新热点！代谢重编程构建肿瘤风险模型发表8分+

导语

膀胱癌是泌尿系统最常见的恶性肿瘤。然而，由于肿瘤异质性高，膀胱癌的患者预后和治疗结果难以预测。鉴于谷氨酰胺代谢异常已被确定为驱动膀胱癌进展的关键因素，因此可以根据谷氨酰胺代谢相关基因的分析来评估膀胱癌治疗的预后和治疗效果。

背景介绍 今天小编为大家介绍一个构建肿瘤风险模型的新思路：使用代谢重编程相关signature。

文章发表在Front. Immunol.影响因子8.7分，题目为   Identification of a glutamine metabolism reprogramming signature for predicting prognosis, immunotherapy efficacy, and drug candidates in bladder cancer。

数据介绍

从 TCGA 数据库下载膀胱癌患者（包括414份膀胱癌样本和19份相邻非肿瘤样本）表达谱数据、临床信息、体细胞突变。从GEO数据库下载GSE13507（n = 165）和GSE32894（n = 224）作为队列的独立验证。参与谷氨酰胺代谢的基因列表是从GenesCards数据库中获得的。 

研究设计              

结果解析

01、鉴定谷氨酰胺代谢相关基因  

从GeneCards数据库中获得了501个与谷氨酰胺代谢相关的基因，筛选标准是相关评分大于8，并且为蛋白质编码基因。膀胱癌和正常膀胱组织的差异分析得到301个基因。进行GO和KEGG分析以研究这些基因与谷氨酰胺代谢相关的功能。GO结果表明，谷氨酰胺代谢相关基因主要富集于能量代谢相关的生物学功能。KEGG结果显示，与谷氨酰胺代谢相关的基因在碳代谢、AMPK信号通路和氨基酸产生等信号通路中富集（图1A，B）。通过STRING数据库分析PPI网络，并通过Cytoscape可视化以获得三个主要网络图（图1C-E）。通过Cytoscape软件中的算法获得共同的Hub基因，并在TRRUST数据库中预测Hub基因的转录因子（图1F，G）。

图1

02、聚类分析  

差异分析后获得的具有谷氨酰胺代谢相关基因的膀胱癌患者的聚类分析表明，膀胱癌患者最好分为两个cluster，每个cluster具有良好的内部一致性和稳定性（图2A）。生存曲线显示Cluster2预后不良（图2B）。两组人群在膀胱癌的年龄、性别、亚型、分级、临床分期、M、种族等临床指标上差异有统计学意义。与C1膀胱癌患者相比，C2膀胱癌患者60岁以上、男性、非状侵袭性亚型、高级别、高分期、M2、白人和亚裔患者比例显著高于C1膀胱癌患者（p < 0.05）（图2C）。

图2

作者进一步分析了两个cluster之间的免疫微环境。通过ESITIMATE算法，根据Cluster 2具有较高的ESITIMATE评分、免疫评分、评分矩阵和较低的肿瘤纯度（图2D）。CIBERSORT算法显示，cluster2具有更高的免疫细胞浸润（图2E）。患者对免疫检查点抑制剂的反应与TIDEE评分呈负相关。cluster2患者的TIDEE评分显著高于cluster1患者，表明cluster2患者对免疫检查点抑制剂的效果较差（图2F）。

03、构建风险模型  

为了构建与谷氨酰胺代谢相关的风险模型（GMII），通过单变量和多变量Cox分析鉴定了3个具有独立预后价值的基因（图3A）。风险模型与生存状态之间的相关性分析表明，较高的风险评分与较高的死亡率相关（图3C）。高风险组患者的预后比低风险组更差（图3D）。为了验证该模型的预测值，使用GEO公共数据集来验证，结果显示高风险组的死亡率明显高于低风险组（图3E，F）。

单变量和多变量回归分析表明，GMII风险评分是一个独立的危险因素（图3H，I）。基于多变量分析结果，根据GMII、年龄、临床分期和T分期构建列线图，GMII占总分的大部分（图3J）。校准曲线显示，预测和实际的 3 年、5 年和 3 年生存率与参考线一致（图3K）。

图3

04、代谢重编程风险模型的临床相关性分析  

为了进一步验证GMII的临床意义，分析了不同临床特征组间GMII的差异。结果显示，Cluster 2、non -乳头状浸润、淋巴血管浸润、High Grade、III-IV期、M1和N1-3期患者的GMII较高，提示GMII越高，肿瘤越晚期(图4A)。分层分析显示，GMII可以显著区分几乎所有临床亚组的预后，高GMII组患者预后较差。

图4

为了研究高GMII组肿瘤发生的调控途径，作者进行了GSEA分析，结果显示，高GMII组显著富集高谷氨酰胺代谢、谷氨酰胺合成和分解(图4B)。此外，高风险组的癌变、血管生成和上皮-间质转化(EMT)通路显著富集(图4C)。糖酵解和肌合成是高风险评分组NES最高的特征(图4D, E)。

