患者样本收集与p53状态分组
建立基于p53免疫组化状态的子宫内膜癌样本队列，用于比较IFN-I通路表达。
收集2022-2026年手术分期子宫内膜癌FFPE样本，按p53 IHC状态分为p53wt（n=25）、p53mut过表达（n=15）和p53mut缺失（n=10），并提取临床病理数据。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
突变型p53导致子宫内膜癌中I型干扰素通路表达和信号传导的改变
Mutated p53 results in altered type I interferon pathway expression and signaling in endometrial cancer
实验完整度
高包含患者样本多重IHC（n=50）和TCGA-UCEC队列（n=443）两个独立证据层级，并进行了通路相关性和GSEA验证。
主要模型
子宫内膜癌患者FFPE肿瘤样本（n=50） TCGA-UCEC队列肿瘤样本（n=443）
重点核对
p53状态分组：p53wt（n=25）、p53mut过表达（n=15）、p53mut缺失（n=10） 多重IHC检测的IFN-I通路组分：ADAR1、DHX9、IRF3、ISG15、K1、MDA-5、PKR、RIG-I、STING、TBK1 TCGA样本按TP53突变类型分组：WT（n=265）、错义（n=132）、截短（n=46） ssGSEA使用MSigDB Hallmark基因集，Kruskal-Wallis检验及Dunn事后检验 复发分析中每个蛋白以中位z-score二分，Fisher精确检验
摘要
引言：p53状态在子宫内膜癌（EC）中具有预后意义。错义TP53突变通常通过免疫组化（IHC）产生异常的p53过表达表型，而截短突变通常导致p53缺失表型。鉴于p53通过I型干扰素通路（IFN-I）调节先天免疫反应的作用，我们假设IFN-I通路的表达和参与会因p53 IHC状态而异。方法：采用多重IHC评估了50例标本（p53野生型=25；p53突变过表达=15；p53突变缺失=10）的IFN-I通路组分。进行了定量数字分析和通过单样本基因集富集分析（GSEA）的TCGA验证。提取了临床病理数据进行相关性分析。结果：几种IFN-I通路组分（ADAR1、STING、MDA5、RIG-I）的表达因p53状态而显著不同。所有组分的表达方向一致：p53突变过表达样本表达水平最高，缺失样本表达水平最低。用K1（双链RNA抗体）评估通路底物可利用性，在p53突变过表达样本中显著增加。成对Pearson相关系数揭示了p53状态导致的信号改变：DHX9成为中心枢纽，在p53突变过表达肿瘤中网络密度增加。GSEA证实了这些发现，在错义与截短样本之间观察到IFN-I基因表达的显著差异。单变量分析显示高PKR IHC表达与复发风险降低相关（OR 0.13，95% CI：0.03-0.68，p=0.02）。结论：p53突变过表达EC显示出反映慢性炎症状态的IFN-I表达模式，而p53突变缺失肿瘤表现出免疫抑制状态。这些假设生成性发现值得在扩大临床队列中进一步研究。
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
- 不同p53免疫组化状态（野生型、突变过表达、突变缺失）的子宫内膜癌中，I型干扰素通路的表达和信号传导是否存在差异？
- 核心机制
- p53突变过表达肿瘤表现出IFN-I通路组分表达升高和网络连接改变，反映慢性炎症状态；p53突变缺失肿瘤则表现为IFN-I通路表达降低和免疫抑制状态。
- 主要证据
- 多重IHC显示ADAR1、STING、MDA5、RIG-I和K1表达在p53突变过表达组最高、缺失组最低；相关性分析显示DHX9在网络中的中心性改变；TCGA ssGSEA验证干扰素α反应基因集在错义与截短突变间存在显著差异；高PKR表达与复发风险降低相关。
- 研究意义
- 这些假设生成性发现提示p53突变类型可能影响IFN-I通路，为后续在扩大临床队列中研究p53突变子宫内膜癌的免疫治疗策略提供了机制线索。
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。
多重免疫组化检测IFN-I通路组分
评估不同p53状态下IFN-I通路蛋白的基线表达水平。
使用Bond自动染色机进行多重IHC，检测ADAR1、DHX9、IRF3、ISG15、K1、MDA-5、PKR、RIG-I、STING和TBK1，通过HALO平台定量肿瘤细胞核和胞质蛋白表达。
通路组分相关性网络分析
分析IFN-I通路组分间的相互作用是否随p53状态改变。
对标准化平均细胞强度进行两两Pearson相关分析，定义p<0.05为显著边，计算网络密度，并进行DHX9中心性分析。
TCGA-UCEC队列GSEA验证
在独立转录组数据中验证p53突变类型与IFN-I通路基因表达差异。
从TCGA-UCEC获取443例肿瘤的RNAseq和突变数据，按TP53状态分组（WT=265，错义=132，截短=46），用ssGSEA分析MSigDB Hallmark基因集，并用RPPA数据验证p53蛋白丰度。
PKR表达与复发风险关联分析
探索IFN-I通路组分表达与临床复发结局的关系。
将各蛋白表达以中位z-score二分，用Fisher精确检验进行单变量分析，计算复发风险的比值比（OR）。
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。
验证分子表达变化
验证机制链路
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 多重免疫组化 | Bond自动染色机 | Leica Biosystems | -- |
| 数字图像分析 | HALO 2.1图像分析平台 | Indica Labs | -- |
| 图像扫描 | Axio 3.1扫描仪 | Zeiss | -- |
| 统计分析 | SPSS 31.0.0.0统计软件 | IBM SPSS Statistics | -- |
| 统计图表 | Prism 10.6.1 | GraphPad Software Inc. | -- |
| 网络可视化 | Cystoscope 3.10.4 | Cytoscape Consortium | -- |
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 |
|---|---|
| 患者样本与p53分组 | 样本来源（FFPE）、纳入时间（2022-2026）、p53状态判定方法（IHC和/或NGS）、各组样本量（p53wt=25，p53mut过表达=15，p53mut缺失=10） 阅读提示：Methods a. Case selection and collection of clinicopathologic data |
| 多重免疫组化 | 抗体克隆号、浓度、货号及多重染色顺序（见Supplementary Table 1）；抗原修复条件；检测系统 阅读提示：Methods b. mIHC, antibodies and histopathologic analysis及Supplementary Table 1 |
| 数字图像定量 | HALO Highplex FL模块参数、AI组织分类器训练集、强度阈值设定方法 阅读提示：Methods b. mIHC, antibodies and histopathologic analysis |
| TCGA GSEA验证 | TCGA-UCEC样本筛选标准（443例）、TP53突变分类定义（错义 vs 截短）、ssGSEA参数、Hallmark基因集版本、多重检验校正方法 阅读提示：Methods c. Gene set enrichment analysis (GSEA) of TCGA data |
| 复发风险分析 | 复发事件数（12/50）、蛋白表达二分方法（中位z-score）、Fisher精确检验使用原因、敏感性分析中PKR连续变量回归模型 阅读提示：Methods b及Figure 4 legend |