抽象性
后台.卵巢癌患者5年总存活率不足40%Hyprotia促进OC细胞扩散并导致细胞免疫下降关键是寻找与OC预测相关的潜在预测器或风险模型这项研究旨在建立缺氧关联基因签名评估肿瘤免疫微环境并预测OC预测方法论.378OC病人和370OC病人的基因表达数据从数据集下载缺缺风险模型的构造反映了OC的免疫微环境并预测预测预测结果.8个基因(AKAP12、ALDOC、ANGPTL4、CITED2、ISG20、PPP1R15A、PRDX5和TGFBI)都包括在缺氧基因签名中高缺氧风险组的病人显示生存更差Hyprotia签名与临床特征大相联并可作为OC病人独立预测因子二类免疫细胞等离子细胞调控T细胞显示高缺氧风险组病人组织有重大渗透多数抑制免疫基因(如ARG1、CD160、CD244、CXL12、DNMT1和HAVCR1)和免疫检查站(如CD80、CTLA4和CD274)在高缺损风险组中提高调控与高缺氧风险组相联的Gene集与信号传递路径细胞循环、MAPK、MTOR、PI3K-Akt、VEGF和AMPK相关结论.缺缺风险模型可作为一个独立预测指标并反映OC微环境整体免疫响应强度
开工导 言
Ovarians癌症特征为高发率、高死亡率和低预测[一号,2..肿瘤差分化、高层次疾病、细胞移植后残留疾病的存在、老年、吸烟、超重和缺乏体能活动都与OC预测不良相关3-7..多数病人最初对化疗反应良好,但有些病人复发并变得抗化疗8,九九..因此,识别提高诊断OC妇女预测值的潜在预测器可能具有临床意义
在缺氧条件下,肿瘤细胞通过生成缺氧方式生成能量来适应变化10..缺氧还可能增加抗放射疗法和化疗能力并导致细胞免疫度下降11-13..缺氧环境与OC患者预测差有重大关系14..至今为止,缺陷调节OC细胞状态的详细机制仍然不明朗。探索缺氧对OC的影响可能为潜在的治疗目的提供机会现今,癌症免疫法可瞄准免疫系统细胞15..深入理解癌症、缺氧和免疫系统之间的交互作用对识别潜在新免疫代谢策略和OC对象至关重要研究中,我们试图使用基因表达数据开发缺氧风险模型预测OC病人的免疫微环境
二叉材料方法
2.1.数据集源预处理
第一,RNA基因表达排序数据(FPKM值)和临床信息下载自UCSC XenaFPKM值转换成千基数百万分录第二,基因表达数据从GEE17260和GEE32062数据库下载并编成验证集上三大组的病人特征显示于表一号.多探针平均值对应同基因使用表示量获取基因表达式矩阵文件R语言的SVA软件包批量化表达式数据获取标准基因表达矩阵文件表格显示上述数据集的详细信息2.从Hallmark基因集获取缺氧相关基因表16........完全包括191个基因,所有基因都响应低氧水平
2.2.构件验证HycroticGene签名
分析法参考前文17..训练组别中预测缺氧基因通过单词反射分析Lasso回归分析识别公元前< 0.01被认为具有统计意义缺氧基因签名预测OC患者预测系通过Cox和Lasso回归分析用R语言使用glmnet软件包构建解析Lasso处罚同时,还计及收缩和变量选择最终基因签名组成选择产生风险评分
案例根据风险评分中值划分成两类(高风险和低风险)。此外,用同一种公式计算验证集中的风险评分
2.3生存分析
总体生存由高缺氧风险组和低缺氧风险组通过开普兰-Meier分析比较多变量Cox回归分析用于判定风险评分,作为OCOS独立风险因素生成接收器操作特征曲线是为了验证风险模型的精度,即通过R语言的“timeROC”软件包预测病人OS
2.4.Gene集浓缩分析
基础机制通过基因集浓缩分析研究18号与ava程序TCGA数据集调整后 值使用Benjamini-Hochberg假发现率法计算富集基因组FDR值++0.05被认为具有统计意义
