巧妙构思-铁死亡调节因子分型预后发6+

导语

铁死亡是一种细胞死亡模式，在肿瘤发生和进展中起着关键作用。

背景介绍

近年来铁死亡+肿瘤的研究已经发表过许多了，然而有新颖切入点的铁死亡纯生信文章仍然可以发高分！今天小编为大家带来一篇铁死亡调节因子作为signature进行预后分型的文章，发表在实时影响因子6.58的International Journal of Biological Sciences上。题目为Integrative analysis of the molecular mechanisms, immunological features and immunotherapy response of ferroptosis regulators across 33 cancer types。

数据介绍

从KEGG数据库的铁死亡途径中鉴定出41个基因。使用FerrDb数据库确定已鉴定基因的属性并在PubMed和Google学术数据库中手动搜索它们在铁死亡中的功能。30个已知的基因被分为两组：铁死亡驱动因子或抑制因子。

33种癌症的基因表达信息和相关临床数据从TCGA下载。免疫治疗队列的数据从cBioPortal数据库（http://www.cbioportal.org/）下载。从Cistrome癌症数据库中共获得318种肿瘤相关转录因子（TFs）（http://cistrome.org/CistromeCancer/) 。

结果解析

01

鉴定铁死亡调节因子在泛癌中的预后

GPX4，SLC7A11和GSS等基因在某些癌症类型中高表达，而其他基因（如ACSL1和ACSL4）低表达（图1B-C）。特别是GPX4在13种癌症中显著高表达。此外，在33种癌症类型中确定了每种调节因子的风险比，我们发现大多数调节因子与患者生存率表现出关联。TFRC（铁死亡驱动因素）是9种癌症的危险因素。GPX4是BRCA，CESC，THCA和UCEC的保护因子。

图1

为了进一步阐明铁死亡调节因子的转录组特征，作者进行了PPI网络和相关性热图分析（图1D-E）。在鉴定的基因中，SLC7A11的表达与GCLC表达呈较强的关系。蛋白质-蛋白质相互作用在30种铁死亡调节因子中普遍存在，特别是SLC7A11和HMOX1（驱动因子）以及MAP1，LC3B和TFRC（抑制因子）。这些结果表明，铁死亡调节因子在癌症中的表达存在差异，表达模式与患者预后之间存在差异。

02

铁死亡调节因子中可靶向治疗肿瘤的药物

作者使用Cistrome数据库预测铁死亡调节因子的直接上游的转录因子。Sankey图显示，一些铁死亡调节因子与上游转录因子显著相关（图1F）。作者还探讨了与铁死亡调节因子RNA复合表达相关的治疗药物（DTP NCI-60）活性的平均z评分，并预测了36种潜在的铁死亡药物（包括环磷酰胺），并证明了铁凋亡相关基因表达水平与36种预测铁凋亡药物之间的联系（图2)。

图2

环磷酰胺是一种免疫抑制剂和抗癌药物，选择性靶向癌细胞并被广泛用作化疗药物。图3A显示了环磷酰胺的三维结构，图3B显示了环磷酰胺和GPX4蛋白的分子对接位点。GPX4位置99处的赖氨酸和100位的异亮氨酸可与环磷酰胺形成非共价键（图3B）。GPX4与环磷酰胺对接在Autodock Vina上获得的结合能为-3.91 kcal/mol。由于环磷酰胺可以与GPX4蛋白结合，因此它是一种潜在的铁死亡诱导剂。

图3

对这29个靶标进行GO和KEGG富集分析（图3D-E）。这些基因大多富集在生物过程类别中，特别是“稳态过程”，“NF-kB信号通路”和“JAK-STAT信号通路”（图3D-E）。综上，这些上游转录因子和铁死亡调节因子的治疗药物，特别是环磷酰胺，可被视为铁死亡诱导剂。

03

在erastin治疗和GPX4敲低队列中探究铁死亡机制

Erastin是一种铁死亡的诱导剂，在治疗后，如果肝癌细胞中的铁死亡调节因子上调或下调，就可以确定这些铁死亡调节因子的生物学过程。作者首先研究了经过或不经过erastin治疗的GSE104462队列中的差异表达基因 (DEGs)（图4A），并进行了GO功能富集分析和KEGG通路分析。结果显示。通路（IL-1 介导的信号传导）和生物学过程（IL- 12，DNA复制和细胞凋亡）在erastin治疗组中高度富集（图4B-C）。

图4

为了进一步探索铁死亡的分子机制，作者还使用了GSE147625队列（野生型和GPX4敲低滋养层）。GSE147625队列的差异表达基因在血管生成和蛋白激酶调节剂活性的生物学过程中富集（图5B-C）。GSVA分析表明，G2/M检查点和TNF-α等信号通路通过NF- kB 的通路评分差异很大，表明它们与铁死亡相关过程呈正相关。

