肺腺癌焦亡相关特征模型的构建和验证

doi:10.3969/j.issn.1673-8640.2023.09.005

摘要/Abstract

摘要：

目的基于生物信息学方法构建肺腺癌（LUAD）-细胞焦亡基因预后风险模型，探讨LUAD与细胞焦亡的关系。方法从肿瘤基因组图谱（TCGA）数据库下载LUAD患者的转录组数据（TCGA队列）和临床资料，采用limma程序包鉴别差异表达的焦亡基因。根据差异焦亡基因的表达特征对TCGA队列进行聚类分析，以获得聚类分型，鉴定不同聚类分型间的差异表达基因。采用LASSO-Cox回归分析建立基于不同聚类分型差异表达基因的预后风险模型，并计算风险评分。依据风险评分的中位值将TCGA队列的LUAD患者分为高风险组、低风险组。结合临床病理特征，采用Kaplan-Meier生存曲线和Cox回归分析探讨预后风险模型的临床价值。根据TCGA队列的风险评分中位值将从基因表达综合（GEO）数据库中筛选出的LUAD患者分为高风险组和低风险组，对预后风险模型进行验证。对TCGA队列高、低风险组差异表达基因进行基因本体论（GO）和京都基因与基因组数据库（KEGG）富集分析。采用单样本基因集富集分析（ssGSEA）和CIBERSORT程序包对TCGA队列的免疫细胞和免疫相关通路进行量化和比较。结果在LUAD癌组织和癌旁组织中鉴定出41个差异表达的焦亡基因。聚类分析结果显示，TCGA队列样本可分为2个聚类分型，分型2的生存期显著长于分型1（P<0.05）。鉴定出11个与LUAD患者生存相关的差异表达基因（ANO1、PKHD1L1、FMO2、TDRD1、TBX4、ABCC12、AQP4、CPXM2、WFIKKN2、ATP1A4、IGSF10）。Kaplan-Meier生存曲线分析结果显示，TCGA队列高风险组生存期显著短于低风险组（P<0.05）。采用GEO队列进行验证，得出了相同的结果。Cox回归分析结果显示，依据预后风险模型得出的风险评分是LUAD患者预后的独立危险因素。基于TCGA队列11个差异表达基因的热图分析结果显示，高风险组、低风险组之间性别、临床分期、T分期、N分期差异均有统计学意义（P<0.05）。TCGA队列高风险组和低风险组差异表达基因主要与趋化因子介导肿瘤相关信号通路、免疫反应、细胞膜功能相关。结论焦亡基因在肿瘤免疫中起重要的作用。依据11个焦亡基因建立的预后风险模型或可用于预测 LUAD的预后。

关键词: 细胞焦亡基因, 肺腺癌, 肿瘤基因组图谱数据库, 预后, 免疫浸润细胞

Abstract:

