影响因子:7.6
本文属于基因集单肿瘤分析,类似的文章有
最新6分SCI,基因家族泛癌分析+实验验证,做了这些不怕文章发不了
最新7.5分纯生信,基因家族泛癌分析
我们可以综合各个文章中的内容,筛选新的基因集/复合物/通路/基因家族等进行分析。如果需要的话可联系小编预定
请扫描下方二维码
研究概述
脑胶质瘤是最常见的原发性颅脑肿瘤。虽然手术切除加辅助放化疗可以在一定程度上治疗胶质瘤,但低级别胶质瘤(LGG)和胶质母细胞瘤(GBM)的预后仍然很差。因此,许多研究人员致力于探索新的生物标志物,以实现脑胶质瘤的精准医疗,并延长患者生存期。与传统治疗方案相比,免疫检查点抑制剂(ICI)可有效改善肿瘤患者的临床反应。此外,肿瘤细胞的免疫原性、抗原性和抗原呈递已被证明是ICI有效性的基本决定因素。因此,探索脑胶质瘤中的抗原加工和呈递机制对于优化脑胶质瘤患者的ICIs治疗具有重要意义。
流程图
研究结果
一、APM特征评分的分子特征和临床特征
下图A:作者计算了来自TCGA的神经胶质瘤患者的APM特征评分。结果显示,脑胶质瘤的肿瘤等级提升与APM特征评分增加有关。
下图B:GBM的分子亚型可分为经典型(CL)、间充质型(ME)、神经型(NE)和原神经型(PN)。其中,CL和ME亚型分别与胶质瘤、LGG和GBM样本中更高水平的APM特征评分相关。
下图C:IDH野生型是生存率较差的指标,分别与胶质瘤、LGG和GBM样本中较高的APM特征评分相关。
下图D:1p19q非共缺失是较差生存率的指标,分别与胶质瘤和LGG样本中较高的APM特征评分相关。
下图E:未甲基化的MGMT启动子分别与胶质瘤和LGG样本中较高的APM特征评分相关。
下图F:45岁以上的脑胶质瘤患者在胶质瘤、LGG和GBM样本中的APM特征评分均较高。
下图G:LGG和GBM的肿瘤异质性并未反映出APM特征与临床病理学特征之间的关联。此外,疾病进展治疗后的脑胶质瘤患者具有更高的APM特征评分。
下图H:TMB也与更高水平的APM特征评分相关。
下图I:表明APM特征评分可以预测神经胶质瘤中的ICI反应。同时,SNV新抗原与更高水平的APM特征评分相关。
下图J-K:表明APM特征评分可以预测肿瘤抗原性。同时,经典免疫检查点分子,即VTCN1、PDCD1LG2、LAG3和CD274,都与TCGA和CGGA中更高水平的APM特征评分高度相关。
下图L:对APM特征基因进行单变量COX回归分析进一步确定其预后价值。结果显示,除PSMB5、PSMB6和PSMB7之外的所有APM特征基因都是TCGA中的重要危险标记。
二、APM特征评分的预后价值
下图A-C:具有高APM特征评分的LGG患者、GBM患者和胶质瘤患者在TCGA中的总生存期(OS)、疾病特异性生存(DSS)和无进展间期(PFI)降低。
下图D:具有高APM特征评分的LGG患者、GBM患者和神经胶质瘤患者在CGGA中的OS降低。
三、基于APM特征基因的风险评分构建
下图A-B:对17个APM特征基因进行LASSO回归分析结果。
下图C:描述APM风险特征基因的气泡图。
下图D-E:描述APM特征基因与TCGA和CGGA中风险评分之间关联的热图。结果显示,TCGA和CGGA中APM特征基因表达值、APM特征和风险评分之间具有一致性。
下图F-G:TCGA和CGGA中APM特征与风险评分之间的相关性。结果显示,风险评分与TCGA和CGGA中的APM特征评分高度相关。
四、风险评分的预后价值和基因组特征
下图A-D:ROC曲线显示,风险评分和APM特征评分可以敏感地预测分子亚型(图A)、MGMT启动子甲基化状态(图B)、IDH状态(图C)和1p19q状态(图D)。
