掃碼聯(lián)系客服
小伙伴們大家好哇！今天依然給大家介紹預(yù)后模型構(gòu)建的文章，快來和小編一起看看這篇今年7月13號發(fā)表在Journal of Oncology（IF=4.501）上的預(yù)后模型的文章吧！
A Novel Thrombosis-Related Signature for Predicting Survival and
Drug Compounds in Glioblastoma
一種預(yù)測膠質(zhì)母細(xì)胞瘤生存和藥物化合物的血栓相關(guān)新特征
一.研究背景
膠質(zhì)瘤是中樞神經(jīng)系統(tǒng)最常見的原發(fā)性惡性腫瘤，約占成人原發(fā)性惡性腦腫瘤的80%。GBM患者的總生存期為1~15年，且個體差異較大。隨著測序技術(shù)和分子診斷技術(shù)的發(fā)展和應(yīng)用，目前臨床上已經(jīng)建立了較為客觀準(zhǔn)確的腫瘤分類體系。然而，目前已知的分子標(biāo)志物只能部分解釋GBM患者的預(yù)后。
靜脈血栓栓塞(VTE)包括深靜脈血栓(DVT)和肺栓塞(PE)，廣泛發(fā)生于各種癌癥，包括GBM。GBM靜脈血栓栓塞發(fā)生率高，易發(fā)生并發(fā)癥。除了VTE外，膠質(zhì)母細(xì)胞瘤內(nèi)血栓形成可能因血管阻塞引起缺血或壞死，也是影響膠質(zhì)母細(xì)胞瘤患者預(yù)后的重要因素。既往研究表明血栓形成相關(guān)基因介導(dǎo)GBM轉(zhuǎn)移、血栓形成等生物學(xué)過程，提示血栓形成相關(guān)基因改變可能在膠質(zhì)母細(xì)胞瘤的診斷和預(yù)后預(yù)測中發(fā)揮重要作用。于是作者對血栓相關(guān)基因通過多組學(xué)篩選并構(gòu)建了一個膠質(zhì)母細(xì)胞瘤的獨(dú)立預(yù)后風(fēng)險(xiǎn)打分模型，旨在為GBM的分子診斷和個體化治療提供幫助。
二.主要結(jié)果
1.基于血栓形成相關(guān)基因的GBM預(yù)后風(fēng)險(xiǎn)評分模型的構(gòu)建與驗(yàn)證
整體研究設(shè)計(jì)如圖1所示。作者首先通過在文獻(xiàn)中查找到140個與血栓形成相關(guān)的基因，其中124個基因在TCGA和CGGA數(shù)據(jù)集中有表達(dá)，作者選擇這些基因進(jìn)行后續(xù)分析。
為了確定GBM中與預(yù)后相關(guān)的血栓形成相關(guān)基因，通過對TCGA訓(xùn)練級進(jìn)行LASSO回歸分析，從124個基因中篩選出13個基因（圖2a、b）。然后作者基于13個基因的LASSO回歸系數(shù)構(gòu)建了血栓相關(guān)基因表達(dá)風(fēng)險(xiǎn)評分模型，公式為我們常規(guī)的13個基因的表達(dá)值乘以系數(shù)值的累加和，在此我就不進(jìn)行詳細(xì)描述啦。接下來作者根據(jù)risk score的中位數(shù)將TCGA訓(xùn)練集的樣本分為高危組及低危組。如圖2c和圖2d所示，高危組患者OS明顯低于低危組患者。通過timeROC分析顯示，風(fēng)險(xiǎn)評分模型的AUC值為0.752，證明了該風(fēng)險(xiǎn)評分模型在TCGA訓(xùn)練隊(duì)列中對患者預(yù)后具有良好的準(zhǔn)確性和預(yù)測能力（圖2e）。
接下來，作者對血栓相關(guān)基因表達(dá)風(fēng)險(xiǎn)評分模型進(jìn)行了多數(shù)據(jù)集的驗(yàn)證。首先作者在TCGA測試集和總數(shù)據(jù)集中進(jìn)行驗(yàn)證，在測試集中圖2(f)和圖3(i)的結(jié)果顯示出與相同趨勢的結(jié)果，即高危組GBM患者的預(yù)后生存明顯短于低危組，TCGA測試集和總數(shù)據(jù)集的ROC曲線分別為0.658和0.704(圖2h和3k)。
