m6A调节因子相关基因构建肿瘤预后模型思路

导语

m6A RNA调节因子在癌症中起重要作用，但其功能和机制在胃癌（GC）中尚未得到明确证实。 

背景介绍

今天小编为大  家带来一篇2023年最新发表的肿瘤风险评分模型的纯生信文章，题目为  Id  entification and validation of signature for prognosis and immune microenvironment in gastric cancer based on m6A demethylase ALKBH5。

研究设计

数据介绍

来自TCGA和GEO的公共数据。

结果解析 

01 m6A相关基因表达  

首先比较了19个肿瘤样本和6个正常组织样本中375个m6A调节基因的表达水平。这些基因中的大多数在肿瘤中的表达高于正常组织，包括HNRNPA2B1，HNRNPC，IGF2BP1，IGF2BP2，IGF2BP2，KIAA1429，METTL3，RBM15，YTHDF1，YTHDF2和ZC3H13（图2A，B）。作者在GEO数据集中验证了差异表达。

作者用皮尔逊相关性探究了它们之间的相关系数。结果表明，在19个调节基因中，KIAA1429与YTHDF3的相关性最强（R=0.63）。与ALKBH5相关的前三个基因是RBM15B（R = 0.30），FTO（R = 0.30）和METTL14（R = 0.25）（图2C）。在不同的临床和病理队列中，包括性别、年龄、分期、等级、T、N 和 M，这些基因表达水平的分布存在差异（图2D）。

图2

02 构建风险模型  

单变量和多变量Cox模型均表明ALKBH5可能是胃癌患者的独立保护因子。RBM15和YTHDF2也显示出与ALKBH5相同的风险比，但ALKBH5对单变量和多变量Cox回归均显示出显著性。此外，用ALKBH5低表达和ALKBH5高表达亚组的生命状态数据绘制了生存曲线。结果表明，ALKBH5低亚组的OS比ALKBH5高亚组短，具有统计学意义（图3A）。

图3

作者将317个样本随机分为训练数据集（n = 159）和测试数据集（n = 158）。在训练数据集中，“edgeR”包用于获取具有以下条件的ALKBH5低和ALKBH5高子组之间的差异表达基因（ 图 3B）。然后，作者采用单因素Cox回归法研究差异表达基因与 样本OS之间的关系。对于那些显著的基因，进行了LASSO-penalized Cox回归（图3C，D）。风险评分 = 0.006188505 * CA10 + 0.050823131 * SLC7A2 − 0.008562421 * LINC02303 + 0.0503 82245 * CGB3 + 0.042501742 * C1 QL2 + 0.00927148 * CGB8。两个数据集中所有样本的风险评分均使用公式计算，将每个数据集中的样本按中值分为低风险和高风险亚组。

03   风险模型与胃癌临床相关性  

在训练数据集和测试数据集中进行生存曲线、患者状态/生存时间分布、单因素Cox回归和多因素Cox回归，证明风险模型能够预测胃癌患者的预后。在这两个数据集中，高风险亚组的OS始终短于低风险亚组的OS（图4A，B）。低风险亚组样本的生存时间比高风险亚组长，高风险亚组的死亡样本多于低风险亚组。同时，无论何时在单变量Cox回归模型或多变量Cox回归模型中，风险评分都可以在训练数据集和测试数据集中被识别为胃癌患者的独立危险因素（图4E，F）。

此外，ROC曲线表明，风险模型具有预测GC患者的良好能力。训练和测试数据集中3年OS的曲线下面积（AUCs）分别为0.633和0.668，5年期OS的AUC分别为0.562和0.607。

图4

为了进一步验证模型，两个数据集中的样本按临床预后特征分组，包括年龄、性别、疾病分期、分级以及T和N分期。 图5比较了上述队列中低风险亚组和高风险亚组之间的OS曲线。结果表明，在大多数队列中，低风险亚组的OS比高风险亚组长。

图5

04   列线图的构建  

为了获得用于预测胃癌患者OS的定量工具，使用训练数据集中的年龄，性别，阶段，等级和风险评分构建了列线图模型，并在测试数据集中进行了验证（图6）。在训练队列中，校准曲线分别显示出3年和5年OS中观察到和预测比率的强烈且可接受的一致性。列线图的DCA曲线表明，如果3年OS的阈值概率为0.16-0.39，5年OS的阈值概率为0.1-0.44，则列线图可以提供比预测所有患者或无患者的净收益更高的净收益。这些结果表明，列线图在预测GC患者的OS方面具有很强的能力和准确性。

图6

05   风险模型与免疫浸润  

使用CIBERSORT算法计算整个数据集中每个样品的22个免疫细胞浸润比例（图7A），结果表明ALKBH5高亚群浸润了更多幼稚的B细胞， 中性粒细胞，浆细胞和滤泡辅助性T细胞（图7B）。此外，高危亚组浸润的幼稚B细胞和静息的CD4 + T细胞更多，但低风险亚组浸润了更多活化的记忆CD4 + T细胞，CD8 + T细胞，M1巨噬细胞和滤泡辅助性T细胞（图7C）。结果表明，ALKBH5的表达塑造了肿瘤样本的免疫状况，与高风险亚组相比，低风险亚组具有更好的免疫微环境。

图7

06   实验验证  

使用免疫组化在胃癌组织中检测了ALKBH5的蛋白质表达条件。图8A，B显示了胃癌肿瘤组织和邻近正常组织中免疫组化结果和染色评分的代表性图像。与TCGA数据一致，ALKBH5的蛋白表达在胃癌组织中下调。

为了检查用于构建风险的基因是否受到ALKBH5的调节，作者比较了si-NC和si-ALKHB5组之间的相对mRNA表达水平。结果表明，当ALKBH7在MGC-2和HGC-3细胞系中被敲低时，SLC5A803和CGB27下调，其他编码基因在两种细胞系之一中与ALKHB5敲低一起具有不同程度的变异（图8C）。‍

图8

小编总结

本研究建立并验证了一种基于ALKBH5 的胃癌患者预后的预测模型。 作者发现 ALKBH5 在胃癌肿瘤样本中表达低，显著降低了胃癌的OS。 在训练数据集中，构建了基于5个ALKBH3相关基因的风险模型。 高风险亚组导致较差的OS，并且风险评分是Cox回归模型中GC预后的独立危险因素。 然后，作者建立了基于风险评分和其他临床特征的列线图模型，预测胃癌的5年OS。 GO和CIBERSORT分析表明，ALKBH5相关基因可能参与免疫反应并塑造胃癌的免疫细胞浸润。

打赏