易學(xué)好做的8分生信搞起來(lái)
急性髓系白血?。?/span>AML）患者治療反應(yīng)的異質(zhì)性對(duì)風(fēng)險(xiǎn)評(píng)分和治療分層提出了巨大挑戰(zhàn)。碳水化合物代謝在AML治療反應(yīng)中起著至關(guān)重要的作用。在這項(xiàng)多隊(duì)列研究中，作者發(fā)現(xiàn)碳水化合物代謝相關(guān)基因（CRGs）參與AML的免疫應(yīng)答。作者提出的基于CRGs的新風(fēng)險(xiǎn)模型有望為AML的預(yù)后分類，這為開發(fā)精確的靶向癌癥治療提供新的見解。本研究于2022年12月發(fā)表在《Frontiers in Immunology》IF: 8.786期刊上。
技術(shù)路線：
文章主要結(jié)果：
1、在AML中鑒定存活相關(guān)的CRGs
選擇TCGA數(shù)據(jù)集中117個(gè)non-M3 AML樣本的基因表達(dá)譜，定義為訓(xùn)練集。從KEGG數(shù)據(jù)集中獲得355個(gè)CRG，并進(jìn)行單變量Cox比例風(fēng)險(xiǎn)回歸分析，以探討每個(gè)CRG的潛在預(yù)后價(jià)值。發(fā)現(xiàn)15個(gè)CRG與OS顯著相關(guān)，其中，CYB5R4，MLYCD，PIK3CA和PTEN是保護(hù)因素，其余11個(gè)基因是危險(xiǎn)因素（圖1A）。生存分析顯示，這4個(gè)基因的高表達(dá)與AML預(yù)后較好顯著相關(guān)，而其余基因的高表達(dá)與預(yù)后較差顯著相關(guān)，這證實(shí)單因素cox分析的結(jié)果。
根據(jù)中位風(fēng)險(xiǎn)評(píng)分將患者分為低危組和高危組。死亡人數(shù)隨著風(fēng)險(xiǎn)評(píng)分的增加而增加，高風(fēng)險(xiǎn)組的死亡人數(shù)多于低風(fēng)險(xiǎn)組（圖1B,C）。在10種CRGs的表達(dá)中，IDH3G、G6PD、DCXR、CYB5R3、ACADS、PFKL、CDIPT在高危組高表達(dá)（圖1D）。
圖1訓(xùn)練集中CRG特征的預(yù)后分析
然后進(jìn)行Kaplan-Meier分析，驗(yàn)證CRG特征在AML預(yù)后預(yù)測(cè)中的有效性。結(jié)果顯示，高危組患者的OS明顯短于低危組（圖2A），提示CRG特征可以有效預(yù)測(cè)AML的預(yù)后。此外，1年、3年和5年OS的CRGAUC分別為0.80、0.74和0.87（圖2B）。通過(guò)單變量Cox回歸分析計(jì)算AML患者CRG特征的預(yù)測(cè)獨(dú)立性，發(fā)現(xiàn)年齡和風(fēng)險(xiǎn)評(píng)分與患者的OS顯著相關(guān)（圖2C）。在對(duì)這些臨床參數(shù)進(jìn)行調(diào)整后，通過(guò)多變量Cox回歸分析，證實(shí)風(fēng)險(xiǎn)評(píng)分是AML患者的獨(dú)立預(yù)測(cè)因子（圖2D）。為了更準(zhǔn)確地評(píng)估CRG特征，構(gòu)建了結(jié)合風(fēng)險(xiǎn)評(píng)分和年齡的nomogram，與5年OS的效用相比，1年和3年OS的效用可以更準(zhǔn)確地預(yù)測(cè)AML患者（圖2E），這表明風(fēng)險(xiǎn)評(píng)分和年齡的整合可以改善OS的預(yù)測(cè)。
圖2 CRG特征對(duì)AML患者OS預(yù)測(cè)的評(píng)價(jià)
2、CRGs特征的外部驗(yàn)證
為進(jìn)一步驗(yàn)證CRG特征對(duì)患者OS的預(yù)測(cè)效用，通過(guò)CRG特征公式計(jì)算了GEO隊(duì)列（GPL570和GPL96平臺(tái)的GSE37642和GSE12417，GPL10558平臺(tái)的GSE71014）和本研究隊(duì)列中每個(gè)患者的風(fēng)險(xiǎn)評(píng)分。然后根據(jù)中位風(fēng)險(xiǎn)評(píng)分將患者分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組。高危組患者OS明顯短于低危組（圖3A-C, G-I）。這些結(jié)果表明，CRG特征在預(yù)測(cè)AML預(yù)后方面是有效的。重要的是，在GPL570平臺(tái)上GSE37642的1-、3-和5-年OS的AUC值分別為0.73、0.73和0.72（圖3D）。在GPL96平臺(tái)上GSE37642的1-、3-和5-年OS的AUC值分別為0.64、0.73和0.73（圖3E）。在GSE71014中，1-、3-和5-年OS的AUC值分別為0.69、0.73和0.61（圖3F）。在GPL570平臺(tái)上GSE12417的1-、3-和5-年OS的AUC值分別為0.72、0.68和0.65（圖3J）。在GPL96平臺(tái)上GSE12417的1-、3-和5-年OS的AUC值分別為0.65、0.65和0.63（圖3K）。在本研究的隊(duì)列患者中也觀察到類似的趨勢(shì)。1年和2年OS的AUC值分別為0.79和0.75（圖3L）。6個(gè)測(cè)試集的AUC值驗(yàn)證了CRG特征在預(yù)測(cè)AML預(yù)后方面的準(zhǔn)確性。總的來(lái)說(shuō)，這些結(jié)果表明CRG特征可以用來(lái)獨(dú)立預(yù)測(cè)AML患者的OS。
