铁死亡生信31基于铁死亡相关基因的软组织

研究背景介绍

铁死亡是一种特殊的程序性细胞死亡，是铁依赖的脂质氢过氧化物积聚引起的细胞学改变过程。最近，随着人们对铁性铁死亡认识的加深，其在癌症中复杂的生物学功能也已被揭示，甚至在一些化疗耐药的肿瘤中也是如此。研究表明，铁死亡可以抑制肿瘤生长，并在不同的癌症中发挥重要作用。最近有研究发现Erastin引起的铁死亡抑制大肠癌细胞的生长。此外，抑癌基因p53与铁死亡的敏感性密切相关。在此基础上，提出了与肿瘤发生密切相关的铁死亡相关基因(FRG)的概念，对这些基因的深入了解将有助于揭示铁死亡在肿瘤发生和治疗中的作用和机制。

软组织肉瘤是一组起源于间充质组织的恶性肿瘤，包括50多个亚型。总体而言，STS的发病率很低，但它是儿童和青少年的一种主要恶性肿瘤。STS的5年生存率在50%左右，但在晚期患者(18-20岁)中却直线下降。此外，近一半的STS会发生远处复发，这导致很难选择最佳的治疗方法，如手术切除、辅助化疗和放疗或肿瘤免疫治疗。因此，迫切需要准确的生物标志物来将STS患者分成不同的危险群体，并开发有针对性的治疗方法。

在这项研究中，作者整合了STS样本的基因组和临床信息，并综合评估了它们的FRGs表达。除了研究STS患者的预后外，作者还探讨了FRGs与STS患者免疫细胞浸润特征的关系。

研究流程

结果解读

1.患者特征

总共从TCGA-SARC和GTEx队列中获得了个FRGs的表达谱。在这些基因中，个(90.4%)FRGs在STS中异常表达，其中95个基因表达上调，个基因表达下调(图1A、B)。

然后，对个DEFRGs进行了GO和KEGG分析。GO分析表明，DEFRGss主要通过氧化应激、次生溶酶体和辅因子结合在生物过程、细胞成分和分子功能中得到富集(图1C)。DEFRGss的KEGG分析的前5个部分是铁死亡、膀胱癌、动物细胞线粒体吞噬、动物细胞自噬和癌症的中心碳代谢(图1D)。这些结果进一步证实了个DEFRGss在肿瘤的发生和几个重要的生理过程中起着重要的作用。有趣的是，免疫相关途径也得到了丰富，包括癌症中PD?L1的表达和PD?1检查点通路，以及人类T细胞白血病病毒1感染。

图1

肿瘤和正常组织中铁死亡相关基因的差异分析和差异表达的铁死亡相关基因的富集分析。

2.TCGA队列中两个预测标志的构建

在名STS患者中，共有名STS患者被纳入生存分析和表格作为训练队列。共有31个DEFRGss被确认为OS相关生物标志物，22个DEFRGss被确认为DFS相关生物标志物。然后，17个与OS相关的DEFRGss和8个与DFS相关的DEFRGss被排除在LASSO分析之外(补充图S1)。

补充图1

此外，进行了多变量Cox分析，选择了12个DEFRGss来构建两个预后信号，其中4个DEFRGs仅用于OS签名，5个DEFRGs仅用于DFS签名，以及3个重叠的DEFRGs(图2)。

图2

显示最终签名中包含的铁死亡相关基因的单变量和多变量Cox分析结果的森林图。

根据相应的中位风险评分，将患者分为低危组(n=)和高危组(n=)。K-M生存曲线显示，高危患者的OS和DFS明显比低危患者差(图3A，D)。此外，ROC曲线证实了对FRG签名的有利区分(图3B，E)。预测1年、2年和3年OS的OSFRG签名的AUC值分别为0.、0.和0.(图3B)。DFSFRG签名预测1年、2年和3年DFS的AUC值分别为0.、0.和0.(图3E)。此外，还可以观察到生存情节的明显趋势(图3C，F)。换句话说，随着风险评分的增加，患者的OS率或DFS率逐渐降低，OS时间或DFS时间逐渐减少(图3C，F)。

图3

软组织肉瘤患者总生存期和无病生存期两个铁死亡相关基因标志物的建立。

3.GEO数据集中两个FRG签名的验证

计算验证队列中STS患者的风险评分的预后价值。高危患者的预后，包括OS和DFS明显低于低危患者(图4A,C-F)。用于预测1年、2年和3年OS的签名AUC值分别为0.、0.和0.(图4B)。用于预测1年、2年和3年DFS的签名的AUC值分别为0.、0.和0.(图4D)。一般来说，两个FRG签名在独立队列中表现令人满意，这表明这些签名是稳健的预后生物标记物。