2.5肿瘤Imune微环境细胞渗透估计
单样本基因集浓缩分析算法用于量化时间细胞渗透在OC样本中的相对丰度基因集标记每一次渗透性免疫细胞类型19号,20码..浓缩分数(由ssSIA计算)用于表示每次采样渗透单元的相对丰度免疫分数、矩阵分数、肿瘤纯度和ESTIMATE分数计算21号..小提琴图和盒式图用于比较高低缺损风险组间免疫细胞渗透和免疫分数
2.6表示负约束癌症免疫周期
癌症免疫循环描述由免疫系统消除癌症过程循环22号..研究中基因签名下载自跟踪图摩Imunophy23号研究基因表达式负调节高低缺损风险组间癌症免疫循环
2.7imune检验点和声学变异分析
6个免疫检查站表达方式包括PDCD1(PD1)、CD274(PDL1)、PDCD1LG2(PDL2)、CTLA4、CD80和CD86此外,还进行了声波变异分析以确定高低缺损风险组的变异状态OC人体变异数据从TCGA数据集下载变量类型和分类数用Oncoplot视觉化
2.8体外表达分析天花基因签名
为了研究mRNA级缺氧基因签名表达式,RT-qPCR测试组织样本5名OC入院注册OC入院标准如下:(1)诊断为OC(2) 病人诊断前未接受辐射、化疗、免疫法或分子定向理疗3级病人没有恶性肿瘤和自动机疾病和(4)年龄介于18-70排除标准如下:(1) 病人有其他恶性肿瘤(2) 病人接受术前自动化疗、放射理疗或定向理疗3个病人有不完整临床数据和(4)病人有癌症历史肿瘤组织样本和邻接组织样本从5OC病人收集组织样本和临床数据经病人知情同意后收集这项研究经习安江东大学第二附属医院伦理委员会批准(2022141)。
样本总RNA使用TRIZELQA试剂提取RT-qpcr系统7300RT-qpr相对基因表达式分析二-ct算法并表示折式修改(与健康控件比较)。fold change>1和fold change<1表示上下调控GAPDH和ACTB内部引用
2.9统计分析
所有统计均使用R软件完成Wilcoxon测试用于识别差分表达基因和渗透性免疫细胞Wilcoxon测试还用于筛选不同表达渗透性免疫细胞并分析不同临床特征风险分数表达中的统计差异kaplan-Meier曲线绘制并使用日志排序测试检查高低缺损风险组间OS的重大差分上头t级测试用于测试高低缺氧风险组间缺氧基因表达的重大差传值公元前不足0.05确定为统计意义
3级结果
3.1.OC建构Hypotic Gene签名预测模型
191缺氧基因在OC病人中的预测作用得到了调查univariateCox回归分析显示9个缺氧相关基因与病人OS大相联1(a))lasso和Cox回归分析中选择8个缺氧相关基因构建预测模型,由A-kins锚定蛋白12(AKAP12)、Adolase、fructe-bis磷酸C(ALDOC)、angiopietin类4(ANGPTL4)、Cbp/p300交互转动器与Glu/Asp丰富boxy界域2(CITED2)、插片exu1(b)并1(c))
(a)
(b)
(c)
3.2Hyporia风险签名预测值OC
风险分数编译组使用Lasso算法获取的系数计算病人划分为高低缺氧风险组风险分数分布、OS状态和表达式剖面图2(a)并2(b).热图结果显示,六大缺氧基因,包括AKAP12、ALDOC、ANGPTL4、CITED2、PPP1R15A和TGFBI,在高缺氧风险组中表现高,显示该组病人倾向于开发缺氧微环境高缺氧风险群的死亡率要高得多。高缺氧风险群组OS培训验证群变短2(c)并2(d))
(a)
(b)
(c)
d)
3cm3强力天花风险签名以预测OC评估
