5泛凋亡预后模型药物敏感性肿瘤分

　今天给同学们分享一篇泛凋亡+分型+预后模型的生信文章“PANoptosis-relatedmolecularsubtypeandprognosticmodelassociatedwiththeimmunemicroenvironmentandindividualizedtherapyinpancreaticcancer”，这篇文章于年7月14日发表在FrontOncol期刊上，影响因子为5.。

泛凋亡是一种由PANopotosome调节的炎症性程序性细胞死亡。越来越多的证据表明，泛凋亡可能与癌症发病机制和肿瘤免疫微环境有关。然而，目前还没有关于泛凋亡对胰腺癌（PC）发病机制的研究。

1.筛选PANRGs和泛癌分析

作者从一项已发表的研究中获得了66个PANRGs，其中8个是坏死相关基因，26个是热凋亡相关基因，32个是凋亡相关基因（图1A）。单变量Cox回归分析显示，24个PANRGs与患者预后显著相关，其中大多数基因是风险因素。CRADD和AIFM1是患者预后的保护因素（图1B）。结果显示，CRADD与AIFM1呈正相关，而CRADD与其他22个PANRG呈负相关（图1C）。PCA显示，PANRGs能显著区分来自TCGA和GTEx（图1D）、GSE（图1E）和GSE（图1F）数据集的胰腺TT和NT患者。这些结果表明，PANRGs可能与PC发病机制有关。

图1获取和分析PANRGs

接下来，作者分析了泛癌症中PANRGs的CNV、甲基化和突变变化。结果显示，PANRGs中的CNV常见于33种癌症。CNV发生率为5%-60%。CASP2、TNFSF10、YWHAG和CHMP4C存在CNV增量，HMGB2和TLR3存在CNV缺失（图2A）。接下来，作者探讨了CNV与基因表达的相关性，以研究CNV对基因表达的调控作用。结果显示，大多数PANRGs中的CNV与基因表达显著正相关。然而，CASP5和GZMB中的CNV与基因表达呈负相关（图2B）。除CNV外，甲基化也会影响基因表达，并与癌症的发展有关(34)。结果显示，与NT相比，除CASP8外，胰腺TT中大多数PANRGs都存在高甲基化（图2C）。此外，还观察到PANRG甲基化与表达之间存在复杂的相关性。结果显示，BNIP3L、CASP8、CASP4、CHMP4C和IL18的甲基化与表达呈负相关，而PPP3R1和CASP1的甲基化与表达呈正相关（图2D）。最后，作者分析了泛癌中PANRGs的突变情况，结果发现所有PANRGs都存在突变，其中CASP8（15%）、UACA（12%）和UNC5B（9%，图2E）的突变频率最高。在这33种癌症中，子宫内膜癌、皮肤黑色素瘤和胃腺癌的PANRGs突变频率明显较高（图2F）。

图2泛癌PANRGs分析

2.鉴定和分析与细胞凋亡有关的分子亚型

作者对PANRG的表达进行了共识聚类分析。CDF曲线和曲线下面积的变化表明，最佳聚类数为两个。所有PC患者均被分为PAN聚类A和PAN聚类B（图3A）。PCA可以明显区分这两种分子亚型的PC患者，从而表明聚类的可靠性（图3B）。与PANclusterB相比，PANclusterA患者的预后明显较差（图3C）。接下来，作者测定了两种亚型患者的PANRG表达。结果表明，PANclusterA患者中大多数PANRGs的表达明显增加，而CRADD的表达明显减少（图3D）。此外，作者还进行了GSVA，以确定两种分子亚型患者中富集的功能和通路。结果表明，PANclusterA患者的细胞膜DNA感受、NOD样受体和Toll样受体（TLR）信号通路、抗原的处理和呈现、白细胞跨内皮迁移、细胞凋亡以及由自然杀伤（NK）细胞介导的细胞毒性均明显富集（图3E）。此外，作者还采用了CIBERSORT算法来确定两种亚型患者浸润TME的免疫细胞。结果表明，PANclusterB患者TME中的幼稚B细胞、CD8+T细胞、调节性T细胞和单核细胞的浸润显著增加。此外，在PANclusterA患者中还观察到M0、M1和M2巨噬细胞、静止和活化的树突状细胞（DC）、活化的肥大细胞和嗜酸性粒细胞的浸润显著增加（图3F）。此外，相关性分析还揭示了不同免疫细胞之间复杂的相关性。结果显示，CD8+T细胞与幼稚B细胞、活化记忆CD4+T细胞和M1巨噬细胞呈正相关。然而，CD8+T细胞与静息记忆CD4+T细胞、活化的DC以及M2和M0巨噬细胞之间存在负相关（图3G）。