Objective To construct a prognostic model of lung adenocarcinoma（LUAD）-pyroptosis genes based on bioinformatics，and to investigate the relationship between LUAD and cell pyroptosis. Methods The transcriptomic data of LUAD patients（TCGA cohort） and clinical data were downloaded from the Cancer Genome Atlas（TCGA），and the limma program package was used to identify differentially expressed pyroptosis genes. Cluster typing was obtained from TCGA cohort based on the expression characteristics of differentially expressed pyroptosis genes，and differentially expressed pyroptosis genes between clustering were identified. Using least absolute shrinkage and selection operator（LASSO）-Cox regression method，a prognostic model based on inter-clustering differentially expressed pyroptosis genes was developed，and the risk scores were calculated. TCGA cohort LUAD patients were classified into high and low risk groups using the median risk score. The clinical prognostic role of the prognostic model was analyzed using Kaplan-Meier survival curve and Cox regression analysis in conjunction with clinical characteristics. The LUAD patients from the Gene Expression Omnibus（GEO） were classified into 2 risk groups（high and low） using the median risk score of the TCGA cohort，and the clinical prognostic validation was performed. The signaling pathways and biological functions of differentially expressed pyroptosis genes in TCGA cohort were analyzed using Gene Ontology（GO） and Kyoto Encyclopedia of Genes and Genomes（KEGG） analysis. Single sample gene set enrichment analysis（ssGSEA） and CIBERSORT were used to compare immune cells and immune-related pathways. Results Totally，41 differentially expressed pyroptosis genes were identified in LUAD tissues and paracancer tissues. The results of cluster analysis showed that TCGA cohort samples could be classified into 2 cluster types，and the survival time of type 2 was longer than that of type 1（P<0.05）. Totally，11 differentially expressed pyroptosis genes（ANO1，PKHD1L1，FMO2，TDRD1，TBX4，ABCC12，AQP4，CPXM2，WFIKKN2，ATP1A4 and IGSF10） associated with survival in LUAD patients were identified. Kaplan-Meier survival curve analysis showed that the survival time of TCGA cohort high risk group was shorter than that of low risk group（P<0.05）. The same results were obtained using GEO cohort. Cox regression analysis showed that the risk score derived from the prognostic risk model was an independent risk factor for the prognosis of LUAD patients. Heat map analysis of 11 differentially expressed pyroptosis genes in the TCGA cohort showed that there was statistical significance in sex，clinical stage，T stage and N stage between high risk and low risk group（P<0.05）. The differentially expressed pyroptosis genes between high risk and low risk groups in TCGA cohort were related to chemokines mediating tumor-related signaling pathways，immune response and cell membrane function. Conclusions Pyroptosis genes play roles in tumor immunity，and the constructed 11 pyroptosis genes-related prognostic model can be used to predict the prognosis of LUAD.

Key words: Cell pyrotosis gene, Lung adenocarcinoma, The Cancer Genome Atlas, Prognosis, Immune infiltrating cell

中图分类号:

R393

王杨淑怡, 叶威, 林志豪, 黄约诺, 方涛, 董晓亭. 肺腺癌焦亡相关特征模型的构建和验证[J]. 检验医学, 2023, 38(9): 833-841.

WANG Yangshuyi, YE WEI, LIN Zhihao, HUANG Yuenuo, FANG Tao, DONG Xiaoting. Construction and validation of a model for pyroptosis-related features in lung adenocarcinoma[J]. Laboratory Medicine, 2023, 38(9): 833-841.

图/表 6

图1 细胞焦亡基因的表达和相互作用注：（a）癌组织和癌旁组织之间细胞焦亡基因的热图；与癌旁组织比较，*P<0.05、**P<0.01、***P<0.01；（b）细胞焦亡基因的PPI网络（相互作用分数=0.9）；（c）细胞焦亡基因的相关网络图。

图2 基于差异表达基因特征的肿瘤分型注：（a）根据聚类分析（k=2）将LUAD患者分为2个聚类；分型1，分型2；（b）肿瘤分型中差异基因和临床特征的分布；（c）2个聚类的 Kaplan-Meier 生存曲线；分型1；分型2。

图3 预后模型对TCGA队列的预后评估效能注：（a）Cox回归分析筛选与生存相关的差异表达基因；（b）LASSO回归分析中参数选择的交叉验证；（c）11个与生存相关的差异表达基因的LASSO-Cox回归分析；（d）高风险组和低风险组的Kaplan-Meier生存曲线；高风险组，低风险组；（e）基于风险评分的患者分布；高风险组，低风险组；（f）LUAD患者的生存分布；死亡，存活；（g）预后模型的ROC曲线； 1年生存， 3年生存， 5年生存。

图4 预后模型对GEO队列的预后评估效能注：（a）高风险组和低风险组的Kaplan-Meier生存曲线；高风险组，低风险组；（b）基于风险评分的患者分布；高风险，低风险；（c）LUAD 患者的生存分布；死亡，存活；（d）预后模型的ROC曲线； 1年生存， 3年生存， 5年生存。

