当前位置:网站首页>最新热点:使用铜死亡相关基因进行肿瘤预后分型!
最新热点:使用铜死亡相关基因进行肿瘤预后分型!
2022-06-24 11:23:00 【作图丫】
导语
铜死亡是一种新型的细胞死亡形式,与线粒体代谢高度相关。然而,铜死亡相关基因(CRG)在肾透明细胞癌中的作用尚不清楚。
背景介绍
铜死亡是今年最新颖的热点之一。铜死亡的概念于今年的三月十八号在science上发表。今天小编为大家带来一篇最新的铜死亡相关基因进行肿瘤分型预后的纯生信文章。这篇文章发表在genes上,在science发文不到两个月就接收,题目为A Novel Cuproptosis-Related Prognostic Gene Signature and Validation of Differential Expression in Clear Cell Renal Cell Carcinoma。
数据介绍
来自TCGA和GEO的公共数据。
结果解析
01
铜死亡相关基因的表达和突变
作者从文献中选择了10个铜死亡相关基因(CDKN2A,FDX1,DLD,DLAT,LIAS,GLS,LIPT1,MTF1,PDHA1和PDHB)。在比较TCGA的肾透明细胞癌(ccRCC)患者的肿瘤和正常组织之间的差异表达基因时,只有CDKN2A 的表达显著上升,而 DLAT、DLD、FDX1、GLS、PDHA1和PDHB在ccRCC组织中的表达显著低于正常组织(图1A)。作者研究了不同基因之间的表达的相关性,发现铜死亡相关基因之间的强烈关联 (图1B)。
图1
此外,作者探究了ccRCC样本铜死亡相关基因的突变情况,包括体细胞突变和CNV等(图1C-E)。具有CNV缺失的基因是PDHB和CDKN2A。具有最高 CNV扩增的基因是GLS 。
根据突变的分类类型,错义突变是最常见的突变类型(图1D)。SNP是最普遍的变异类型,C > T 在单核苷酸变异 (SNV) 类别中排名最靠前。DLD (1%)和MTF1 (1%) 显示出比其他基因更高的突变频率 (图1E)。
02
功能富集和PPI网络
作者通过GO和KEGG数据库分析了铜死亡基因在肾细胞癌的相关通路。 GO分析中主要涉及的铜死亡生物学过程为丙酮酸的乙酰辅酶A生物合成过程、乙酰辅酶A生物合成过程、三羧酸循环、乙酰辅酶A代谢过程、硫酯生物合成过程、线粒体基质等(图2A)。在KEGG通路富集分析中CRGs与TCA 循环、丙酮酸代谢、糖酵解/糖异生、碳代谢、硫辛酸代谢、癌症中的中心碳代谢等有关(图2B)。蛋白质-蛋白质相互作用(PPI)分析表明DLD、PDHB、DLAT和PDHA1是hub基因。
图2
03
构建铜死亡预后模型
作者进一步评估了铜死亡基因表达与肾透明细胞癌预后之间的关联。结果显示,在单变量Cox风险回归模型中,除GLS之外的所有铜死亡基因都与总生存期(OS)高度相关。CDKN2A表现出致癌特征,其过表达与ccRCC患者的较差生存率相关。其他9个基因(FDX1、LIPT1、LIAS、DLD、DLAT、PDHA1、PDHB、MTF1和GLS)的高表达与ccRCC中更高的存活率显著相关,显示出肿瘤抑制因子的特征。
然后,作者构建了ccRCC患者中OS和PFS的铜死亡预后特征。对于ccRCC患者的OS结果,选择三个基因使用它们的回归系数构建预后评分:Scoreos = -0.44 × FDX1-0.28 × DLAT + 0.23 × CDKN2A。铜死亡signature的较高风险评分与较差的OS显著相关(HR=2.72(2.01-3.68),P=1.76E-07,图3A-B)。作者还应用了风险评分模型来估计1年、3年和5年OS(图3C、F)。在1年、3年和5年ROC曲线中,AUC评估的预测准确度分别为0.652、0.633和0.658。在年龄、性别和病理分期的不同亚组中,风险评分也有良好的表现。总之,铜死亡相关风险特征显示与ccRCC的存活率显著相关。
图3
04
列线图的开发和验证
为了促进预测模型的临床应用,作者整合了来自TCGA患者的临床信息和基因特征,执行了多变量Cox回归模型来开发列线图。 列线图分别应用于OS和PFS结果(图4)。 结果显示,OS的c指数为0.77,PFS为0.824,这反映了列线图的相对优异的预测性能。同时,校准图显示了在 1、3和5年生存期预测的OS或PFS与观察到的OS或PFS之间的良好一致性(图 4C,F)。
图4
05
铜死亡基因差异表达的验证
使用两个独立的验证GEO数据集(GSE40435和GSE53757)进行荟萃分析。CDKN2A在ccRCC组织中显示出显著的高表达,而 DLAT、FDX1和LIAS 在ccRCC组织中的表达水平显著下调(图5A、B)。
由于这三个数据集之间存在异质性,因此采用随机效应模型进行荟萃分析。结果显示,CDKN2A、DLAT和FDX1在ccRCC和正常组织之间存在显著差异,揭示了FDX1和DLAT作为肿瘤抑制基因及CDKN2A作为原癌基因的作用。
图5
06
铜死亡基因与免疫浸润水平的相关性
作者检查了CDKN2A、DLAT、FDX1和LIAS与ccRCC中的免疫浸润之间的关系。CDKN2A的表达水平与 CD8+ T细胞的免疫浸润水平呈正相关(P = 2.89E-02),与巨噬细胞呈负相关(P = 2.89E-02)(图6A)。DLAT表达水平与B细胞 、巨噬细胞、中性粒细胞和树突状细胞的免疫浸润水平呈正相关(图6B)。FDX1表达水平与B细胞和巨噬细胞的丰度呈正相关(图6C)。LIAS表达与CD8+ T细胞、巨噬细胞和中性粒细胞 丰度之间正相关。
图6
07
铜死亡基因在不同病理分期和组织学分级的差异表达
四个基因(CDKN2A、DLAT、FDX1 和 LIAS)的表达水平在ccRCC的不同病理阶段和组织学分级中有所不同(图7)。具体而言,无论肿瘤分期或组织学分级如何,FDX1和LIAS 表达均呈下降趋势,而CDKN2A 表达呈上升趋势。综上,铜死亡相关基因的表达可能与疾病分级和ccRCC坏死的存在有关。
图7
小编总结
本文是一篇很传统的肿瘤分型和预后的纯生信文章,但是最大的创新点在于使用了铜死亡相关基因作为signature,所以从投稿到接收只用了不到两个月。我们也可能沿着铜死亡的思路尝试分析铜死亡相关基因在其他癌症类型中的作用。
边栏推荐
- [Architect (Part 41)] installation of server development and connection to redis database
- Shell脚本(.sh文件)如何执行完毕之后不自动关闭、闪退?
- Adobe Photoshop using the box selection tool for selection tutorial
- Axi low power interface
- 怎样打新债具体操作 开户是安全的吗
- 历史上的今天:图灵诞生日;互联网奠基人出生;Reddit 上线
- Opencv optical flow prediction and remap remapping function usage
- [深度学习][pytorch][原创]crnn在高版本pytorch上训练loss为nan解决办法
- Give you a server. Can you deploy your code online?
- [206] use PHP language to generate the code of go language
猜你喜欢