CGGA數(shù)據(jù)進(jìn)一步驗(yàn)證顯示高危組GBM患者預(yù)后較低的趨勢相似(圖3m)，ROC曲線的AUC為0.714(圖3n)，CGGA數(shù)據(jù)集中風(fēng)險(xiǎn)評分分布及患者生存狀態(tài)如圖3l所示。這些發(fā)現(xiàn)表明，基于血栓相關(guān)特征的風(fēng)險(xiǎn)評分模型對患者OS具有良好的生存預(yù)測能力。
2. 血栓形成相關(guān)基因signature的功能富集分析
為了探索預(yù)后性血栓形成相關(guān)基因signature在GBM中的潛在生物學(xué)功能，作者使用了GSVA分析。圖4a展示了GO富集分析、KEGG分析及HALLMARK分析結(jié)果。此外，作者為了按研究血栓相關(guān)基因的表達(dá)與已知的signature的相關(guān)性，如圖4b所示，低危組與高危組在APM表達(dá)、細(xì)胞周期調(diào)控、EMT2、FGFR3相關(guān)信號、組蛋白、免疫檢查點(diǎn)、核苷酸切除修復(fù)和pan_f_tbr信號等方面存在顯著差異。m6a相關(guān)基因在低危組和高危組也具有明顯差異（圖4c）。
3.血栓形成相關(guān)預(yù)后基因的免疫功能分析
基于ESTIMATE、MCP-counter、TIMER和xCell算法，作者分析了TCGA數(shù)據(jù)集中風(fēng)險(xiǎn)評分與免疫因素間的相關(guān)性。如圖5所示，風(fēng)險(xiǎn)評分與Tumor Purity呈負(fù)相關(guān)，與Stromal score、Immune score、ESTIMATE score呈正相關(guān)；此外，基于MCP-counter進(jìn)行風(fēng)險(xiǎn)評分與免疫細(xì)胞亞群的相關(guān)性分析顯示，風(fēng)險(xiǎn)評分與細(xì)胞毒性淋巴細(xì)胞和NK細(xì)胞負(fù)相關(guān)，而與單核細(xì)胞系、髓樣樹突狀細(xì)胞、中性粒細(xì)胞、內(nèi)皮細(xì)胞和成纖維細(xì)胞正相關(guān)；TIMER對風(fēng)險(xiǎn)評分與免疫細(xì)胞亞群進(jìn)行相關(guān)性分析和xCell也顯示風(fēng)險(xiǎn)評分與B細(xì)胞、CD8+細(xì)胞、CD4+細(xì)胞、中性粒細(xì)胞、巨噬細(xì)胞和樹突狀細(xì)胞(DC)相關(guān)。
4. 血栓形成相關(guān)預(yù)后基因的體細(xì)胞突變分析
在此部分，作者分析了TCGA-GBM數(shù)據(jù)集中經(jīng)過血栓形成相關(guān)基因的GBM預(yù)后風(fēng)險(xiǎn)評分模型分組的高危組和低危組之間的體細(xì)胞突變差異。在低危組中，超過10%的樣本中有16個基因發(fā)生突變，而在高危組中只有12個基因符合標(biāo)準(zhǔn)，其中9個基因重疊（圖6a）。有趣的是，TP53、TTN、PTEN和EGFR在低危組和高危組中突變頻率均占據(jù)前四位，它們相互作用調(diào)控GBM相關(guān)的各種生物學(xué)過程，提示它們可能參與了腫瘤的惡化。此外，目前已發(fā)現(xiàn)的GBM前致病基因(IDH1、TP53、ATRX、NUP16、TIAM2、NEK10和ABCA1)在高危組和低危組之間的突變頻率存在顯著差異(圖6b)。
接下來，作者通過CoMEt算法對25個最常見的突變基因進(jìn)行了共發(fā)生和特異突變進(jìn)行了研究。HYDIN和FLG、AHNAK和SYNE1、NF1和LRP2基因共發(fā)生突變（圖6c）,這表明它們在同一通路中可能存在互補(bǔ)作用。
5. 高?；颊邼撛谥委熕幬锏蔫b定
