雜志：FRONTIERS?IN PHARMACOLOGY

影響因子：IF=5.738

發(fā)表日期：2022年12月

研究背景

? ? 對(duì)細(xì)胞代謝過程的精確控制維持了細(xì)胞的形態(tài)，但在轉(zhuǎn)化為惡性狀態(tài)的過程中，細(xì)胞獲得了代謝重編程的特征，通過改變幾種信號(hào)通路以維持腫瘤細(xì)胞無限的增殖能力。

? ? 谷氨酰胺在細(xì)胞自噬、活性氧(ROS)應(yīng)激和腫瘤微環(huán)境的形成中起著至關(guān)重要的作用。谷氨酰胺在細(xì)胞新代謝中起著不可忽視的作用，研究表明谷氨酰胺缺失會(huì)導(dǎo)致腫瘤細(xì)胞死亡。腫瘤細(xì)胞對(duì)谷氨酰胺的特殊需求使得開發(fā)新的臨床預(yù)測(cè)、治療計(jì)劃和成像策略成為可能。

數(shù)據(jù)來源

研究流程

主要研究結(jié)果

1.?根據(jù)P-value、LASSO分析、Mantel檢驗(yàn)，篩選出21個(gè)谷氨酰胺代謝相關(guān)基因

利用R“coxph”計(jì)算初始生物標(biāo)志物中涉及的每個(gè)基因的HR值和p值，評(píng)估TCGA訓(xùn)練集患者OS中118個(gè)基因表達(dá)的相關(guān)性。67個(gè)p值閾值<0.001的候選對(duì)象進(jìn)入LASSO Cox回歸模型。最終確定25個(gè)谷氨酰胺代謝相關(guān)基因（圖1A-C）。采用Mantel檢驗(yàn)鑒定表達(dá)模式相同的基因(圖1D)。剔除這些基因后，篩選出21個(gè)谷氨酰胺代謝相關(guān)基因。

圖 1?鑒定出21個(gè)谷氨酰胺代謝相關(guān)基因

2.?預(yù)后GMscore的建立以及生存分析

根據(jù)鑒定出21個(gè)基因的系數(shù)和表達(dá)水平(TPM值)建立一個(gè)特征，進(jìn)行signature特征訓(xùn)練，預(yù)測(cè)泛癌患者的OS。計(jì)算32種腫瘤每個(gè)樣本的GMscore（圖2A）。對(duì)GMscore、性別、年齡、階段(I-IV)四個(gè)變量進(jìn)行多變量Cox回歸分析評(píng)估生存風(fēng)險(xiǎn)意義（圖2B-C）。

為了衡量GMscore的預(yù)測(cè)能力，比較了四個(gè)變量的C-index（圖2D-E）。根據(jù)GMscore的中位數(shù)將數(shù)據(jù)集樣本分為兩個(gè)風(fēng)險(xiǎn)組，進(jìn)行Kaplan - Meier分析，并采用log-rank檢驗(yàn)來估計(jì)兩個(gè)危險(xiǎn)隊(duì)列之間預(yù)后的差異。（圖2F-H）。

這些結(jié)果表明，GMscore是一個(gè)不同于其他臨床病理特征的個(gè)體危險(xiǎn)因素，是一個(gè)預(yù)后預(yù)測(cè)概率更高的理想模型。

圖 2?泛癌GMscore的建立與驗(yàn)證

3.?泛癌OS綜合預(yù)測(cè)模型的構(gòu)建

通過將GMscore與詳細(xì)的臨床病理特征(包括性別、年齡、分期和癌癥類型)結(jié)合，生成一個(gè)綜合評(píng)分nomogram，以提高生存預(yù)測(cè)能力（圖3A）。此外，繪制了預(yù)測(cè)1、3和5年OS的校準(zhǔn)曲線，以與實(shí)際OS進(jìn)行比較（圖3B）。tROC分析來估計(jì)nomogram的準(zhǔn)確性，并比較不同變量之間的預(yù)測(cè)能力(圖3C)。此外，與其他四個(gè)變量相比，nomogram對(duì)OS的預(yù)測(cè)最高(圖3D)。

圖 3?建立了一個(gè)綜合預(yù)后模型，以提高對(duì)泛癌生存概率的估計(jì)

4.?單細(xì)胞測(cè)序分析GMscore與細(xì)胞周期進(jìn)展顯著相關(guān)

使用z-score算法對(duì)每個(gè)樣本的EMT、血管生成、炎癥、免疫浸潤(rùn)、CCP和谷氨酰胺代謝等所有特征進(jìn)行了檢測(cè)。計(jì)算了谷氨酰胺代謝與這些惡性特征之間的Pearson相關(guān)系數(shù)(r)，結(jié)果顯示谷氨酰胺代謝與惡性特征之間存在顯著相關(guān)性（圖4A）。

從GEO數(shù)據(jù)庫(GSE146773)檢索到的346個(gè)G1期細(xì)胞、334個(gè)S期細(xì)胞和387個(gè)G2M期細(xì)胞的單細(xì)胞RNA序列數(shù)據(jù)，篩選基于三個(gè)聚類之間的差異基因(圖4B)。然后進(jìn)行偽時(shí)間軌跡分析，推測(cè)與“monocle2”聚類的發(fā)育相關(guān)性，繪制參與谷氨酰胺代謝的基因表達(dá)與細(xì)胞周期進(jìn)程發(fā)展的關(guān)系（圖4C）。根據(jù)簇間發(fā)育的時(shí)間順序（圖4D），繪制了參與谷氨酰胺代謝過程的基因表達(dá)熱圖(圖4E)。對(duì)G1期細(xì)胞簇的差異基因進(jìn)行KEGG富集分析(圖4F)。使用初始生物標(biāo)記物生成PPI網(wǎng)絡(luò)(圖4G)。