下图E:APM特征评分和风险评分都可以敏感预测脑胶质瘤患者的OS、DSS和PFI。
下图F:风险评分增加时,神经胶质瘤患者的总体体细胞突变谱。
下图G:高低风险组的拷贝数变异(CNV)区域如下图G所示,其中1q32.1、4q12、7p11.2中的扩增和9p21.3中的缺失更频繁地发生在高风险评分组中,而在12q14.1和2q37.3、11p15.5、19q13.31的缺失在低风险评分组中更常见。
下图H:癌基因EGFR(21%)和TTN(24%)的突变更频繁地发生在高风险评分组中。相反,抑癌基因IDH1(88%)和TP53(51%)的突变更频繁地发生在低风险评分组中。
下图I:森林图描绘了基于卡方检验的关于APM特征基因的高低风险评分组之间的差异。
五、风险评分可以预测抗PD-1免疫治疗反应
下图A:基于TIDE算法,高风险评分组显示出明显更好的抗PD-1反应。
下图B:在IMvigor 210队列中,高风险评分患者的OS延长。
下图C:对免疫治疗有完全反应或部分反应的患者风险评分较高。
下图D:高风险评分组的患者更有可能对免疫治疗产生反应。
下图E:高风险评分组患者的CD274水平较高。
下图F:在GSE78220队列中,高风险评分患者的OS延长。
下图G:高风险评分组中有更多的患者对免疫治疗有完全反应或部分反应。
下图H:对免疫治疗有反应的患者风险评分更高。
下图I:高风险评分组患者的CD274水平较高。
下图J:接受抗PD-1治疗的GBM队列中,尽管差异无统计学意义,但与低风险评分的患者相比,高风险评分的患者OS降低。
下图K:对免疫治疗无反应的GBM患者的风险评分相对较高。
六、基于风险评分的列线图构建
下图A:为了进一步确定风险评分在临床应用中的价值,作者分别比较了两个风险评分组中接受或不接受放疗患者的生存率。事实证明,接受高风险评分放射治疗的患者生存结果较差。
下图B:作者将风险评分与两个先前建立的模型进行了比较。结果显示,与两个模型相比,该风险评分在预测生存结果方面的最高AUC值为0.851。
下图C:构建基于独立临床因素(风险评分、肿瘤分级、年龄、IDH状态、1p19q状态)的预后列线图。
下图D:1年、3年、4年和5年的校准曲线显示了列线图的可靠性。
下图E:基于列线图评分较高的患者与生存率降低有关。
下图F:基于列线图的评分在生存结果中显示出显著的预测价值,AUC值为0.912。
七、CALR在免疫治疗反应中的预测价值
下图A:使用开放目标平台生成与CALR相关的疾病网络。
下图B:使用STRING数据库可视化CALR的蛋白质相互作用。
下图C:CALR在神经胶质瘤的免疫治疗反应中具有一定的预测价值。
下图D:作者研究了肿瘤细胞中CALR表达与其对免疫治疗药物的敏感性之间的相关性。
下图E:作者比较了ICB治疗前后以及反应者和非反应者之间不同肿瘤细胞系的CALR表达水平。结果显示,CALR表达可以作为预测免疫治疗反应的有效生物标志物。
八、实验验证CALR在介导巨噬细胞侵袭中的作用
下图A:作者利用蛋白质印迹(Western Blot)分析出3种靶向CALR的siRNA可以显著抑制CALR的蛋白表达。
下图B:qPCR检测进一步验证了上述结果。
下图C:siRNA-1和siRNA-3是抑制CALR表达的前2个干扰效率最高的siRNA。
下图D:siRNA-1和siRNA-3组巨噬细胞的侵袭能力较siRNA-NC组显著降低。
下图E:siRNA-1和siRNA-3组中的巨噬细胞更容易极化为M1型巨噬细胞。
下图F:siRNA-1和siRNA-3组中的巨噬细胞不太可能极化为M2型巨噬细胞。
联系客服