8+的基于m6A的lncRNA风险模型构建！

导语

肺腺癌（LUAD）是全球最常见的肺癌亚型。 N6-甲基腺苷 (m6A) 和长链非编码 RNA (lncRNA) 在 LUAD 的预后价值和免疫治疗反应中起重要作用。

背景介绍

对癌症进行风险模型构建已经是一个非常常见的套路了，今天小编为大家带来的这篇文章通过构建m6A相关的lncRNA模型对LUAD患者进行了重新分组，预测了患者的预后和免疫反应。文章发表在《Molecular Therapy-Nucleic Acids》上，影响因子为8.886，文章题目为：m6A-related lncRNAs are potential biomarkers for predicting prognoses and immune responses in patients with LUAD。

数据介绍

本研究使用数据来自TCGA，从中获取了14142个lncRNA和21m6A基因的表达谱。

结果解析

01

LUAD患者中的m6A相关lncRNA的鉴定

本研究风险模型构建和后续分析的详细工作流程如图1所示。首先从TCGA数据库中提取了21m6A基因和14142个lncRNA 的矩阵表达。将m6A相关的lncRNA定义为与21个m6A基因中至少一个显著相关的lncRNA （|Pearson R| > 0.3 和 p < 0.001）。

图 1

使用 Sankey 图可视化m6A-lncRNA 共表达网络和1149个被识别为m6A相关lncRNA的lncRNA（图2A ）。TCGA中m6A基因与m6A相关lncRNA的相关性如图2B所示。

图 2

02

根据LUAD患者的m6A相关的lncRNA构建和验证风险模型

接下来，本研究使用单因素Cox回归分析从TCGA训练集中的1149个m6A相关的lncRNA中筛选出与m6A相关的预后lncRNA。结果显示，38个m6A相关的lncRNA与OS显著相关（图3A）。通过使用LASSO Cox回归分析，选择了24个m6A相关的lncRNA用于随后的多因素分析（图3B和图3C）。

本研究使用Cox风险比率回归分析来区分自体预后蛋白。结果显示，有12个m6A相关的lncRNA是与训练队列中的OS独立相关的预后蛋白，用它们构建了风险模型来评估LUAD患者的预后风险（图3D）。

图 3

根据预后风险等级的中值将LUAD样本分成低风险组和高风险组，风险等级分布如图4所示。

图 4

为了测试这个模型的预后能力，本研究使用了统一的公式来计算测试集中单个患者和整体患者的风险评分。风险等级的分布、生存状态、生存时间的模式以及测试集中m6A相关lncRNA的表达如图5A-C以及图5E-G所示。对测试集进行KM生存分析，结果显示，在测试集中没有差异，但是风险评分较高的LUAD患者的OS比风险评分较低的患者差（图5D和5H）。

图 5

03

主成分分析（PCA）进一步验证模型的分组能力

接下来本研究采用PCA分析，基于整个基因表达谱、21个m6A基因、12个m6A相关的lncRNA和12个m6A相关的lncRNA的表达谱分类的风险模型来检验低风险组和高风险组之间的差异（图7），结果表明预后特征可以区分低风险组和高风险组。

图 7

04

使用m6A相关lncRNA模型估计肿瘤免疫相关

基于504个LUAD样本中m6A相关的lncRNA模型，本研究进一步分析了LUAD中的免疫细胞、通路或功能的富集水平和活性。结果显示，低危组和高危组的免疫指标表达差异显著(图8A)。为了探索基于m6A的模型的潜在分子机制，本研究还进行了基因本体(GO)富集分析，揭示了许多免疫相关生物过程的参与(图8B)。

接下来，作者研究了m6A相关的lncRNA模型与免疫治疗性生物标志物之间的相关性。结果显示，高危组比低风险组对免疫治疗更有可能产生反应，这表明基于m6A的分类器指数可以作为预测肿瘤免疫功能障碍和排斥(TIDE)的指标(图8C)。

图 8

作者还对突变数据进行了分析和总结，高、低风险亚组间变异频率最高的前20个驱动基因如图8D、8E所示。根据TGCA体细胞突变数据计算TMB评分，结果显示，低危组的TMB超过高危组，表明基于m6A的分类器指数与TMB具有较高的相关性(图8F)。作者对m6A相关的lncRNA模型是否比TP53突变状态更能预测OS结局进行了测试，结果显示，高危组TP53突变和TP53野生型患者的OS比低危组TP53突变和TP53野生型患者的OS更差(图8G)。

05

评估m6A相关的lncRNA风险预后模型和LUAD的临床特征

为评估12个m6A相关lncRNA的风险模型是否具有LUAD的独立预后特征，本研究进行了单因素和多因素Cox回归分析，结果如图9A所示，表明12个m6A相关lncRNA的风险模型与性别、年龄、TNM分期、吸烟史等临床病理参数无关。

图 9

接着作者评估了风险评分的符合性指数和ROC曲线下面积(AUC)，随着时间的增加，风险等级的一致性指数始终大于其他临床因素，说明风险等级可以更好地预测LUAD的预后(图9B)。风险等级的AUC也高于其他临床病理特征的AUC，说明12个m6A相关lncRNA对LUAD的预后风险模型是比较可靠的(图9C)。

06

预后诺模图的构建与评价

最后，本研究制作了包含风险等级和临床风险特征的诺模风险预测图，用于预测1年、2年和3年的OS发生率。与临床因素相比，诺模预后模型的风险等级显示出了更优越的预测能力(图10A)。相关图显示，1年、2年和3年OS的观察与预测显示了理想的一致性(图10B-10D)。

图 10

小编总结

本研究构建了一个基于m6A相关lncRNA的独立预后模型，证明了lncRNA的预后价值，推断该预后模型可为肿瘤治疗提供可靠的免疫生物标志物。此外，本研究为LUAD中m6A相关lncRNA的分子生物学机制提供了新的见解。