結(jié)果表明，G1期和谷氨酰胺代謝過程受到TP53的調(diào)控。

5.?篩選不同風(fēng)險(xiǎn)隊(duì)列中的突變基因，分析CAD表達(dá)與預(yù)后的相關(guān)性

確定了不同風(fēng)險(xiǎn)組中突變最頻繁的前15個(gè)基因(圖5A, B)。TP53在兩組基因中都占據(jù)了第一的位置，圖5C顯示了TP53的不同突變頻率和位置。比較了兩個(gè)風(fēng)險(xiǎn)組之間的共發(fā)生和互斥突變，觀察到IDH1存在明顯差異(圖5D)，并且IDH1在所有突變基因中具有最高的OR(圖5E)。隨后分析了TCGA-LGG隊(duì)列中前15個(gè)頻繁突變基因，其中IDH1突變頻率最高（圖5F）。根據(jù)TCGA數(shù)據(jù)庫中LGG和GBM組CAD不同表達(dá)水平的中值，探討在IDH1是否突變的情況下，CAD表達(dá)與預(yù)后的相關(guān)性（圖5G-I）。

圖 5?兩個(gè)危險(xiǎn)組和CAD之間的基因組改變對(duì)IDH1突變膠質(zhì)瘤患者至關(guān)重要

6.?通過GESA和多種算法分析GMscore不同組間的免疫浸潤(rùn)特征

基因集富集分析(GSEA)由R“clusterProfiler”完成，用于富集GMscore高隊(duì)列中高度調(diào)控的基因（圖6A）。上調(diào)基因在許多免疫相關(guān)通路中富集（圖6B）。比較了常見的免疫檢查點(diǎn)，包括PDCD1，CD276，以及其他指標(biāo)，如INFG，CYT評(píng)分和TMB。在GM評(píng)分高的隊(duì)列中，所有這些特征都顯著升高(圖6C-F)。這些結(jié)果表明在GMscore高的隊(duì)列中有更好的治療反應(yīng)。

使用了三種算法(ESTIMATE、CIBERSORT和xCell)來測(cè)量不同隊(duì)列間免疫細(xì)胞的絕對(duì)豐度和相對(duì)豐度。ESTIMATE顯示GMscore高隊(duì)列的特點(diǎn)是免疫、基質(zhì)和估計(jì)評(píng)分顯著高，腫瘤純度低(圖6G）。應(yīng)用CIBERSORT評(píng)估各種免疫細(xì)胞的相對(duì)豐度，M2巨噬細(xì)胞最大(圖6H)。CIBERSORT和xCell的結(jié)果(圖6I)與TIMER一致，在GMscore高的隊(duì)列中CD8+?T細(xì)胞明顯減少。

7??抗癌藥物和免疫治療的敏感性預(yù)測(cè)

采用R“pRRophetic”評(píng)估每位患者對(duì)常用化療藥物和靶向表皮生長(zhǎng)因子受體(EGFR)藥物的敏感性。gmscore低組的IC50估計(jì)值顯著升高，這表明gmscore高組可能提供更好的結(jié)果(圖7A-E)。

為了提高對(duì)具有不同谷氨酰胺代謝特征的患者免疫治療反應(yīng)的預(yù)測(cè)，基于初始生物標(biāo)志物開發(fā)了一個(gè)名為谷氨酰胺代謝免疫治療反應(yīng)評(píng)分（GMIRS）的全新標(biāo)志。對(duì)具有兩個(gè)最佳參數(shù)的118個(gè)基因（圖7F）通過兩種方法進(jìn)行了排序（圖7G）。將16個(gè)重疊的候選數(shù)據(jù)輸入LASSO調(diào)節(jié)分析(圖7H)，選擇15個(gè)基因構(gòu)建預(yù)測(cè)模型。使用ROC分析驗(yàn)證準(zhǔn)確性。通過TIDE算法預(yù)測(cè)樣本和對(duì)ICB治療的反應(yīng)（圖7I-K）。

圖 7?谷氨酰胺代謝對(duì)抗癌藥物和免疫治療的影響

這篇文章的巧妙之處就在于，

亮點(diǎn)一：本文選擇了代謝重編程這一熱點(diǎn)話題，以谷氨酰胺代謝作為切入點(diǎn)。使用參與谷氨酰胺代謝和調(diào)控過程的相關(guān)基因作為初始生物標(biāo)志物。通過機(jī)器學(xué)習(xí)選擇21個(gè)與谷氨酰胺代謝相關(guān)的基因，構(gòu)建谷氨酰胺代謝相關(guān)的預(yù)后基因特征。

亮點(diǎn)二：與免疫微環(huán)境熱點(diǎn)結(jié)合，分析谷氨酰胺代謝對(duì)免疫微環(huán)境的影響，比較了不同危險(xiǎn)組患者免疫浸潤(rùn)的差異。得到結(jié)論：高危評(píng)分伴高免疫細(xì)胞浸潤(rùn)和免疫通路激活。

亮點(diǎn)三：本文在泛癌分析中，從細(xì)胞周期的角度入手，進(jìn)行了基于周期特異性差異基因的富集分析。得到了以下結(jié)論：谷氨酰胺代謝與腫瘤的幾種惡性特征密切相關(guān)，尤其是細(xì)胞周期紊亂。

這篇文章思路清晰，可以當(dāng)作代謝重編程方向的模板思路。如果你也對(duì)這個(gè)熱點(diǎn)有興趣，又不知如何與生信結(jié)合起來，快來咨詢小云吧！小云將為您解答！