生信小课堂
影响因子：7.3
研究概述：原发性肝癌主要表现为肝细胞癌（HCC），HCC对人类健康构成重大威胁，因为它的流行率和侵袭性且往往耐治疗的疾病进展率很高。在一些HCC患者中，HCC的高耐药性使有前途的免疫疗法的疗效也有限。因此，当务之急是确定一个特定的分子模型，可以有效地预测目标人群对这些治疗的反应，最终提高其疗效。作者根据泛凋亡相关基因的表达，确定了三种分子亚型。为了构建模型，对不同分子亚型之间的差异表达基因进行了lasso和Cox回归分析。根据中位风险评分，患者被分为高风险组和低风险组。使用Kaplan-Meier评估特征的预测性能，ROC曲线、nomogram和校准曲线。使用外部数据集验证了结果。此外，还研究了特征与免疫景观和药物敏感性的相关性，通过体外实验验证了LPCAT1敲除对HCC细胞行为的影响。这项研究表明，该模型与肿瘤免疫微环境显著相关。这些发现为HCC患者制定个性化治疗计划并改善其临床结果提供了新的见解。
本文属于单肿瘤分型思路，类似的分型文章我们也解读过很多。
肿瘤分型文章比较重要的结论就是分型后构建的评分能够预测免疫治疗或者其他治疗的疗效。可以用于分型的基因集很多，比如焦亡，坏死性凋亡，铁死亡，自噬，铜死亡，m7G，细胞衰老，各类代谢等等。
另外还可以基于单细胞的结果做分型分析，以及基于分型的百种机器学习建模可以延伸分析。
如果想做类似的分析，欢迎交流。
流程图：
研究结果：
一、泛凋亡相关基因的表达及其在HCC中的预后相关性
23个泛凋亡相关基因下调（12个泛凋亡相关基因，4个坏死相关基因和7个细胞凋亡相关基因；图2A）。此外，大多数泛凋亡相关基因的表达水平、21个细胞焦亡相关基因、4个坏死相关基因和28个凋亡相关基因）与HCC患者的总体生存率（OS）相关（图2B-D）。一般来说，高表达组的预后很差。这些发现支持了对泛凋亡相关基因的进一步分析。
二、基于泛凋亡相关基因的分子亚型鉴定
用共识聚类（图3A），将这371个肿瘤样本分为3个亚型，即PANoptosisClusters A、B和C。PCA对PANoptosisClusters中的三种不同表达模式进行了直观而清晰的描述（图3B）。根据泛凋亡的分子亚型，HCC患者的OS差异很大。PANoptosisCluster B展示了最好的OS，其次是PANoptosisClusters C和A（图3C）。
接下来，使用GSVA检查了不同泛凋亡分子亚型的生物功能。PANoptosisClusters A和B之间、PANoptosisClusters A和C之间以及PANoptosisClusters B和C之间的差异通路分别显示在图3E-G中。
三、PANRS的构建
构建PANRS是为了将这些分子亚型应用于HCC患者的临床分析。对PANoptosisClusters A、B和C的差异分析显示1565 DEGs（图4A）。GO和KEGG功能富集分析（图4B，C）显示，DEG富集的主要细胞成分是染色体区域。
训练队列中的预后DEG接受了LASSO Cox回归分析，以控制特征中包含的基因数量。如图4D所示。作者选择并标记了图4E中交叉验证误差最小的四个基因。这些基因接受了多变量Cox回归分析。获得了与泛凋亡的分子亚型（即PANRS）相关的最佳特征。中位风险评分为0.843，是将训练、测试、TCGA-LIHC和ICGC-LIRI-JP队列分为高风险和低风险组的临界值。Sankey图显示了在泛凋亡的分子亚型被量化为PANRS后预测HCC预后的简短过程（图4G）。此外，对PANoptosisClusters风险评分分布的比较分析显示，PANoptosisCluster A的风险评分最高，其次是PANoptosisCluster C（图4H）和PANoptosisCluster B。
四、 PANRS可靠地预测TCGA队列中的HCC预后
作者分析了训练队列中高风险组和低风险组之间的差异OS。高危组患者OS明显下降（图5A）。风险曲线结果表明，高风险组的患者与不良预后基因LPCAT1和CBX2的死亡率增加和表达水平上调有关（图5B）。在训练队列中，使用时间依赖的ROC曲线评估了PANRS预测HCC患者OS的性能。预测1年、3年和5年OS的曲线下面积（AUC）值分别为0.793、0.720和0.709（图5C）。在测试和TCGA-LIHC队列中获得了类似的结果（图5D、E、G、H）。此外，在测试和TCGA-LIHC队列中，PANRS的AUC（时间依赖性ROC曲线）值>0.7（图5F，I），表明PANRS的预后预测性能很高。最后，对三个队列中的风险评分进行了独立的预后分析，以排除其他临床因素的干扰。风险评分被确定为HCC的独立预后因素（图5J-L）。
