?題? ? ? ?目：胃癌脂質(zhì)代謝相關(guān)和免疫相關(guān)預(yù)后評分的構(gòu)建

?雜? ? ? ?志：BMC Medical Genomics

?影響因子：IF=3.622

?發(fā)表時間：2023年5月

研究背景

脂質(zhì)不僅在維持細胞膜穩(wěn)態(tài)中起關(guān)鍵作用，而且在信號轉(zhuǎn)導(dǎo)中起重要作用。越來越多的證據(jù)表明，脂質(zhì)代謝是腫瘤進展和EMT的重要調(diào)節(jié)因子。腫瘤細胞與免疫或非免疫間質(zhì)細胞相互作用，形成獨特的腫瘤微環(huán)境，在胃癌的生長、侵襲和轉(zhuǎn)移過程中發(fā)揮重要作用。因此，了解胃癌細胞與TME激活的免疫細胞之間的主要代謝差異，將腫瘤內(nèi)代謝與免疫治療聯(lián)系起來，可能是增強腫瘤免疫治療的潛在機制。

數(shù)據(jù)來源

研究思路

通過對疾病和對照組的差異表達基因（DEGs）進行單因素和多因素Cox回歸分析，獲得了6個脂質(zhì)代謝相關(guān)基因(LMAGs)的風險評分。結(jié)合臨床病理因素構(gòu)建nomogram，通過受試者工作特征曲線(ROC)、決策曲線分析(DCA)、凈重分類改善(NRI)和綜合判別改善(IDI)對模型性能進行評價，并利用該模型對患者進行風險評分，將患者分為高危組和低危組；通過GO、KEGG、GSVA和ssGSEA，探討了高危組(HRisk)和低危組(LRisk)之間的功能富集；采用CIBERSORT、quanTIseq和xCell檢測HRisk與LRisk之間的免疫細胞浸潤情況；通過“IOBR”包計算相關(guān)EMT評分、巨噬細胞浸潤評分和各種代謝評分，并進行可視化分析。最后，利用qRT-PCR驗證Hub基因表達。

主要結(jié)果

1. 篩選候選基因及風險評分構(gòu)建與驗證

通過KEGG數(shù)據(jù)庫收集到243個脂質(zhì)代謝相關(guān)基因。通過單變量Cox回歸分析，獲得了6個脂質(zhì)代謝相關(guān)基因(ADH4、AKR1B1、CYP4A11、NEU2、SMPD3、ST6GALNAC3)的擬合風險評分（圖1A）。通過生存分析，我們發(fā)現(xiàn)上述6個基因具有顯著的預(yù)后意義（小提示：風險評分越高，患者的總生存率越低） (圖1B)。以中位風險評分為分界點，將患者分為低危組(LRisk)和高危組(HRisk)。HRisk和LRisk之間的代謝編程通過“IOBR”包計算，發(fā)現(xiàn)HRisk和LRisk在脂質(zhì)代謝相關(guān)產(chǎn)物的表達上存在顯著差異(圖1C,D)。利用GSVA計算REACTOME數(shù)據(jù)庫中HRisk和LRisk之間的差異，結(jié)果表明HRisk和LRisk在脂質(zhì)代謝相關(guān)通路的富集上存在顯著差異(圖1E,F)。

圖1?篩選候選基因及風險評分構(gòu)建與驗證

2. Nomogram的建立、評價與驗證

將單因素Cox回歸分析的患者年齡、T分期、N分期與風險評分4個指標納入多因素Cox回歸，建立預(yù)測患者總生存率的模型，發(fā)現(xiàn)該模型可以在訓(xùn)練集和驗證集上準確預(yù)測患者的預(yù)后(圖2A,B)。通過nomogram將模型可視化，再通過校準曲線檢測發(fā)現(xiàn)nomogram具有很好的一致性(圖2C)。從ROC曲線來看，nomogram在1年、3年和5年的AUC分別為0.725、0.729和0.749，說明nomogram具有較好的預(yù)測性能(圖2D-F)。然后使用DCA來評估有風險評分的列線圖和沒有風險評分的列線圖二者的潛在臨床影響，結(jié)果表明帶有風險評分的nomogram具有更好的臨床決策能力(圖2G-I)。

