取BRCA基因表达和临床数据,共741个样本;从GEO获取GSE7390数据集,共198个样本。

2

差异表达基因筛选与富集分析

识别HER2阴性和阳性组之间的差异表达基因及其富集通路。

使用limma包进行差异表达分析,筛选出251个DEGs,并进行GO和KEGG富集分析。

3

预后风险模型构建与验证

构建基于关键基因的预后风险模型并评估其预测能力。

通过单因素Cox、LASSO和逐步Cox回归筛选出8个关键基因,构建风险评分模型,并在TCGA和GSE7390数据集中验证。

4

列线图构建与评估

构建可视化列线图以预测患者生存概率。

基于年龄、M分期和风险评分构建列线图,并评估其区分度和校准度。

5

免疫浸润与单细胞分析

分析不同风险组间的免疫细胞浸润差异及关键基因在单细胞水平的表达。

使用CIBERSORT、ssGSEA和xCELL评估免疫细胞浸润,并利用GSE161529数据集进行单细胞分析。

6

RT-qPCR验证

验证关键基因在临床样本中的表达差异。

收集6例HER2阴性和6例HER2阳性乳腺癌样本,提取RNA后逆转录并定量PCR检测8个关键基因的表达。

7

细胞功能验证

验证ELOVL2对HER2阳性乳腺癌细胞增殖的影响及其机制。

将ELOVL2过表达质粒转染至BT474和SKBR-3细胞,通过CCK-8检测细胞增殖,Western blot检测PI3K/AKT通路蛋白。

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
RNeasy试剂盒Qiagen74104
QuantiTect逆转录试剂盒Qiagen205311
SYBR Green I荧光染料Bio-Rad1708882
CFX96 Bio-Rad系统Bio-Rad--
RPMI 1640培养基Gibco; Thermo Fisher Scientific11875093
胎牛血清Gibco; Thermo Fisher Scientific10099141
Lipofectamine 2000转染试剂Invitrogen; Thermo Fisher Scientific11668019
CCK-8试剂Dojindo LaboratoriesCK04
RIPA裂解液Beyotime Institute of BiotechnologyP0013B
BCA试剂盒Thermo Fisher Scientific23225
PVDF膜MilliporeSigma--
PI3K (p110 alpha)抗体Cell Signaling Technology4255
磷酸化PI3K (p85/p55)抗体Cell Signaling Technology17366
AKT (pan)抗体Cell Signaling Technology4685
磷酸化AKT (Ser473)抗体Cell Signaling Technology4060
GAPDH抗体Cell Signaling Technology2118
山羊抗兔IgG (H+L)过氧化物酶偶联抗体Wuhan Elabscience BiotechnologyE-AB-1003
山羊抗小鼠IgG (H+L)过氧化物酶偶联抗体Wuhan Elabscience BiotechnologyE-AB-1001
ECL Plus Western印迹底物Thermo Fisher Scientific--

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
数据收集与预处理
TCGA-BRCA队列和GSE7390数据集的样本量、筛选标准(排除OS时间0天或缺失生存数据的样本)
阅读提示:Materials and methods: Data collection and preprocessing
差异表达分析
阈值:|log2FC|≥0.585,adj. P<0.05;富集分析阈值:count>2,adj. P<0.05
阅读提示:Materials and methods: Identification of differentially expressed genes
预后模型构建
单因素Cox P<0.05,LASSO 10倍交叉验证,逐步Cox回归选择的8个基因
阅读提示:Materials and methods: Construction of a prognostic risk model
RT-qPCR验证
临床样本来源(6例HER2阴性、6例HER2阳性)、患者年龄32-69岁、内参基因GAPDH、3次技术重复
阅读提示:Materials and methods: Reverse transcription-quantitative PCR
细胞实验
细胞系(BT474、SKBR-3、MDA-MB-468)、转染浓度(2 µg per 1×10^6 cells)、CCK-8接种密度(1×10^4 cells/well)
阅读提示:Materials and methods: Cell culture and transfection; CCK-8 assay