图5

为了进一步了解铁死亡调节因子如何影响癌症，作者检测了铁死亡调节因子与50个癌症标志物相关通路之间的关系(图6A)。结果显示TP53、FTL、SLC40A1与炎症反应及IL2/STAT5信号通路呈正相关。相比之下，ALOX15、TP53和SLC40A1与MYC靶标和DNA修复途径呈负相关(图6A)。综上，铁死亡调控因子与癌症信号通路之间密切相关。

图6

04

铁死亡与癌症免疫原性特征的关联

首先，作者评估了铁死亡调节因子与癌症基质和免疫评分之间的关系。使用ESTIMATE算法可用于预测基质细胞和免疫细胞浸润肿瘤组织的比例。作者共计算了33种癌症类型的免疫评分、基质评分、ESTIMATE 评分和肿瘤纯度，并测量了评分与30个基因表达的相关性（图6B). HMOX1、FTL、SAT1和ATG7 基因的表达水平与每个癌症数据集中的上述指标高度相关（图6B）。

然后，作者通过CIBERSORT调节表达水平和免疫细胞浸润水平确定了铁死亡之间的关系（图6C，E）。GPX4，与巨噬细胞（M1和M2）显著正相关，激活肥大细胞和静息记忆CD4+ T细胞，与M0巨噬细胞、静息肥大细胞、滤泡T细胞和调节性T细胞（Tregs）呈负相关（图6C)。SAT1和TFRC分别与CD8+ T细胞和CD4+记忆T细胞呈强正相关（图2E）。

随后，研究了 47 个常见免疫检查点基因的表达与铁死亡调节因子水平之间的相互作用（图6D-F）。例如，HMOX1 的表达与 PDCD1，LG2和CD86的表达水平密切且正相关（图6F）。这些结果证实了铁死亡调节剂在肿瘤免疫中起关键作用。

05

构建铁死亡预后的风险评分模型

为了确定铁死亡调节因子是否有助于临床风险预测，首先利用基因组变异分析 (GSVA) 计算每个基因组的铁死亡评分。除了 TP53、GPX4和GSS等个别基因外，大多数铁死亡调节因子与不同癌症类型的铁死亡评分显示出良好的正相关性（图7A）。将TCGA11000多个癌症样本的铁死亡评分与正常组织进行比较，发现肿瘤样本中铁死亡的整体状态下调（图7C）。

此外，作者在三个数据集GSE121689、GSE31060和GSE104462中验证了癌症样本在铁死亡促进剂和抑制剂治疗下的铁死亡评分变化（图7E-G)。结果表明，在两种类型的铁死亡刺激剂erastin和索拉非尼治疗下，铁死亡评分上调，但使用铁死亡抑制剂ferrostatin-1下调，与癌细胞铁死亡状态的激活或抑制一致。结合上述，铁死亡评分可以有效地代表癌细胞的铁死亡状态。

图7

接下来，作者分析了铁死亡评分在癌症中的临床意义。使用X-tile软件将样本分为以下两组：高铁死亡评分组和低铁死亡评分组。较高的铁死亡评分表明 KIRP、LAML、THCA、THYM、UCS 和 UVM 患者的生存率较差，但SKCM 患者的生存率较高（图8A）。通过K-M曲线分析了患者的总生存期，除SKCM 患者外，高铁死亡评分患者的预后明显差于低铁死亡评分患者（图8C）。

作者验证了铁死亡评分在癌症之间的独立预后能力，并对THCA队列进行了后续分析。THCA 队列中的两组THCA分层患者的风险比和基于时间依赖性聚类的ROC分析支持铁死亡评分可能是预后因素的初步发现（图8B）。2年、4年、6年和8年生存率的曲线下面积（AUC）分别为0.64、0.79、0.67和0.67（图8D-E）。

图8

最后，确定了铁死亡调节因子的表达是否与临床特征相关，发现 SLC3A2、VDAC2和SLC7A11 的表达随着TNM分期持续增加，而SLC40A1的表达降低（图8F）。此外，FTH1和LPLCAT3 的表达随着病理分级持续升高。

作者还评估了它们与各种癌症类型的铁死亡评分的关联，以探索铁死亡调节剂是否可以为免疫治疗的有效性提供新的见解（图8G-I）。MSI与THCA和SKCM 细胞的铁死亡密切相关，而TMB 与铁死亡的 UCEC 和 TGCT 细胞密切相关（图8G和H）。免疫检查点基因表达也显示与铁死亡评分普遍相关（图8I)。综上，与临床相关性，尤其是免疫原性特征密切相关的铁死亡评分可作为与免疫反应相关的癌症的独立预后指标。

小编总结

本文调查了实验证实的铁死亡调节因子泛癌中的作用，并构建了铁死亡风险评分模型。作者还加入了几个与铁死亡治疗相关的GEO队列作为外部验证集，丰富了文章内容，非常值得我们学习。