為了確定具有高危評分的GBM患者的潛在治療藥物，作者分析了PRISM和CTRP-derived的藥物反應(yīng)數(shù)據(jù)。作者首先篩選在高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)組中反應(yīng)不同的候選藥物，以識別具有高風(fēng)險(xiǎn)評分的患者中具有較高藥物敏感性的化合物。候選藥物符合兩個標(biāo)準(zhǔn)：藥物在高、低風(fēng)險(xiǎn)人群中反應(yīng)敏感度不同；采用候選藥物AUC估計(jì)值與風(fēng)險(xiǎn)評分之間的Spearman相關(guān)分析，選擇相關(guān)系數(shù)為負(fù)的化合物。分析得到9個PRISM衍生化合物(圖7e和f)和3個CTRP-derived化合物(圖7g和h)。所有這些化合物在高危組中AUC值均較低，且與風(fēng)險(xiǎn)評分呈負(fù)相關(guān)(圖7e、h)。
接下來作者對低危和高危GBM患者的臨床和分子特征進(jìn)行了研究。作者對不同組的臨床病理特征進(jìn)行風(fēng)險(xiǎn)分層分析，以評估風(fēng)險(xiǎn)評分模型的預(yù)后價(jià)值。眾所周知，老年是惡性膠質(zhì)母細(xì)胞瘤的危險(xiǎn)因素。如圖7a所示，在TCGA GBM隊(duì)列中，年齡在65歲以下的GBM患者和65歲及以上的高風(fēng)險(xiǎn)評分的GBM患者的預(yù)后均較低風(fēng)險(xiǎn)評分的GBM患者差。目前，IDH突變被認(rèn)為是預(yù)測GBM患者預(yù)后的分子標(biāo)記。在TCGA-GBM和CGGA數(shù)據(jù)集中作者發(fā)現(xiàn)，高風(fēng)險(xiǎn)評分的IDH野生型患者預(yù)后較差，再IDH突變患者中也發(fā)現(xiàn)了同樣的趨勢（圖7b）。圖7c和圖7d顯示顯示未接受放療和化療的高危組患者預(yù)后最差。相比之下，接受放療或化療的低風(fēng)險(xiǎn)組患者的預(yù)后最好。以上結(jié)果證明基于血栓相關(guān)基因的風(fēng)險(xiǎn)評分模型可作為GBM患者獨(dú)立的預(yù)后因素。
6. 膠質(zhì)母細(xì)胞瘤臨床特征風(fēng)險(xiǎn)模型的構(gòu)建與評估
在此部分，作者根據(jù)血栓相關(guān)特征和臨床因素(年齡、性別、IDH突變狀態(tài)、放療和化療)建立了一個nomogram圖預(yù)測1年、2年和3年總生存期的風(fēng)險(xiǎn)評分（圖8a）。校準(zhǔn)圖顯示，nomogram預(yù)測TCGA GBM和CGGA隊(duì)列的1年、2年和3年OS的能力較為良好，預(yù)測的2年OS接近于實(shí)際的2年OS(圖7b和7e)。根據(jù)臨床特征的風(fēng)險(xiǎn)模型，生存曲線顯示高危組和低危組的OS存在顯著差異(圖7c和7f)。如圖7(d)和7(g)所示，TCGA和CGGA隊(duì)列的ROC曲線的AUC分別為0.765和0.785，表明臨床特征風(fēng)險(xiǎn)模型比基于血栓相關(guān)基因標(biāo)記的風(fēng)險(xiǎn)評分模型具有更好的準(zhǔn)確性和穩(wěn)定性。
自此，這篇文章就介紹完啦，總結(jié)一下：作者首先基于篩選了與GBM患者預(yù)后顯著相關(guān)的血栓形成相關(guān)基因構(gòu)建預(yù)后模型，然后進(jìn)行多角度驗(yàn)證，通過富集分析發(fā)現(xiàn)預(yù)后相關(guān)的血栓形成相關(guān)基因在多種癌癥通路和功能上富集，驗(yàn)證模型的穩(wěn)定性及可行性；通過風(fēng)險(xiǎn)打分的高低分組關(guān)聯(lián)基因突變等多組學(xué)分析以及聯(lián)合臨床特征分析進(jìn)一步升華主題。簡單來講，這還是我們熟悉的預(yù)后模型構(gòu)建思路，通過變換基因集和疾病極好復(fù)現(xiàn)，前提是這個基因集在你所研究的疾病中務(wù)必要有一定的意義?？炜靹悠饋?，下一個發(fā)文章的就是你嘍！
