科研行星资源

这篇8分+SCI教你如何把预后模型做到极致

今天跟大家分享的文献是2021年1月发表在Theranosics(IF=8.58)杂志上的一篇文献。文章使用14个数据集的1400例Ⅰ期肺腺癌患者数据进行分析,构建了两个缺氧相关特征预测Ⅰ期肺腺癌患者的总生存期和免疫治疗反应。

题目:Identification and validation of hypoxia-derived gene signatures to predict clinical outcomes and therapeutic responses in stage I lung adenocarcinoma patients  



摘  要

背景:基于肿瘤-淋巴结-转移(TNM)分期系统不能准确预测Ⅰ期肺腺癌(LUAD)患者的生存期和治疗方案。因此,需要鉴定可以辅助治疗的高风险的Ⅰ期肺腺癌患的可靠生物标志物。

方法:本研究对14个数据集的1400例Ⅰ期肺腺癌患者的转录组数据和临床参数进行分析。结合生物信息学分析和机器学习方法,建立缺氧相关特征预测Ⅰ期肺腺癌患者的总生存期和ICB治疗反应。此外,对不同风险亚群进行富集通路分析和拷贝数变异分析。

结果:缺氧是影响Ⅰ期肺腺癌患者总生存期的主要危险因素。缺氧相关的预后风险打分(HPRS)可以更好的预测总生存期,而在ICB治疗中缺氧相关免疫反应打分(HIRS)优于传统的生物标志物。构建决策树和列线图,优化风险分层和风险评估。

结论:本文提出的缺氧相关特征是准确预测Ⅰ期肺腺癌患者的临床结果和治疗效果的生物标志物。



流程图


640.png



结  果

1. 本研究分析流程

缺氧是影响Ⅰ期肺腺癌患者总生存期的主要危险因素(图1A)。结合WGCNA分析和LASSO Cox分析,筛选缺氧相关的预后生物标志物(图1B)。使用训练集和验证集评估缺氧相关特征的预后能力。通过meta分析进一步验证其预后能力,构建决策树和列线图改善风险分层和生存预测(图1C)。最后,对DEG进行富集通路分析和拷贝数变异分析(图1D)。

640 (1).png

图1 流程图

2. 缺氧是Ⅰ期肺腺癌患者总生存期的主要危险因素
聚类图表明缺氧和糖酵解距离较近,与其他特征距离较远(图2A)。多因素Cox回归分析表明,缺氧是总生存期的主要危险因素(图2B)。聚类热图表明缺氧与患者年龄,性别和总生存状态显著相关(图2C)。多因素Cox回归分析表明缺氧是总生存期的唯一变量(图2D)。这些结果表明,缺氧是Ⅰ期肺腺癌患者总生存期的主要危险因素。
640 (2).png

图2 缺氧是Ⅰ期肺腺癌患者的主要危险因素

3. 参与Ⅰ期肺腺癌缺氧相关的候选基因

WGCNA分析共鉴定到48个模块,其中绿色模块与缺氧相关性最高(图2E)。绿色模块中共有773个基因,其中H1F1A为核心基因(图2F)。将绿色模块中的基因与H1F1A的4787个潜在靶标取交集,得到199个候选基因(图2G)。

NMF将254个样本分为两个亚群(图3A),GSEA分析表明簇1与低氧显著相关(图3B)。簇1中血管生成,炎症和糖酵解等ssGSEA打分显著提高(图3C)。来源于同一个LUAD患者的77个细胞同样分为两个亚群(图3D),其缺氧水平不同(图3E)。对两个簇进行PCA分析(图3F),TCA循环和糖酵解比例分析(图G)。根据这199个基因的表达矩阵将来源于CCLE的LUAD细胞系分为三个簇(图3H),其缺氧水平逐渐下降(图3I)。PCA结果表明缺氧和正常状态下的样本分为两类(图3J)。

640 (5).png

图3 不同水平验证199个缺氧相关基因的表达

4. 缺氧相关预后特征的构建和验证

对199个候选基因进行LASSO Cox分析最终得到10个基因构建缺氧相关预后特征(图4A和4B)。这10个基因和缺氧ssGSEA Z-scores的相关性网络见图4C。计算每个样本的缺氧相关预后风险打分(HPRS),Kaplan-Meier分析表明HPRS打分高的患者总生存期较差(图4D),随后使用验证集验证HPRS的预后价值(图4E-I)。
640 (3).png

