掃碼聯系客服
大家好呀~相信大家都知道近年來鐵死亡、銅死亡的研究方向非常火爆。是不是感覺自己都已經卷不動啦？沒關系，今天小編要給大家分享的是一個近期比較新穎的生信方向：失巢凋亡。這篇文章于今年8月發表在《Frontiers in immunology》（IF：8.786）上，一起來學習一下吧~
背景介紹
失巢凋亡是一種由于細胞與細胞外基質和其他細胞失去接觸而誘導的特殊的程序化細胞死亡形式，在機體發育、組織自身平衡、疾病發生和腫瘤轉移等方面起重要作用。失巢凋亡的觸發主要通過兩種凋亡途徑的相互作用發生，即內在途徑（由細胞應激誘導的線粒體事件）和外在途徑（由腫瘤壞死因子（TNF）和第一細胞凋亡信號 (Fas) - 配體介導）。失巢凋亡在腫瘤侵襲和轉移中起著關鍵作用。抗失巢凋亡因子的存在與腫瘤的侵襲性和耐藥性有關。
數據組成
1. TCGA數據庫中的TCGA-GBM隊列：RNA-seq數據、突變數據、臨床信息
2. GEO數據庫：IMvigor210隊列
3. GSEA：27個失巢凋亡相關基因列表
研究思路
該研究根據失巢凋亡相關基因表達將膠質母細胞瘤（GBM）患者分為兩個不同亞型，對兩個亞型之間的腫瘤微環境、干性指數和臨床特征的差異進行分析。利用差異分析、加權基因共表達網絡分析、單變量Cox回歸、Lasso回歸篩選預后相關基因并構建風險評分模型。利用免疫組織化學方法評估臨床樣本中特征基因的表達。最后在GBM以及泛癌中對風險評分與TME、干性、臨床特征和免疫治療反應之間的關系進行評估和驗證。
結果
1. GBM中失巢凋亡相關基因的遺傳變異與表達
作者首先對27個失巢凋亡相關基因之間的相互作用進行分析（圖1A）。體細胞突變數據的分析結果顯示，PIK3CA的突變率最高，其他基因的突變率相對較低（圖1B）。染色體定位分析可見失巢凋亡相關基因的拷貝數變異CNV改變（圖1C）。此外，圖1D結果顯示，失巢凋亡相關基因的CNV相關突變普遍存在。與正常組織相比，大多數失巢凋亡相關基因在 GBM 組織中顯著上調，并在GBM的CL、MES和PN亞型中存在顯著差異（圖1E）。生存分析顯示，PTK2、PIK3CA、PDK4、NTRK2和ITGA5的表達與GBM患者的總生存期具有顯著相關性（圖1F）。
2. PTK2和 ITGA5在臨床腫瘤組織中的表達驗證
單變量Cox回歸分析的結果顯示，PTK2和ITGA5分別是GBM患者預后的有利和危險因素。因此作者進一步通過免疫組織化學(IHC)染色驗證這兩個重要基因的表達情況。與前文結果一致，與腫瘤周圍組織相比，膠質瘤中ITGA5蛋白水平顯著增加，而腫瘤中 PTK2水平降低（圖2）。
3. 失巢凋亡模式與腫瘤微環境、干性和臨床特征的相關性
作者首先利用NMF 算法將650例 GBM 患者分為兩組，即C1和C2（圖3A）。圖3B熱圖顯示了在C1和C2簇中失巢凋亡相關基因的表達情況。Kaplan–Meier (KM)分析顯示，C1和C2簇患者間的生存率存在顯著差異（圖3C）。同時，腫瘤微環境差異分析顯示，C1在幾種免疫細胞（如T細胞、CD8 T細胞，活化NK細胞，樹突狀細胞）浸潤中較為豐富（圖3D）。干性指數分析中，C2的mRNAsi和EREG-mRNAsi更接近于1，表明C2的膠質母細胞瘤細胞與干細胞具有高度的相似性（圖3E）。接下來，作者確定了C1和C2亞型與臨床分型之間的相互關系，發現具有胞嘧啶磷酸鳥嘌呤(CpG)島甲基化表型(GCIMP)的GBM患者主要集中在C2（圖3F）。此外，KEGG通路分析顯示，Wnt信號通路在C1中更為活躍（圖3G-H）。
4. 風險評分的構建和驗證
作者通過WGCNA分析獲得了897個與失巢凋亡相關的差異基因，并最終確定了共表達模塊（圖4A-B）。單變量Cox回歸分析顯示，其中524個基因與GBM預后相關（圖4C）。通過LASSO算法，最終確定了9個基因，并用這9個基因構建風險評分模型（圖4D-F）。KM分析顯示，訓練集和測試集的風險得分越高，生存率越低（圖4G）。最后還驗證了應用ROC預測GBM患者的預后準確性（圖4H）。