图3鉴定和分析与PANoptosis相关的分子亚型

药物辅助治疗，尤其是化疗，被广泛用于治疗PC患者。然而，不同的PC患者对化疗的反应是不同的。因此，根据患者对不同药物的敏感性对其进行筛查有助于临床决策。结果显示，两种分子亚型的患者对化疗的反应存在差异。PAN群A的患者对厄洛替尼、赛乐替尼和曲美替尼高度敏感（图4A、D、F）。而PANclusterB患者对伊立替康、奥沙利铂和索拉非尼高度敏感（图4B、C、E）。

图4不同PAN细胞凋亡相关分子亚型患者的药物敏感性

3.筛选PANoptosis相关分子亚型患者的DEGs

作者筛选了患者体内的DEGs，以确定不同PAN凋亡相关分子亚型之间的差异。首先，作者确定了73个PANDEGs，其中69个PANDEGs在PANclusterA中显著上调，4个PANDEGs在PANclusterB中上调（图5A）。接下来，作者对这73个PANDEG进行了GO富集分析，以确定这些PANDEG所富集的功能和过程。结果表明，这73个PANDEGs在细胞因子介导的信号通路、细胞外基质（ECM）和外部包裹结构的组织、对病毒的反应以及内胚层细胞分化中具有明显的富集作用（图5B）。为了研究PANDEG对患者预后的影响，作者根据PANDEG的表达进行了共识聚类分析。所有PC患者都被分为PANDEG亚型A和PANDEG亚型B（图5C）。PCA可以将PC患者区分为PANDEG亚型A和PANDEG亚型B，从而表明聚类的可靠性（图5D）。此外，与PANDEG亚型A相比，PANDEG亚型B患者的预后明显更好（图5E）。

图5PANoptosis相关分子亚型患者的差异表达分析

4.构建并验证与细胞凋亡相关的预后模型

作者进行了LASSO和Cox回归分析，构建了基于PANDEG的PANoptosis相关预后模型，并计算了所有PC患者的PANscores。通过单变量Cox回归分析，进一步确定了与患者预后相关的64个基因。接着，利用LASSO回归分析消除了64个基因之间的过度拟合（图6A、B）。与HPSG相比，LPSG患者的生存期明显更长（图6D）。此外，作者还在内部和外部验证集中验证了模型的可靠性（图6E、F）。在训练集（图6G）中，患者1年、3年和5年生存率的AUC值分别为0.、0.和0.；在内部验证集（图6H）中，AUC值分别为0.、0.和0.；在外部验证集（图6I）中，AUC值分别为0.、0.和0.。这些结果表明，作者的模型预测预后的能力良好。另一方面，HPSG患者的死亡率较高。此外，CXCL10和ITGB6表达水平高的患者死亡率也很高（图6J-L）。

图6PANoptosis相关预后模型的建立和验证

5.临床病理特征的相关性和独立预后分析

接下来，作者探讨了PANscore与临床病理特征之间的相关性。结果显示，PANscore与患者的年龄、性别、T期和M期无明显相关性（图7A-C、E）。与N0期PC患者相比，N1期PC患者的PAN评分更高；与I期PC患者相比，II-IV期PC患者的PAN评分更高，且差异接近统计学意义（图7D、F）。此外，与1-2期患者相比，3-4期PC患者的PAN评分明显升高（P=0.，图7G）。最后，作者确定了PANscore是否是独立于临床病理特征的预后因素。单变量Cox回归分析表明，年龄、病理分级、PANscore与患者的预后之间存在关联（图7H）。多变量Cox回归分析表明，PANscore是一个独立的危险因素（图7I）。

