ixxmu / mp_duty

抓取网络文章到github issues保存
https://archives.duty-machine.now.sh/
122 stars 30 forks source link

2022年m6A做分型依然是热点! #1950

Closed ixxmu closed 2 years ago

ixxmu commented 2 years ago

https://mp.weixin.qq.com/s/9Jb8nATRsIC6rfSBLza6rA

github-actions[bot] commented 2 years ago

2022年m6A做分型依然是热点! by 作图丫

导语

GUIDE 

基于m6A调节因子的signature可以区分头颈部鳞状细胞癌患者的预后。

背景介绍




今天小编为大家带来一篇经典的m6A调节因子相关基因作为signature进行分型预后的文章。这篇文章2022年2月刚刚发表Front Immunol(实时影响因子8分+),说明今年m6A依然是热点。


数据介绍




本文使用TCGA-HNSCC数据(https://xenabrowser.net/datapages/),共546个TCGA-HNSCC样本,包括500个肿瘤组织样本,44个正常组织样本和2个转移性癌症组织样本。

结果解析




01
m6A调控因子在头颈癌和正常样本的差异

头颈癌肿瘤组织中18个m6A调节基因的表达高于正常组织中的表达,包括7个m6A writer基因(VIRMA,RBM15,METTL3,WTAP,CBLL1,METTL14和LRPPRC),9个reader基因(IGF2BP1, HNRNPC,HNRNPA2B1,YTHDF1,ELAVL1,FMR1,YTHDF3,YTHDF2和YTHDC1)和2个erasers基因(ALKBH5和FTO)(图1)。这些结果表明,m6A修饰与头颈癌的发生有关。


图1


02
鉴定m6A调节因子相关基因

使用Pearson相关分析筛选与CNV、突变和转录水平显著相关的m6A调节因子相关基因。结果检测到9176个基因与CNV水平的m6A调控基因显著相关,17309个基因在甲基化水平显著相关,8504个基因在转录水平显著相关)。维恩图显示,有1598个基因在转录、CNV 和甲基化水平上的表达与m6A调节因子的表达有关。


图2


进一步对这1598个m6A调节相关基因进行了富集,发现65条通路显著富集(图2B)。使用Cytoscape 插件“ClueGO”用于网络分析。在KEGG通路方面,发现mTOR、自噬和泛素介导的蛋白水解信号通路显着丰富(图2C)。在细胞成分 (CC) 中,发现粘着斑和蛋白激酶复合物显着富集(图2D)。对于生物过程 (BP),显着丰富的途径包括蛋白激酶相关过程、自噬和应激激活的丝裂原激活蛋白激酶 (MAPK) 级联反应 (图 3E)。对于分子功能 (MF), 发现蛋白激酶活性和细胞粘附显着丰富 (图2F)。

03
筛选预后相关的关键基因

单变量Cox 回归分析显示,58 个m6A调节相关基因与头颈癌患者的生存相关(图3A)。Lasso-Cox回归结果表明,有12个基因可被视为头颈癌患者 OS 的预后因素(图3B)。这12个基因的lasso-Cox回归系数如图3C所示。


图3


随后作者构建了58个基因的蛋白质-蛋白质相互作用(PPI)网络,揭示前12个基因表明PRKCA、MAP2K7、VDAC1、FZD6、SQSTM1和CYCS位于关键位置(图3D)。此外,使用SRAMP软件揭示的12个关键m6A调节相关基因被认为是潜在的m6A甲基化修饰位点(图4)。


图4


04
构建m6A特征基因模型

通过Lasso回归分析选择的12个基因用于多变量Cox回归分析,以获得 TCGA-HNSCC队列中每个样本的生存风险评分(图5A)。可以使用以下公式计算每个癌症样本的风险评分:Riskraw = DAD1*2.316+CYCS*1.426+CSNK2A2*1.576+VPS25*0.728+VDAC1*0.976+TMLHE*0.381+CYTH3*0.024+PRKCA*0.260 -TP73*0.567+FZD6*0.047+SQSTM1*0.094-MAP2K7*3.070。将患者分为高风险组和低风险组。K-M生存曲线显示高风险患者的总体生存OS比低风险患者差(图5B)。3、5和10年生存期的预测AUC值分别为0.70、0.72和0.75(图5C)。