图5 预后风险模型的Cox回归分析和TCGA队列高风险组、低风险组临床病理特征的差异热图注：（a）预后风险模型在TCGA队列中的单因素Cox回归分析；（b）预后风险模型在TCGA队列中的多因素Cox回归分析；（c）预后风险模型在GEO队列中的单因素Cox回归分析；（d）预后风险模型在GEO队列中的多因素Cox回归分析；（e）TCGA队列高风险组、低风险组临床病理特征的差异热图。

图6 TCGA队列高风险组、低风险组差异表达基因的功能分析和ssGSEA结果注：（a）高风险组、低风险组差异表达基因的KEGG富集分析；（b）高风险组、低风险组差异表达基因的GO富集分析；（c）高风险组、低风险组免疫细胞和免疫相关通路的差异；低风险组，高风险组；（d）高风险组、低风险组免疫浸润细胞的差异；低风险组，高风险组；*P<0.05，**P<0.01，***P<0.001。

参考文献 14

[1]	VANDE WALLE L, LAMKANFI M. Pyroptosis[J]. Curr Biol, 2016, 26(13):R568-R572. DOI URL
[2]	GAO J, QIU X, XI G, et al. Downregulation of GSDMD attenuates tumor proliferation via the intrinsic mitochondrial apoptotic pathway and inhibition of EGFR/Akt signaling and predicts a good prognosis in nonsmall cell lung cancer[J]. Oncol Rep, 2018, 40(4):1971-1984.
[3]	SHI J, GAO W, SHAO F. Pyroptosis:gasdermin-mediated programmed necrotic cell death[J]. Trends Biochem Sci, 2017, 42(4):245-254. DOI URL
[4]	FANG Y, TIAN S, PAN Y, et al. Pyroptosis:a new frontier in cancer[J]. Biomed Pharmacother, 2020, 121:109595. DOI URL
[5]	XIA X, WANG X, CHENG Z, et al. The role of pyroptosis in cancer:pro-cancer or pro-"host"?[J]. Cell Death Dis, 2019, 10(9):650. DOI
[6]	WANG F, LIU W, NING J, et al. Simvastatin suppresses proliferation and migration in non-small cell lung cancer via pyroptosis[J]. Int J Biol Sci, 2018, 14(4):406-417. DOI PMID
[7]	SUN G Z, ZHAO T W. Lung adenocarcinoma pathology stages related gene identification[J]. Math Biosci Eng, 2019, 17(1):737-746. DOI PMID
[8]	曾琬琴, 殷霞, 傅小龙. 细胞焦亡在肿瘤中的研究进展[J]. 肿瘤学杂志, 2020, 26(5):438-443.
[9]	覃高升, 李佳乐, 王婉婉, 等. 细胞焦亡在肿瘤中的研究进展[J]. 癌症进展, 2020, 18(4):339-342.
[10]	YANG X, CHEN G, YU K N, et al. Cold atmospheric plasma induces GSDME-dependent pyroptotic signaling pathway via ROS generation in tumor cells[J]. Cell Death Dis, 2020, 11(4):295. DOI PMID
[11]	WU M, WANG Y, YANG D, et al. A PLK1 kinase inhibitor enhances the chemosensitivity of cisplatin by inducing pyroptosis in oesophageal squamous cell carcinoma[J]. EbioMedicine, 2019, 41:244-255. DOI PMID
[12]	WANG Q, WANG Y, DING J, et al. A bioorthogonal system reveals antitumour immune function of pyroptosis[J]. Nature, 2020, 579(7799):421-426. DOI
[13]	HSU S K, LI C Y, LIN I L, et al. Inflammation-related pyroptosis,a novel programmed cell death pathway,and its crosstalk with immune therapy in cancer treatment[J]. Theranostics, 2021, 11(18):8813-8835. DOI URL
[14]	谢天裕, 刘云, 廖世杰, 等. 细胞焦亡与恶性肿瘤治疗的研究进展[J]. 南昌大学学报(医学版), 2020, 60(6):94-98.