图7临床病理特征的相关性和独立预后分析

6.临床病理特征的相关性和独立预后分析

差异表达分析表明，HPSG患者中大多数PANRG表达显著增加，而AIFM1和CRADD表达显著减少（图8A）。作者已经证明，AIFM1和CRADD是患者预后的保护因素。因此，作者研究了模型基因与PANRGs之间的相关性。结果显示，CXCL10和ITGB6与大多数PANRGs呈正相关，CXCL10与CRADD呈显著负相关。此外，ITGB6与AIFM1和CRADD呈显著负相关（图8B）。

图8GSVA、免疫细胞浸润和药物敏感性

为确定两组PANscore患者富集的生物过程的差异，进行了GSVA分析。结果显示，致病性大肠杆菌感染、PC、小细胞肺癌、肌动蛋白细胞骨架调节、病灶粘附和p53信号通路在HPSG组患者中明显富集。相反，丝氨酸、甘氨酸和苏氨酸代谢、神经活性配体受体感染和钙信号通路在LPSG患者中明显富集（图8C）。接下来，作者测定了两组PANscore患者的免疫细胞浸润情况。结果显示，LPSG患者的幼稚和记忆B细胞、CD8+T细胞和单核细胞浸润较高。相反，在HPSG组患者中观察到浆细胞、M0、M1和M2巨噬细胞以及静止DC的大量浸润（图8D）。最后，作者评估了不同PANscore组PC患者对药物反应的差异，以确定PANscore对PC药物敏感性的影响。结果显示，LPSG组患者对5-氟尿嘧啶、奥沙利铂、吉西他滨、伊立替康、紫杉醇和顺铂高度敏感。这些结果有助于为PC患者设计个性化疗法（图8E-J）。

7.模型基因的表达、分布和预后意义

最后，作者确定了CXCL10和ITGB6的表达、分布以及在预测患者预后方面的意义。首先，作者对GEPIA数据库进行了分析，结果显示，与NT相比，CXCL10和ITGB6在胰腺TT中的表达显著增加（图9A、B）。此外，CXCL10和ITGB6高表达患者的预后明显较差（图9C、D）。作者从HPA数据库中获得了免疫组化（IHC）数据。结果显示，与NT相比，ITGB6在胰腺TT中的表达明显增加（图9E）。接下来，作者研究了CXCL10和ITGB6在亚细胞结构中的定位，发现CXCL10被预测为分泌型（图9F），而ITGB6则定位在核质、细胞连接和中心体中（图9G）。此外，RT-qPCR结果表明，与正常胰腺细胞相比，PC细胞中CXCL10和ITGB6的表达显著增加（图9H、I）。此外，与使用正常胰腺细胞生成的器官组织相比，PC器官组织中CXCL10和ITGB6的表达也明显增加（图9J、K）。TISCH数据库用于对不同来源的九个PC单细胞数据集进行单细胞分析：这些数据集包括：CRA060（图10A）、GSE（图10B）、GSE（图10C）、GSE（图10D）、GSE（图10E）、GSE（图10F）、GSE（图10G）、GSE（图10H）和GSE（图10I）。CXCL10主要由巨噬细胞/单核细胞、癌相关成纤维细胞和恶性细胞表达（图10J），ITGB6主要由PC患者TME中的恶性细胞表达（图10K）。

图9模型基因的表达、分布和预后意义

图10PC单细胞分析

总结

总之，作者发现了与泛凋亡相关的分子亚型，并构建了一个预后模型，该模型与PC患者的预后、临床病理特征、生物学过程、TIME和药物敏感性相关。作者的研究结果将有助于探索泛凋亡在PC发病机制中的潜在机制，并为治疗PC患者设计个性化的治疗策略。

转载请注明：http://www.nwmcm.com/lctx/13649.html