圖3驗(yàn)證CRG特征
3、差異表達(dá)基因（DEGs）的鑒定和富集分析
為了闡明CRGs參與AML患者OS調(diào)控的潛在分子機(jī)制，分析了高危組和低危組的不同基因表達(dá)模式。共鑒定出699個(gè)DEGs，與低危組相比，高危組有457個(gè)上調(diào)基因，242個(gè)下調(diào)基因（圖4A,B）。GO和GSEA的富集分析表明，這些DEGs在免疫應(yīng)答和碳水化合物代謝中顯著富集（圖4C-E）。此外，高危組碳水化合物代謝通路上調(diào)，免疫應(yīng)答通路也上調(diào)（圖4D）。這些結(jié)果表明，CRG特征可能在AML的免疫應(yīng)答激活中發(fā)揮重要作用。
圖4高危組和低危組差異表達(dá)基因(DEGs)
4、不同風(fēng)險(xiǎn)人群免疫細(xì)胞比例及相關(guān)性分析
為進(jìn)一步探究高危組和低危組的免疫狀況，通過(guò)ESTIMAT軟件計(jì)算了基質(zhì)評(píng)分、免疫評(píng)分和估計(jì)評(píng)分，發(fā)現(xiàn)高危組的基質(zhì)評(píng)分、免疫評(píng)分和估計(jì)評(píng)分均高于低危組，說(shuō)明高危組微環(huán)境中存在更多的免疫浸潤(rùn)細(xì)胞和基質(zhì)細(xì)胞（圖5A-C）。與低危組相比，高危組腫瘤純度較低（圖5D），提示腫瘤純度低的AML預(yù)后較差。這些結(jié)果表明，CRG特征與免疫微環(huán)境密切相關(guān)。
隨后，研究了訓(xùn)練集中22種免疫細(xì)胞類型的免疫細(xì)胞特性（圖5E-F）。結(jié)果發(fā)現(xiàn)低危組靜息記憶CD4+ T細(xì)胞比例明顯高于高危組，而單核細(xì)胞比例明顯低于高危組（圖5G ,H）。兩組中單核細(xì)胞與嗜酸性粒細(xì)胞、靜息記憶CD4+ T細(xì)胞、靜息NK細(xì)胞、na?ve B細(xì)胞、漿細(xì)胞呈負(fù)相關(guān)，與靜息記憶CD4+ T細(xì)胞與靜息NK細(xì)胞、na?ve B細(xì)胞呈正相關(guān)（圖5I）。這些結(jié)果證實(shí)了AML中CRG特征在免疫應(yīng)答中起著重要作用。
圖5風(fēng)險(xiǎn)組免疫細(xì)胞比例及相關(guān)性分析
5、不同風(fēng)險(xiǎn)組的突變特征
為研究CRG特征與AML突變之間的關(guān)系，使用Maftools R包分析了SNP譜。高危組和低危組最常見的基因突變類型為錯(cuò)義突變（圖6A-C）。高危組和低危組患者的基因突變不同。NPM1、DNMT3A和FLT3突變發(fā)生率在兩組中均較高（圖6A-C）。然而，RUNX1、IDH2、WT1和KRAS突變?cè)诘臀＝M中更為頻繁（圖6B）。TP53、KIT和TTN突變?cè)诟呶＝M更為常見（圖6C）。與高危組相比，低危組患者的腫瘤突變負(fù)擔(dān)更高（圖6D）。
6、潛在藥物敏感性
接下來(lái)，通過(guò)計(jì)算基于CRG特征的化療的潛在臨床反應(yīng)。這些藥物主要針對(duì)PI3K/AKT/mTOR信號(hào)通路、碳水化合物代謝、DNA合成與損傷、表觀遺傳學(xué)和細(xì)胞凋亡。低風(fēng)險(xiǎn)組對(duì)大多數(shù)碳水化合物代謝抑制劑更敏感（圖8）。
圖7風(fēng)險(xiǎn)組的潛在藥物結(jié)果
參考文獻(xiàn)：
Yang Y, Yang Y, Liu J, Zeng Y, Guo Q, Guo J, Guo L, Lu H, Liu W. Establishment and validation of a carbohydrate metabolism-related gene signature for prognostic model and immune response in acute myeloid leukemia. Front Immunol. 2022 Dec 5; 13:1038570. doi: 10.3389/fimmu.2022.1038570. PMID: 36544784; PMCID: PMC9761472.