图5


变量分析证实,在调整性别、年龄、临床分期和组织学分级后,高危组是OS的独立劣势因素(表1)。

使用GSE65858数据集对特征评分的预后值进行了外部验证,发现高风险组和低风险组之间的OS存在显著差异(图5D,E)。基于特征评分的3年和5年生存期预测AUC值分别为0.67和0.68(图5F)。这些值略低于基于训练集的预测性能值。该风险因素无法预测GSE65858数据集的10年生存状态,主要是因为GSE65858数据中病例的随访时间低于10年(图5F)。


表1


05
高低风险组的不同突变状态

为了更好地了解风险评分特征可用于有效评估患者预后的潜在机制,研究了高风险和低风险组患者的基因突变。作者发现低风险组的总体突变率比高风险组低约5%。此外,两组高频突变基因和突变率也有显著差异。在低风险组中,突变率最高的五个基因是TP53(59%)、TTN(39%)、PIK3CA(23%)、MUC16(18%)和CSMD3(18%)。高危组突变率最高的基因是TP53(83%)、TTN(47%)、FAT1(27%)、CDKN2A(24%)和CSMD3(20%)。


图6


06
风险评分与免疫浸润

不同风险组的患者表现出不同的预后和分子变异模式,所以风险评分也可能与肿瘤微环境中免疫细胞的浸润有关。首先,作者发现风险评分与免疫评分和基质评分弱相关。然后,使用Cibersort对高风险组和低风险组之间的免疫细胞浸润进行比较,发现在22种免疫细胞浸润类型中,8种类型的免疫细胞浸润在两组之间具有高度显著差异(图7)。


图7

07
风险评分预测免疫治疗效果


考虑到高危组和低危组的患者表现出不同程度的免疫细胞浸润,这些组可能表现出不同的ICI疗效。由于目前没有可用于在头颈癌中接受ICI的患者的转录组数据,因此使用口腔癌报告的数据来验证这一推测。使用 Imvigor210CoreBiology数据集的结果表明,对ICI无反应者 (SD + PD) 的风险评分高于反应者 (CR+PR;图8A)。同时,低风险组的ORR显著高于高风险组(分别为32%和13%;图8B)。此外,与低风险组相比,高风险组患者的OS表现出显著不良(图8C)。这一发现表明风险评分可用作免疫反应的预后标志物。


图8


小编总结




本文属于很常规的使用m6A调节因子相关基因构建风险模型的文章,故事也很完整,遗憾的是模型对免疫治疗疗效分型部分比较牵强,然而我们可以使用其他可用的公共数据集来弥补。


分析专辑


单细胞scRNA | R包绘图 | 免疫浸润分析 | 肿瘤纯度评估工具 | 数据库


文章解读专辑


多区域进化文章精读 | 高分文章精读 | 免疫微环境文献解读 


招聘信息


招聘


点击蓝字即可进入专栏!

END

长期诚邀师资合作

作图丫长期进行生信技能培训,诚邀有能力的团队、老师或者科研大咖合作

无论是科研写作技巧、技术分析经验还是生信流程分析,我们保证只要您有专长,作图丫就是您展示自己的舞台

    

如有意,请与赵老师联系,谢谢

微信:guofengzhao527


合作方式:线上课程

劳动报酬:酬劳丰厚,微信私聊


文字均为原创,欢迎读者分享或转发到朋友圈,任何公众号或其他媒体未经许可不得私自转载或抄袭。


由于微信平台算法改版,公众号内容将不再以时间排序展示,建议设置“作图丫”公众号为星标,防止丢失。星标具体步骤为:

(1)点击页面最上方“作图丫”,进入公众号主页;

(2)点击右上角的小点点,在弹出界面选择“设为星标”即可。


作图丫分析作图群进群要求:转发任一篇“zuotuya”公众号文章至微信朋友圈,并附“作图丫关注绘图和精品分析,期待你的关注”,并获得10个赞后加小编微信“guofengzhao527”邀请你加入。