为了评价1年、3年和5年生存率中缺氧风险签名的预测效率,执行ROC曲线AUC值为0.67,1年0.64,3年0.64,5年0.71,显示高预测值3(a))验证组别中进一步验证3(b))这表明高风险分数患者可开发缺氧肿瘤微环境单向分析显示高缺氧风险分数与差OS关系重大(图解)3(c))多变量分析显示,高缺氧风险分数与OC患者较穷OS关系极大(图解)。3(d))验证群集验证3(e)并3(f))图中还显示缺氧特征和临床参数之间的关系(如年龄、等级、阶段、治疗结果、淋巴入侵和静脉入侵)4.三级/四级风险评分比I/II级高得多G3/4风险评分远高于G1/2风险评分治疗结果中PD/SD风险评分比CR/PR高得多
(a)
(b)
(c)
d)
e)
f)
3.4.OC识别与Hycetia信号路径
GSIA结果显示,与刺激肿瘤扩散和反吸附症相关过程在高缺氧风险组中大增5包括细胞循环、MAPK信号路径、MTOR信号路径、PI3K-Akt信号路径、VEGF信号路径和AMPK信号路径
3.5OC高低天花风险组间豁免分析
ssSIA对免疫微环境缺损风险信号评估能力进行了调查高缺损风险患者的细胞百分比高得多(如等离子细胞和调控T细胞),活性双片细胞百分比低得多,17型T帮助细胞和自然杀手细胞百分比低得多(图解)。6(a),6(b))这表明免疫抑制细胞可驱动免疫抑制微环境ESTIMATE算法结果还确认免疫评分6(c)矩阵评分6d高缺氧病人低得多肿瘤纯度在低缺省患者中要高得多(图解6(e))
(a)
(b)
(c)
d)
e)
3.6.高风险分数表示OC的imunosti微环境
负调癌症免疫周期的基因签名下载自网站Tracking TumorImunopheno7)
(a)
(b)
3.7OC表示式模式和变异类型检验
免疫检查站表达方式在高低缺省风险组中调查结果表明,高缺损风险组别中最免疫性检查站的表达方式高得多,如CD80分子(CD80)、细胞毒性T-淋巴相关蛋白4(CTLA4)和cd274分子(CD274)(Figure)8(a)中验证群集验证8(b))检测结果显示,高缺氧风险组的免疫微环境受增调免疫抑制细胞素和免疫检查站抑制此外,对高低缺损风险组别(图解)的基因突变频率差异进行了分析九九)ALDOC、ANGPTL4和PPP1R15A突变频率高缺损风险组(1%)略高于低缺损风险组(未显示任何突变)。这表明这些基因变异可能与缺氧相关
(a)
(b)
(a)
(b)
3.8RT-qPCR
5名OC病人的肿瘤组织用于测试缺氧基因签名表达式表显示这些病人的临床信息3.此外,表内列出了RT-qPCR使用素数序列4.结果表明ALDOC、CITED2、ISG20和PRDX5调高、AKAP12、ANGPTL4和PPP1R15A调低显著调低,TGFBI调低无显著差别10)表示肿瘤组织中这些基因的表达水平不同于缺氧肿瘤环境
4级讨论
在这次研究中,我们开发出一种风险模型,由OC内8类缺氧关联基因组成AKAP12、ALDOC、ANGPTL4、CITED2、PPP1R15A和TGFBI表达率高,而ISG20和PRDX5低表示高缺氧风险AKAP12上调与直肠癌生存不良相关24码..表示AKAP12在卵粒细胞中起关键作用并参与入侵和转移OC25码-27号..高级AKAP12笔录表达法与卵巢癌和高等级卵巢癌患者生存不良相关28码-30码..ALDOC解析酶已知受缺氧调控OC中增 mRNA表达式a31号..ANGPTL4免疫基因,在脂和葡萄新陈代谢中有重要功能32码,三十三..ANGPTL4受缺损感应因子-1激活αHIF-1α并提供保护避免缺氧诱发分解34号..证明ANGPTL4高清晰度OC35码-37号..此外,ANGPTL4与非小细胞肺癌、肺癌和宫颈癌患者预测差有重大关系38号-40码..CIRTE2在规范T细胞和粮仓细胞中大增41号,42号..据报CITED2与主卵巢不足相关43号..增强调控CITED244号..显示TGFBI函数OC31号..据报TGFBI与外细胞矩阵签名相关联并插入OC低预测和抗药性45码-48号..TGFBI过分表达与宫颈癌预测差相关49号..ISG20与免疫相关基因在小小尖牙中下调50码..ISG20表达式水平在OC肿瘤组织中较低并关联OC预测51号,52..PRDX5可用于预测OC病人差分生53号..八类缺氧相关基因风险模型可用作OC病人独立预测因子,这可能表示诊所方便检测