05、风险模型与免疫微环境  

谷氨酰胺代谢和肿瘤微环境在肿瘤发生发展中起重要作用。ESTIMATE算法发现，高GMII组肿瘤纯度较低(图5A)，而ESTIMATE评分(图5B)、免疫评分(图5C)和间质评分(图5D)较高。CIBERSORT算法显示，高GMII组CD8 T细胞水平显著低于低GMII组，高GMII组免疫抑制m2型巨噬细胞水平升高，提示高GMII组具有更高的免疫抑制活性，促进肿瘤进展(图5E)。

作者使用不同的软件发现了GMII与多种免疫细胞之间的相关性(图5F)。ssGSEA算法结果显示，与低GMII组相比，高GMII组具有更高的免疫细胞浸润和免疫相关功能和途径(图5G)。

图5

06、风险模型与体细胞突变  

TMB是免疫治疗和化疗的重要预测指标。为了进一步研究GMII与癌细胞体细胞突变的关系，使用单核苷酸变异数据来研究高GMII组和低GMII组之间基因组突变的差异。TP53、TTN、KMT2D、MUC16和ARID1A是高GMII和低GMII人群中突变频率最高的前5个基因，但每个基因的突变频率在两组之间存在差异(图6A、B)。

图6

通过突变基因之间的互斥和合作分析，发现大多数基因之间存在基因突变协同作用，高GMII组中TP53-ARID1A和EP300-ZFHX4存在显著的突变互斥(图6C)。在低GMII组中也发现了TP53-FGFR3和KMT2D-FGFR3的显著突变互斥(图6D)。TMB合并GMII后，高TMB+低GMII组预后明显优于低TMB+高GMII组(图S6C)。此外，在cbiopportal数据库中检测了GMII中8个基因的突变率，发现突变率较低(图6E)。

07、风险模型预测化疗效果  

为了研究GMII预测化疗反应的潜力，首先从GDSC数据库下载了高GMII和低GMII人群对常用化疗药物的反应数据。结果显示，许多常见膀胱癌化疗药物在高GMII组间差异有统计学意义。吉西他滨作为膀胱癌最常用的化疗药物，低GMII组的IC50值明显低于高GMII组)，提示吉西他滨在低GMII组可能具有更好的疗效(图7A)。

图7

作者还使用PubChem数据库绘制了两组化疗药物的3D结构图。从cellMiner数据库中分析GRGs与药敏的关系，绘制基因与药敏相关性最高的前5种药物的直方图。正相关说明基因表达越强对药物越敏感，负相关说明基因表达越强对药物越耐药。其中，FASN表达上调可能导致患者对大多数药物的敏感性增强(图7B)。此外，利用GDSC数据库分析构建GMII的8种GRGs的药物敏感性与mRNA表达的关系。与cellMiner数据库相反，正相关表示基因表达与耐药相关，负相关表示基因表达与药敏相关。AHCY基因表达与化疗药物敏感性的关系是广泛的，HSPG2与大多数化疗药物敏感性的相关性最高，其中HSPG2在两个数据库中都与达沙替尼敏感性相关(图7C)。这些结果表明，构建GMII基因的表达变化可能是预测药物反应的有效指标和潜在的治疗靶点。

08、风险模型预测免疫治疗效果  

免疫检查点抑制剂在多种肿瘤的治疗中提供了临床益处。通过分析GMII基因与常见免疫检查点的相关性，作者发现与谷氨酰胺代谢相关最高的基因与PD-1/PD-L1表达呈显著负相关。例如，谷氨酰胺转运蛋白SLC7A9和谷氨酰胺代谢成脂肪酸的关键酶FASN。这些结果表明谷氨酰胺代谢与PD-1/PD-L1表达呈负相关(图8A)。

大多数免疫检查点的表达在高GMII组和低GMII组之间存在差异。较高的TIDE评分与较差的免疫检查点阻断治疗和较短的生存期相关，高GMII组较高的TIDE评分表明对免疫检查点阻断治疗的反应较差(图8B)。IMvigor210数据集结果显示，免疫治疗应答组与非应答组的GMII有显著差异，且应答组的GMII较低(图8C)。高GMII组IPS、IPS- pd1阻滞剂、IPS- ctla4阻滞剂、IPS- pd1 - ctla4共阻滞剂评分较低，说明高gmii组抗pd1、抗ctla4、抗pd1 - ctla4共治疗效果较差(图8D)。这些结果提示GMII可能与膀胱癌患者的免疫治疗有关。

图8

小编总结

本文使用了一个新颖的热点——代谢重编程来进行肿瘤风险模型的构建。

作者 建立了由八个谷氨酰胺代谢相关基因（ ENPP1 ， GALK1 ， TALDO1 ， CYP19A1 ， FASN ， AHCY ， SLC7A9 和 HSPG2 ）组成的肿瘤风险模型，风险评分较高与膀胱癌患者的预后不良有关。 GMII的预测性能优于所有其他评估模型。作者基于膀胱癌患者的IC50值评估了膀胱癌患者对常见化疗药物的反应，并计算了基因表达与药物敏感性之间的关系，结果显示两个GMII组对吉西他滨等常见化疗药物的反应存在显著差异。此外， GMII可用于区分具有不同水平免疫检查点表达的患者，并预测他们对ICI治疗的治疗反应。

因此，构建的风险模型和衍生的GMII可以作为评估膀胱癌患者对化疗和免疫治疗反应的有效指标，并可能为这些患者的未来治疗提供有用的指导。 

打赏