作者对TCGA-LIHC队列的数据进行了适用性分析。当考虑年龄、性别（男性）、肿瘤等级和肿瘤阶段等因素时，与低风险组相比，高危组的OS明显更差（图6A-H）。这表明PANRS可以广泛用于预测HCC患者的生存率。为了单独确定每个患者的1年、2年和3年存活率的概率，通过结合临床病理特征和风险评分建立了一个诺模图。如图6I所示，患者的综合风险评分为246分，预计1年、2年和3年生存概率分别为62.3%、37.1%和28.7%。图6J中的校准曲线显示，预测的1年、2年和3年生存概率与实际生存率之间存在高度一致性。此外，用于预测HCC患者1年、2年、3年和5年OS的命名图的C指数和AUC值高于年龄、性别、肿瘤等级和肿瘤阶段（图6K-O）。
五、验证ICGC-LIRI队列中PANRS的预后效应，并与之前报告的模型进行比较
作者根据TCGA-LIHC培训队列的风险评分中位数，ICGC-LIRI队列分为高风险组和低风险组。如图7A所示，高危组表现出不良OS（p < 0.001）和预后不良相关基因（LPCAT1和CBX2）的上调表达。PANRS预测HCC患者1年、2年和3年OS的AUC值约为0.7（图7B）。独立的预后分析、临床适用性分析、nomogram和校准图表证实，风险评分可以独立、准确和单独预测ICGC-LIRI队列中广泛人群的患者的生存率（所有p < 0.05，图7C-F）。
六、PANRS可以预测肾乳头状细胞癌患者的预后
根据本研究中确定的HCC风险评分的预后能力，作者检查了TCGA数据库中31个其他肿瘤的PANRS的预后能力。结果表明，PANRS是一个强大的预测工具，其应用可能不仅限于HCC。
七、PANRS可以准确预测HCC患者的免疫景观和免疫治疗反应
肿瘤微环境（TME）是一个多方面和动态的生态系统，显著影响癌症进展，以及免疫治疗和药物治疗的疗效。ESTIMATE算法用于获得基质、免疫和ESTIMATE分数。高危人群的免疫和估计分数明显高于低风险人群（所有p < 0.05）。这表明高危人群TM的免疫细胞渗透增加。进一步分析显示，高风险组表现出记忆B细胞和M0巨噬细胞的丰度增加，它们都与风险评分呈正相关（图8B-D）。相反，在高危组中，B细胞、静息记忆CD4 T细胞和单核细胞的丰度被下调。M1巨噬细胞和单核细胞与风险评分呈负相关（图8E，F）。这些发现表明，高风险群体对免疫抑制性微环境非常敏感。除了腺苷A2a受体（ADORA2A）、诱导性T细胞同体配体（ICOSLG）和肿瘤坏死因子超家族14（TNFSF14）外，37个免疫检查点的表达水平高于低风险组（图8G）。TIDE算法的进一步验证表明，高风险组表现出TIDE、功能障碍和MSI分数下降，但排除分数增加（p < 0.05；图8H-K）。这些发现得到了IMvigor210队列分析的进一步支持。免疫治疗反应组（完全缓解/部分缓解）的风险评分明显高于免疫治疗无反应组（稳定性疾病/进展性疾病）（图8L）。此外，高风险组的OS在免疫治疗后高于低风险组（p = 0.011，图8M），这表明高风险评分的患者对免疫治疗反应良好。免疫治疗反应组中模型基因LPCAT1和CBX2的表达水平高于非反应组（所有p < 0.01，图8N，O）。LPCAT1的上调表达也可以预测膀胱癌患者对免疫治疗的阳性反应（p = 0.032，图8P）。在高危组中，检查的HLA基因的表达水平为95.83%（23/24）（p < 0.05，图8Q，R）。
八、使用PANRS可以预测HCC的化疗药物敏感性
CIs改善了HCC患者的临床预后，提高了对治疗有反应的患者的生存率。然而，多药耐药机制是ICIs疗效的主要限制因素。联合疗法，包括化疗，仍然是主要的治疗方式。这项研究比较了IC50值，以预测具有不同风险的HCC人群对化疗药物的敏感性。高危人群对几种药物的敏感性增加，包括依托泊苷、顺铂、吉西他滨、多西紫杉醇、环帕胺、紫杉醇、帕佐帕尼、雷帕霉素、索拉非尼和阿霉素（图9A-J）。同时，低风险组对阿西替尼、吉菲替尼、拉帕替尼、二甲双胍和AKT抑制剂VIII敏感（图9K-O）。
九、识别LPCAT1对HCC的致癌作用
通过qRT-PCR和western blot，作者发现与正常肝细胞THLE-2相比，LPCAT1的mRNA和蛋白质在HCC细胞（MHCC97-H、HepG2和HCML3）中过度表达（图10A，B）。此外，对高表达水平的HepG2和HCCLM3进行了RNA干扰。如图10C，D所示，作者成功抑制了HCC细胞中LPCAT1蛋白的表达。通过EdU染色和CCK-8检测，结果表明，对LPCAT1表达的干扰显著抑制了HCC细胞的增殖活性（所有p < 0.05，图10E-H）。使用伤口愈合和透孔分析的进一步分析显示，在干扰LPCAT1表达后，HCC细胞迁移显著减少（所有p < 0.05，图10I-K）。
研究总结：
本研究中，作者确定了HCC患者PANoptosis的三种分子亚型。基于这些亚型构建的PANRS被证明是一个可靠和独立的工具，用于准确预测HCC患者的预后和免疫治疗反应。因此，PANRS可以促进HCC的风险分层，并促进个性化的免疫治疗。
网友评论