5. 基于GBM風險評分的列線圖
基于上述分析，作者根據高風險和低風險評分模型建立了一個列線圖用于預測GBM在1年、2年、3年和5年的生存概率(圖5A)，且不管在訓練集還是測試集都效果良好（圖5B-D）。在免疫浸潤方面，低危險組中存在幾種免疫相關因子表現顯著（圖5E）。同時，免疫檢查位點CD40LG，CD8A、JKA1、LDHB等在風險評分較低的患者中表達更為明顯，而IL12A、LDHA、LDHC、TNFRSF4、YTHDF1在風險評分較高的患者中表達顯著（圖5F）。低風險評分的GBM患者的mRNAsi和EREG-mRNAsi更接近于1，說明低風險評分的GBM患者與高風險評分的GBM患者的分化程度較低（圖5G）。此外，C1和C2之間的風險評分存在顯著差異（圖5H）。
6. 基于 TCGA 數據集的風險評分模型驗證
為驗證風險評分模型的有效性，作者接著對風險評分與臨床特征之間的相關性進行分析（圖6A）。KM分析顯示，高風險基因的表達與較低的生存率相關（圖6B）。圖6C 顯示了高危組和低危組 GBM 患者不同臨床預后因素的比例。同時也驗證了 ROC 基于風險評分預測 GBM 患者預后的準確性（圖6D）。最后作者根據風險評分制作了一個列線圖，驗證了該風險評分模型的有效性（圖6E）。
7. 風險評分模型的泛癌分析
為進一步驗證風險評分模型在不同癌癥中的可行性，作者又進行了相關的泛癌分析，以評估不同癌癥之間風險評分模型的相似性和差異性。并計算了不同腫瘤中22個免疫細胞浸潤和干細胞指數與風險評分之間的相關性（圖7A-C）。
8. 風險評分與免疫治療反應及藥物敏感性的相關性
為評估風險評分對預測免疫治療敏感性的影響，作者納入了一個晚期尿路上皮癌免疫治療隊列（IMvigor210隊列）。log-rank檢驗顯示，高風險評分較高的患者生存時間較短（圖8A）。同時，無應答組和有限應答組（SD和PD）的患者比例相反，說明風險評分可以反映患者對免疫檢查點阻斷（ICB）治療的反應（圖8B）。在高、低風險組與免疫表型關系的分析中，低風險組中炎癥反應更為顯著（圖8C）。圖8D中的風險評分與腫瘤新抗原負擔的關系分析顯示，風險評分高、新抗原負擔低的患者生存時間最短。
評估風險評分對預測多種癌癥類型藥物敏感性的價值。通過對GDSC 數據庫中的31種藥物分析顯示，其中5種藥物敏感性與風險評分負相關，而26種藥物的敏感性呈正相關（圖8E）。最后，所選藥物靶向的信號傳導途徑分析結果顯示，敏感性與風險評分負相關的藥物靶向代謝和細胞凋亡調節信號通路（圖8F）。綜上，說明建立風險評分有助于探索正確有效的治療策略。
總結
作者利用失巢凋亡相關基因對GBM進行分型，揭示了失巢凋亡相關基因與臨床特征、腫瘤微環境、干性、IDH突變和免疫治療之間的潛在關系，并基于失巢凋亡相關基因的差異表達構建了一個風險評分模型來預測患者的預后以及對免疫治療的反應。
本文最大的創新點還是在于分析方向。失巢凋亡在腫瘤中的研究目前相對較少，創新性較高，發文空間也大，現階段甚至還可以采用生信分析的手段套用鐵死亡的研究思路對失巢凋亡進行分析。
參考文獻
Sun Z, Zhao Y, Wei Y, Ding X, Tan C, Wang C. Identification and validation of an anoikis-associated gene signature to predict clinical character, stemness, IDH mutation, and immune filtration in glioblastoma. Front Immunol. 2022 Aug 25;13:939523.