图4

两个铁死亡相关基因对预测软组织肉瘤患者总生存期和无病生存期的有效性。

4.两个风险组显示出不同的免疫细胞浸润模式

根据富集分析，铁死亡似乎与免疫功能有一定的相互作用。因此，作者进一步研究了不同危险群体之间的免疫细胞浸润模式。不同风险组的免疫细胞浸润如图5所示。16个免疫细胞在两个OS风险组之间有显著差异(图5A)，10个免疫细胞在两个DFS风险组之间有显著差异(图5B)。OS亚组和DFS亚组共有8个免疫细胞存在显著差异。总之，免疫细胞浸润的改变可能是铁死亡调节肿瘤进展的机制之一。然而，还需要进一步的细胞机制和功能研究来证实这一结论。

图5

两组高危人群免疫细胞浸润情况比较。

5.两种FRG临床列线图预测STS患者个体预后的发展

临床变量是影响肿瘤患者预后的重要因素。因此，研究FRG信号是否能独立预测STS患者的预后具有重要意义。单变量Cox分析显示，年龄、转移状态、切缘状态和多病灶指标是OS相关因素，转移状态、切缘状态和多病灶指标是DFS相关因素。然后，将单变量Cox分析中的FRG特征和相应的显著性因素纳入到多变量Cox分析中。年龄、边缘状态、转移状态和FRG信号被确认为独立的OS相关因素。此外，边缘状态、转移状态和FRG信号被确认为独立的DFS相关因素。随后，作者开发了两个FRG临床诺模图来分别预测OS和DFS(图6A，C)。OS和DFS诺模图的Cindex分别为0.和0.。此外，校准曲线显示，诺模图预测的预后与实际结果令人满意地一致(图6B，D)。

图6

软组织肉瘤患者铁死亡相关基因临床图谱的建立。

6.三种Hub基因在STS细胞中表达水平的验证

在最终的签名中，包括了12个基因。包括HELLS、RPL8和NOX5在内的三个基因被整合到两个签名中(图2)。HELLS和RPL8是STS的危险基因，NOX5是保护性基因。

此外，STS组织中HELLS和RPL8的表达水平显著高于正常组织，而NOX5的表达水平显著低于正常组织。为了在细胞系中验证这一结果，采用了RT-qPCR(图7)。HELLS和RPL8在HT-和SW-细胞系中的表达水平明显高于HSF细胞系。此外，在HT-和SW-细胞系中，NOX5的表达水平明显低于HT-和SW-细胞。细胞实验进一步验证了生物信息学结果的可靠性。

图7

铁死亡相关三个关键基因在细胞系中mRNA表达的验证。

研究讨论

靶向诱导癌细胞死亡是目前最有效的抗癌治疗方法。最近的证据表明，铁死亡在肿瘤发生和癌症治疗中是一个必不可少的过程。然而，它在STS中的作用仍不清楚。在本研究中，作者发现大多数FRGs在STS组织中异常表达，在单因素Cox回归分析中，超过一半的FRGs与OS有关。这些结果表明铁死亡在STS中的重要作用，以及利用这些FRG建立预后模型的可能性。然后，在最终的签名中加入了12个预测FRG，它们在训练和验证队列中都表现出了良好的性能。据作者所知，首次对FRG在STS中的作用进行了全面的分析，这对进一步研究FRG在STS中的作用机制具有重要意义。

本研究提出的预后模型由12个FRG(MUC1、GSS、HELLS、RPL8、GCLM、NOX5、CD44、ALOX15B、NCOA4、RGS4、SETD1B、ISCU)组成。OS和DFS签名中都包含三个FRGs。在这项研究中，这些基因的作用已得到证实，并与预后不良有关。然而，对GSS和ISCU等基因的相关研究较少。

以往的研究发现，免疫机制在STS的发生发展中起着重要作用，因此免疫环境被认为是STS发生的重要因素。在DEFRGs的功能富集分析中，检测到一些免疫相关的途径和功能，如PD?L1的表达和PD?1检查点途径。因此，作者进一步比较分析了高危人群和低危人群的免疫特点。

在诺模图中，除了已建立的特征外，作者还包括了几个常见的临床变量，如患者年龄和肿瘤转移。这些其他研究也被用作STS的危险因素，这表明这些特征的预后已被认识到。经单因素和多因素Cox回归分析发现，FRG征象的风险评分也是影响STS预后的独立危险因素。因此，将其纳入到诺模图的建立中，可以更准确地预测患者的预后。DCA和校准曲线表明了诺模图的有效性。虽然诺模图已结合临床变量，如特异性基因和其他预测因子来预测STS的预后，但FRGs用于预测STS患者预后的研究尚属首次，为STS患者的预后提供了新的思路。

虽然作者的研究成果具有一定的前景，但也存在一定的局限性。首先，作者使用了不同的外部数据集进行验证，但这仍然是一项回顾性研究，存在固有的偏见，缺乏后续数据。其次，由于公共数据库的限制，只有少量的临床变量可用，其他可能影响患者预后的变量没有包括在内，比如具体的治疗方案。因此，需要获取更多的因子来构建更准确的诺模图。最后，作者使用了三个细胞系，而不是STS和正常组织中的正常对照，这也是作者研究的局限性。

研究结论

Thankyou！

扫码