[1]	张寒, 李军, 刘小江, 管义祥. 白蛋白、白细胞介素6和铁蛋白联合检测在评估自发性脑出血患者功能预后中的价值[J]. 检验医学, 2023, 38(8): 713-718.
[2]	张娜, 牛伟华, 孙媛媛, 贾玫. CMV和EBV共感染可影响造血干细胞移植患者预后[J]. 检验医学, 2023, 38(8): 760-765.
[3]	郭洁, 李海霞, 李小云. 术前外周血红细胞分布宽度/血小板计数比值与子宫内膜癌患者预后的相关性[J]. 检验医学, 2023, 38(7): 675-679.
[4]	王腾飞, 陈珊, 安和兵, 周蕾. 急性白血病患者外周血lncRNA CRNDE、miR-384表达及其临床意义[J]. 检验医学, 2023, 38(7): 686-691.
[5]	张春玲, 蔺丽慧, 王小蕊, 丁静, 李莉. 成人KMT2A/MLLT6阳性急性髓系白血病1例报道并文献复习[J]. 检验医学, 2023, 38(7): 704-706.
[6]	尹娅, 潘沅, 周宏伟, 沈薇. BNP和NT-proBNP在新生儿心血管疾病中的应用进展[J]. 检验医学, 2023, 38(6): 518-523.
[7]	赵婧, 王佩, 卢丹丹, 齐丹丹, 李轩. 出血性脑卒中患者血清miR-4443、TRAF4相对表达量变化的临床意义[J]. 检验医学, 2023, 38(5): 413-418.
[8]	宋世伟, 李景武, 林韬, 刘泽宇, 王志强, 孙卫东. GPNMB与非小细胞肺癌患者肿瘤免疫浸润和预后的相关性[J]. 检验医学, 2023, 38(4): 347-351.
[9]	刘俊闪, 郭明发, 孙佳, 史利欢, 刘炜, 段勇涛. 微量残留病监测在ETV6/RUNX1阴性和阳性急性B淋巴细胞白血病患儿预后中的意义[J]. 检验医学, 2023, 38(3): 209-214.
[10]	陈哲, 张灵, 刘洁, 王霞, 张斌, 高炳华. 血清miR-326与治疗相关性血液系统恶性肿瘤患者化疗敏感性和预后的关系[J]. 检验医学, 2023, 38(3): 251-256.
[11]	李志霞, 肖华, 卓芬, 李存盈, 李绍武, 王玉丰. 外周血LYMPH#、MO#、LMR在DLBCL患者预后评估中的价值[J]. 检验医学, 2023, 38(12): 1198-1201.
[12]	顾怡, 王蕊, 邓杰, 杨易静, 周王柯, 陈予诺, 陈小松, 沈薇, 周景艺. 重症肝炎和肝硬化患者肝移植前后生物标志物水平差异及其预后评估价值[J]. 检验医学, 2023, 38(11): 1044-1051.
[13]	梁卫章, 石建平, 柴丽娜, 韩爱子. 血清组织蛋白酶K、解聚蛋白样金属蛋白酶-7与慢性心力衰竭患者心室重构和预后的关系[J]. 检验医学, 2023, 38(10): 919-925.
[14]	周军, 李立恒, 张敏. 口腔腺样囊性癌患者血清miR-24、XIAP mRNA表达及其与预后的相关性[J]. 检验医学, 2023, 38(10): 930-935.
[15]	王瑞娟, 李超, 段丽娟, 尚淼, 杨如玉. lncRNA RBM5-AS1在急性髓系白血病中的表达及其临床意义[J]. 检验医学, 2023, 38(1): 39-45.