图4 缺氧相关预后特征的构建和验证

5. HPRS与传统特征的预后和预测能力的比较

使用meta分析计算TNM分类和HPRS的HR,TNM分类的HR为1.69(图5A),HPRS的HR为2.87(图5B)。Kaplan-Meier分析研究TNM分类和HPRS的预后价值(图5C和5D)。对于ⅠA期和ⅠB期亚群,根据HPRS阈值区分高风险组(图5E和5F)。此外,多因素Cox回归分析表明,HPRS、阶段、性别和年龄是Ⅰ期肺腺癌患者总生存期的独立危险因素(图5G)。HPRS的预测能力最强(图5H)。
640 (4).png

图5 HPRS与传统特征的预后和预测能力的比较

6.构建模型优化Ⅰ期肺腺癌患者的风险分层和生存预测

对1316个患者构建生存决策树优化风险分层。根据HPRS和患者年龄,将患者分为三个亚群(图6A)。HPRS低的患者为低风险组,HPRS高且年龄小于64个患者为中风险组,HPRS高且年龄大于64个患者为高风险组。三个亚群的总生存期存在显著差异(图6B)。

使用HPRS和其他临床病理特征构建列线图(图6C)。使用列线图预测3年和5年生存率的准确性较高(图6D),表明列线图的预测准确性。与其他临床病理特征相比,列线图的生存预测性能最高(图6E)。

640 (8).png

图6 生存决策树和列线图

7. 对不同风险亚群进行富集通路和基因组变异的全面分析

在HPRS高的亚群中鉴定到2054个上调基因和1579个下调基因(图7A)。GO富集分析发现上调基因主要富集细胞分裂,DNA修复等功能(图7B),下调基因主要富集在各种代谢过程(图7C)。

每个亚群中发生突变频率排名前20的基因见图7D和7E。TP53是发生突变频率最高的基因(图7F),与缺氧显著相关。每个亚群发生的TP53突变见图7G。生存分析见图7H和7I。在HPRS高的亚群中发生KRAS-TP53互斥突变的情况(图7J)。HPRS高的亚群TMB显著升高(图7K)。

在两个亚群中均发生到拷贝数的增加和缺失,HPRS高的亚群发生拷贝数变异的区域更多(图7L和7M)。其中癌基因FGFR1,E2F1,KRAS和MET等在HPRS高亚群中发生拷贝数增加(图7N)。HPRS高的亚群拷贝数与mRNA表达呈正相关(图7O)。

640 (6).png

图7 不同风险亚群的富集通路的基因组变异的全面分析

8.缺氧特征预测患者的治疗反应

GSEA预测HPRS高于耐药性显著相关(图8A)。使用R包’pRRophetic’评估LUAD治疗中四种常见药物的化学敏感性。HPRS高的亚群中这些药物的IC50值显著升高(图8B)。由于ⅠB期患者的化疗效果存在争议,作者从6个数据集中提取了41例接受辅助化疗的ⅠB期患者,并根据HPRS值将患者分为三个亚群。不同亚群之间存在总生存期的显著差异,表明HPRS可以作为指导ⅠB期患者辅助化疗的生物标志物(图8C)。

由于缺氧会影响癌症患者的免疫疗法的效果,作者使用RF和LASSO算法开发了一个缺氧相关的基因特征,可以预测ICB治疗反应。得到两个参数最优值(图8D),根据免疫疗法反应的重要性对199个缺氧相关候选基因进行排序,两种排序方法共有的基因有16个(图8E)。随后进行LASSO回归分析,10倍折叠交叉验证去除过拟合影响,最优值λ为0.0188(图8F),最终得到9个基因。训练集HIRS预测免疫治疗反应的AUC为0.809(图8G)。在TCGA数据集中,与一些常见的免疫治疗生物标志物相比,HIRS的AUC最高(图8H)。

640 (7).png
图8 缺氧特征预测患者的治疗反应


结 论

作者14个数据集的1400例Ⅰ期肺腺癌患者的转录组数据和临床数据进行分析。确定了缺氧是Ⅰ期肺腺癌患者的主要预后危险因素,构建了两个缺氧相关特征,可以预测Ⅰ期肺腺癌患者的总生存期和免疫治疗反应。本文的亮点在于作者构建了两个的缺氧相关模型并使用验证集进行验证。但本文仍然存在一定限制,作者使用的数据可能存在肿瘤异质性和多平台引入的偏差,仍然需要进一步实验验证阐明LUAD患者中缺氧相关基因的生物学功能。


文章来源:生信发文助手

QQ客服
电子邮箱
淘宝官店
没有账号?