NETs相关基因构建预后模型干湿结合发12分+SCI

百味科研芝士

发布于 2022-12-12 16:02:14

6670

发布于 2022-12-12 16:02:14

大家好！今天给大家介绍一篇2022年5月发表在Journal for ImmunoTherapy of Cancer（IF:12.469）上的一篇文章。作者使用泛癌数据集研究NETs相关基因的表达水平并构建NETs-打分预后模型，可以用于预测癌症的生存期。

A signature for pan-cancer prognosis based on neutrophil extracellular traps

基于中性粒细胞细胞外杀菌相关基因的泛癌预后模型

摘要

背景：中性粒细胞细胞外杀菌（NETs）是由中性粒细胞形成的一种防御机制，可以捕获入侵的微生物。已有的研究表明，NETs在肿瘤发展中起到重要作用。

方法：从UCSC数据库获取TCGA的泛癌转录组数据集，从多个研究中收集NETs并使用LASSO Cox回归模型筛选到19个NETs并构建预后模型。此外，从其他数据库中收集数据集验证预后模型的性能。对NETs基因进行GO富集分析。使用IHC评估NETs基因在不同癌症类型中的作用。

结果：在大多数癌症类型中NETs-打分是危险因素，打分越高生存期越差。此外，NETs基因与多种恶性生物学过程显著相关，例如上皮细胞间质转化，血管生成和肿瘤细胞增殖。

结论：NETs-打分可以预测患者的生存期，转录组分析结合临床样本验证可以促进鉴定生物标志物和临床转化。

流程图

结果

1. 数据集的获取和下载

从UCSC数据库获取TCGA的33种癌症类型的转录组数据集，将其随机分为训练集和测试集。从CGGA数据库获取脑肿瘤的转录组数据集。从METABRIC数据库获取乳腺癌的转录组数据集。从GEO数据库获取NSCLS的转录组数据集。

2. 鉴定19-NETs相关的预后模型

对69个NETs进行LASSO回归分析（图1A）筛选到24个NETs相关基因。相关性分析表明有一些基因具有相似的表达模式（图1B），其中CTSG和SELP，IL-6和IL-8，IL-6和FRP2，TLR4和FPR1，FCGR3B和FPR1，FCGR3B和FPR2，FPR1和FPR2的相关性系数较高。因此，作者去除CTRSG,IL-6,TLR4,FPR1和FCG3B仅保留剩余19个NETs相关基因进行模型构建。基于这19个NETs基因的表达水平和Cox回归分析构建NETs-打分，19个NETs的HR如图1C所示。

图1 构建NETs相关预后模型

3. 泛癌中NETs-打分情况

NETs-打分具有器官特异性，大脑和胃肠道肿瘤的NETs打分较高而前列腺癌，甲状腺癌和乳腺癌的NETs打分较低（图2A）。根据NETs-打分中位数将TCGA训练集分为高风险组和低风险组，高风险组患者与多种生存不良指标有关，包括DSS，OS和PFI（图2C）。KM分析表明大多数癌症类型的NETs-打分与预后不良有关（图2B）。测试集的KM分析表明，高风险组患者的进展较差（图2D）。多因素Cox分析表明，NETs打分是测试集患者的独立预测因子，可以准确预测KIRC,COAD和LUAD等癌症的预后（图2E）。

图2 NETs-打分的预后性能

4. 使用独立数据集验证NETs-预后模型

作者使用独立验证集验证NETs-打分的预后性能。作者从CGGA数据库获取GBM的转录组数据集并计算NETs-打分，其中高风险组的预后较差（图3A）。然而，独立验证集分析表明NETs不能准确预测乳腺癌的预后（图3B）。对NSCLC数据集的分析表明，NETs-打分与LUAD预后显著相关（图3C），而与LUSC预后没有显著相关性（图3D）。

图3 独立验证集的NETs-打分的预后性能

5. 基于NETs-打分构建列线图预测泛癌的生存期

作者使用NETs-打分与其他病理特征构建列线图，包括年龄和肿瘤类型（图4A）。校准曲线表明列线图的预测性能较好（图4B）。训练集和测试集分析表明，列线图的AUC高于NETs-打分（图4C）。此外，NETs-打分和列线图打分的净收益（NB）均大于0，且在DCA临床评估中最大NB大于15%（图4D和4E）。

图4 评估NETs-打分和列线图预测预后的有效性

6. 肿瘤的NETs特征和恶性特征

为研究NETs-打分与恶性特征的相关性，作者使用z-score定量肿瘤在NETs促进，血管生成，EMT和细胞周期方面的能力。相关性分析表明，NETs的z-score与血管生成，EMT和细胞周期的z-score显著正相关（图5A-5E）。

图5 NETs-打分与多种恶性特征显著正相关

7. 临床数据集中NETs相关基因的重现

IHC结果表明NETs-打分与KIRC,LUAD和COAD的患者预后显著相关而与TNBC不相干，MPO主要集中在肿瘤浸润间质细胞的胞浆中（图6A）。因此，作者使用基质细胞中MPO+细胞的比例打分（MPO打分）衡量肿瘤组织NETosis的程度。结果表明，MPO打分可以对COAD,KIRC和LUAD患者的预后进行分层（图6B-6D），但对TNBC没有作用（图6E）。森林图表明，MPO打分是COAD和KIRC患者的预后独立因子（图6F和6G）。然而，对于LUAD IHC数据集来说，MPO打分与TNM分期显著正相关，因此多变量Cox模型表明他不是一个独立预后因子（图6H）。