Today in history: Turing's birth day; The birth of the founder of the Internet; Reddit goes online

万名校园开发者花式玩AI,亮点看这张图就够啦!

GTest从入门到入门

《opencv学习笔记》-- 分离颜色通道、多通道混合
![[digital ic/fpga] booth multiplier](/img/42/3da3b1d3cc82cb9c0694241148011b.png)
[digital ic/fpga] booth multiplier

FreeRTOS概述与体验

【Go语言刷题篇】Go从0到入门4:切片的高级用法、初级复习与Map入门学习
![[go language questions] go from 0 to entry 4: advanced usage of slice, elementary review and introduction to map](/img/7a/16b481753d7d57f50dc8787eec8a1a.png)
[go language questions] go from 0 to entry 4: advanced usage of slice, elementary review and introduction to map

TP-LINK 1208路由器教程(2)

Beauty of script │ VBS introduction interactive practice
随机推荐
如何只导出word文档中的标题?(即将正文内容都删除,只保留标题)B站牛逼
万名校园开发者花式玩AI,亮点看这张图就够啦!
9+!通过深度学习从结直肠癌的组织学中预测淋巴结状态
Programmers spend most of their time not writing code, but...
哪个商业保险养老险好?2022年商业养老保险产品排名
Clickhouse deployment and basic usage 1
Visual presentation of pictures effectively enhances the attraction of large screen
我在深圳,到哪里开户比较好?现在网上开户安全么?
Analysis and understanding of Jieba stutter word segmentation principle HMM application in Chinese word segmentation and partial code reading
d的10个0符
[206] use PHP language to generate the code of go language
Why choose b+ tree as storage engine index structure
Understanding of homogeneous coordinates
Why are some old SEO methods still effective?
【Go语言刷题篇】Go从0到入门4:切片的高级用法、初级复习与Map入门学习
我真傻,招了一堆只会“谷歌”的程序员!
How does wechat and QQ chat work? So simple!!!
Today in history: Turing's birth day; The birth of the founder of the Internet; Reddit goes online
Linker --- linker
Adobe Photoshop using the box selection tool for selection tutorial