OC管理T单元作用减少生存54号..Time中,不成熟等离子细胞的出现与患乳腺癌和上皮OC的病人不良临床结果相关55号,56号表示等离子细胞进化细胞可发挥作用 建立时间框P3(Foxp3)+规管T单元激活嵌入式细胞可增强病人免疫系统以抗癌57号,58码..研究发现,高缺氧风险病人的定型T细胞和等离子细胞嵌入式比例要高得多况且,高缺氧类中活性进化细胞下降此外,高缺氧病人的免疫分数和矩阵分数低得多。显示缺氧风险模型 预测OC的免疫微环境
识别时间内生成的免疫抑制因素和瞄准这些因素的能力可增强抗脉冲免疫响应ERG1在免疫细胞中的表达法是抗试T细胞的强压器59号..CD160对OC有显著调控60码..CD244是OC内T单元耗竭标记61号..HyCL12表示原生人类肿瘤细胞62..表示CXCL12独立预测OC生存不良63号..过分表达DNMT1帮助基因推广者超甲基化并伴生恶性潜力和低预测性乳腺癌64码,65码..HAVCR1作用标志卵巢清除细胞癌66号..在当前研究中,上述抑制免疫细胞素在高缺氧风险组中上升调控,这进一步促进OC的抑制免疫
免疫检查站基抗体提高各种癌症类型患者生存能力,如肺癌、恶性黑瘤和膀胱癌67号..高水平CD80有助于维护上下文OC的耐受度和免疫抑制68号..OC微环境可诱导CTLA4迁移+C-Cmotif Chemokine 22(CCL22)和C-Cmotif Chemokine受体454号,69..CTLA4免疫法显示OC有乐观抗振效果70码..PD-L1与相应的受体交互作用,抑制免疫细胞的抗脉冲活动,并允许癌症细胞逃避免疫监控71号..抗药性OC细胞显示抑制免疫模拟分子,并同时增强表达CD27472..研究发现上述免疫检查站,包括CD80、CTLA4和CD274在高缺损风险组中都提高调控范围,这表明这些免疫检查站在OC中扮演重要的免疫抑制动作
基于功能分析,我们发现与高缺氧风险集团相联的基因集参与了信号传递路径细胞循环、MAPK、MTOR、PI3K-Akt、JAK-STAT、VEGF、TGF-Beta和AMPK切入细胞循环的基因在OC开发预测中起关键作用73号..体外条件入门CD8+规管T细胞通过激活OC免疫法p38MAPK74号..mtor路径被发现在约半数高等级OC患者中激活75..PI3K-Akt信号路径在由缺氧引导的米氏干细胞过程中发挥着关键作用76..PI3K/Akt/mtor路径激活77号..VEGF是高级OC中一个重要的生因子,它与肿瘤攻击和OC预测不良相关78号,79..MPK保护活细胞不受缺氧,这导致细胞AMP/ATP比高[80-82..发现AMPK子单元通常OC调控向上83号..显示上述信号路径可能在OC低氧环境中发挥重要作用
CA:恶性肿瘤抗原兔子反人体HE4抗体
5级结论
我们开发并验证了一个风险模型,该模型基于8位缺氧关联基因,可独立预测OC病人并反映OC微环境免疫响应的总体强度研究可提供新理解缺缺状态如何影响预测和OC时间并有益于未来缺缺定值法然而,我们研究有局限性实验模型需要更多分子调查
数据可用性
文章中提供所有数据
利益冲突
作者声明,本研究的出版不存在利益冲突问题。
感知感知
这项研究得到了山西省自然科学基础研究计划(2019JZ-46)和习安科技规划项目(2018098YX6SF32(4))的资助