圖2?Nomogram的建立、評價與驗證

3. 風險評分的潛在功能分析

通過GO分析HRisk和LRisk之間的差異基因，發(fā)現(xiàn)GO-BP中富集了更多的免疫相關(guān)通路，GO-CC和GO-MF中富集了更多的細胞外基質(zhì)(ECM)相關(guān)通路(圖3A, B)。在KEGG數(shù)據(jù)庫中顯著富集了ECM、焦點粘附和血管平滑肌收縮(圖3C, D)。通過ssGSEA分析了HRisk和LRisk之間的Hallmark差異，結(jié)果表明血管生成和上皮間質(zhì)轉(zhuǎn)化在HRisk中顯著富集(圖3E, F)。隨后進一步分析了Powles等人的EMT相關(guān)標記物，發(fā)現(xiàn)HRisk組患者的EMT評分高于LRisk組，且更容易發(fā)生上皮間充質(zhì)轉(zhuǎn)化(圖3G)。綜上所述，脂質(zhì)代謝重編程可能影響腫瘤細胞的侵襲、轉(zhuǎn)移和免疫微環(huán)境。

圖3?風險評分的潛在功能分析

4. 風險評分與腫瘤免疫微環(huán)境的相關(guān)性

采用ESIMATE算法計算腫瘤微環(huán)境評分，經(jīng)計算發(fā)現(xiàn)HRisk組免疫評分和間質(zhì)評分較高，腫瘤純度較低(圖4A, B)。通過進一步分析CIBERSORT、quanTIseq和xCell，發(fā)現(xiàn)HRisk組M2巨噬細胞普遍增加(圖4C-F)。此外，通過引用文獻中的巨噬細胞評分進一步驗證訓(xùn)練集和驗證集，發(fā)現(xiàn)HRisk組有更多的巨噬細胞浸潤(圖4G)。在HRisk組中，參與腫瘤抗原識別障礙的腫瘤相關(guān)巨噬細胞的免疫檢查點(SIRPA、LILRB1、SIGLEC10)顯著增加，釋放抗吞噬信號，負向調(diào)節(jié)巨噬細胞的吞噬功能(圖4H)。

圖4?風險評分與腫瘤免疫微環(huán)境的相關(guān)性

5. 風險評分的潛在功能分析

通過TIMER2.0數(shù)據(jù)庫分析，我們發(fā)現(xiàn)ADH4、CYP4A11、ST6GALNAC3與M1巨噬細胞呈負相關(guān)，與M2巨噬細胞呈正相關(guān)(圖5A)。AKR1B1和ST6GALNAC3在HRisk組中穩(wěn)定且高表達(圖5B, C)。同時通過單細胞數(shù)據(jù)庫(TISCH)分析發(fā)現(xiàn)ST6GALNAC3主要在腫瘤細胞中表達(圖5D-F)。接下來探討LMAGs與巨噬細胞浸潤的關(guān)系，發(fā)現(xiàn)ST6GALNAC3和AKR1B1顯著促進巨噬細胞趨化因子的分泌(圖5G)。LMAGs顯著促進了M2巨噬細胞標志物的表達(圖5H)。還發(fā)現(xiàn)ST6GALNAC3和AKR1B1可以顯著促進EMT相關(guān)標志物的高表達(圖5I)。在CCLE數(shù)據(jù)庫中進行驗證，發(fā)現(xiàn)ST6GALNAC3與EMT標志物(ROR2和TAGLN)呈顯著正相關(guān)，還探索了ST6GALNAC3在各種胃癌細胞系中的表達情況(圖5J-L)。最后，選擇AGS細胞進行qRT-PCR實驗驗證，發(fā)現(xiàn)ROR2和TAGLN隨著ST6GALNAC3的下調(diào)而顯著降低(圖5M)。

圖5?風險評分的潛在功能分析

文章小結(jié)

這個文章通過對脂質(zhì)代謝相關(guān)基因的單因素和多因素分析，構(gòu)建了新的脂質(zhì)代謝評分，篩選出具有預(yù)后價值的脂質(zhì)代謝相關(guān)基因（LMAGs）。這6個LMAGs特征能有效評價GC患者的預(yù)后，反映其免疫狀態(tài)?？偟膩碚f，“預(yù)后模型的構(gòu)建+免疫浸潤分析+關(guān)鍵基因的驗證”的生信分析套路比較經(jīng)典，對代謝方向感興趣的小伙伴們，碼住這個思路趕快復(fù)現(xiàn)起來吧！