山东白癜风QQ交流群 http://liangssw.com/bozhu/12678.html背景介绍
在全球范围内，中枢神经系统（CNS）肿瘤的发病率和死亡率相对较高，其中神经胶质瘤的发病率在逐年递增。目前外科手术、放射疗法等治疗手段预后很差，尤其是胶质母细胞瘤（GBM）患者。而另一些低度神经胶质瘤（LGG）对当前的治疗没有反应。因此，要开发针对神经胶质瘤患者的有效治疗方法。
铁死亡是一种铁依赖性的细胞死亡途径。系统Xc-的谷胱甘肽途径中的β和GPX4是促铁死亡调节机制的两个关键调节点。半胱氨酸阻碍了作为GPX4底物的谷胱甘肽的生物合成，从而诱导了活性氧（ROS）的积累和铁死亡。小分子RSL3可以通过抑制GPX4引起铁死亡。
肿瘤细胞可以维持或获得对铁死亡的敏感性，同时避免其它形式的细胞死亡。而神经系统包含许多不饱和脂肪酸，这是产生过氧化物的主要底物。故猜测靶向铁死亡可能是治疗神经胶质瘤的途径。作者基于CGGA和TCGARNA-seq数据集以及临床信息，系统地分析了神经胶质瘤中与铁死亡相关基因的特征流程分析并预测患者预后。
流程分析
结果解读
1.基于铁死亡相关基因的神经胶质瘤分类
1.从CGGA中得到个样本和个铁死亡相关基因。根据MAD值设置，取84个铁死亡相关基因。
2.NMF分样本为两簇，用共识矩阵热图表明样本稳定性，t-SNE验证子类分布，两者结果基本一致（图1B，C；补充图1；补充图2）
3.共识性聚类揭示两簇间在临床和分子特征上的显著差异。（表1）
4.通过卡方检验，可得第2组神经胶质瘤患者的生存时间比第1组短。（图1E）
5.聚类2在伴IDH突变和1p/19q共缺失的少突胶质细胞瘤，伴IDH突变的星形细胞瘤，伴IDH野生型的星形细胞瘤，伴IDH突变的GBM和伴IDH突变的GBM中预后较差。（补充图3）
图1.使用NMF共识聚类法在肥大症患者组中鉴定神经胶质瘤亚类
图S1.簇数的共形（A），色散（B），evar（C），残差（D），rss（E），稀疏性（F）和轮廓（G）系数之间的关系
图S2.CGGA队列中k=3（A），4（B），5（C）和6（D）的NMF聚类共识矩阵
表1.CGGA队列中第1组和第2组患者的特征
图S3.世卫组织年综合分析对各组患者的预后价值
2.神经胶质瘤和铁死亡相关预后基因签名的构建
在CGGA中，先通过单变量Cox回归分析确定70个总体生存相关基因，再用多变量Cox回归分析确定25个总体生存相关基因。（补充图4）
LASSO回归算法筛选这25个基因的生物标志物，并计算患者的风险评分。（图2A，B）
患有原发性神经胶质瘤的患者中，高危组表现出GBM组织学，高级别，高龄，IDH野生型，1p/19q非编码和MGMT启动子未甲基化，而低危组的结果相反。（图2C；表2）
25个胶质瘤基因特征与病理特征的预后风险评分的相关性。风险评分患者之间显著差异在不同因素下的状态。（图3A—H）
图S4.通过单变量Cox回归分析和多重Cox回归分析选择与神经胶质瘤存活相关的铁死亡基因
图2.通过CGGA队列中的LASSO回归分析确定25种基因的整体生存风险特征
表2.CGGA队列中低风险和高风险评分患者的特征
图3.CGGA队列中与肥大症相关的特征和其他病理特征之间的关联
3.胶质瘤预后风险评分的生存分析及其与病理特征的相关性
Kaplan-Meier分析显示，高风险组的总体生存结果比低风险组的总体生存结果差。（图4A）
ROC曲线确定的风险评分显示了在CGGA数据集中预测生存状态，簇1/2，IDH突变和1p/19q状态的潜力。还观察到肿瘤组织学类型的风险评分高于年龄。（图4B—F）
对WHO等级的综合诊断分层，该风险评分对神经胶质瘤具有预后价值。类似于上述25个基因签名，TP53突变状态也与神经胶质瘤患者的预后显著相关。（补充图5；补充图6A）
将神经胶质瘤患者根据TP53突变状态分为高危和低危组。两组的生存曲线在TP53野生型和TP53突变神经胶质瘤队列中有显著差异。而高危组的TP53错义突变的神经胶质瘤患者的总生存时间较短。（补充图6B—D）
神经胶质瘤中25个基因的遗传频率变化非常低。（补充图7）
25个基因在不同等级的神经胶质瘤中，只有BAP1的表达相似。（补充图8）
图4.CGGA队列中由25个基因签名得出的风险评分的预后意义
图S5.世卫组织年综合分析对患者风险标志的预后价值
图S6.根据TP53突变状态进行的Kaplan-Meier生存分析
图S7.来自TCGA数据集的神经胶质瘤中25个基因的遗传变化
图S8.25个基因在具有不同临床病理特征的神经胶质瘤中的表达
4.脑胶质瘤预后风险评分，生存分布和热图的单因素和多因素Cox分析
单因素Cox回归分析表明，高风险评分与生存不良相关。多变量Cox回归分析显示，风险评分是预测脑胶质瘤患者总生存率的独立危险因素。（图5A，B）
根据风险评分从左到右对患者进行排名，显示每个患者的生存率分布。生存状态和风险评分的分布表明，风险评分为-0.或更高的患者的生存期较差。（图5D）
图5.对神经胶质瘤的预后风险评分，生存状态分布和热图进行单因素和多因素Cox分析
5.通过TCGA数据验证CGGA数据库风险评分
Lasso回归分析TCGA数据，计算患者的风险评分并用KM生存分析评估，则高风险得分与低风险得分相关的总体生存状况较差。（图6A）
单因素分析显示，TCGALGG-GBM的风险评分与总体生存率显著相关；多因素分析证明，风险评分是独立的预后指标。（图6D，E）
TCGA建立的风险评分可以根据临床特征对神经胶质瘤患者进行分类，并可以独立预测患者的预后。（表3）
图6.TCGA队列中由25个基因签名得出的风险评分的预后意义
表3.TCGA队列低评分和高危评分患者的特征
6.个性化的预后预测模型
列线图根据对生存风险的贡献比例对几个因素进行了评分，校准曲线结果表明，预测的生存率与实际生存率密切相关。（图7A—C）
在TCGA队列中验证了列线图。3年和5年校准曲线分别显示。（图7D，E）
图7.列线图可以预测神经胶质瘤的预后概率
7.与基因特征相关的生物学特性和途径分析
进行GO和KEGG通路分析，注释用于构建风险模型的25个基因标记的生物学特性，包括其生物学过程、细胞组分和分子功能。（图8A）
KEGG通路分析的结果表明，最丰富的通路是铁死亡和脂肪酸生物合成。（图8B）
图8.GO和KEGG分析
总结
在本次研究中，作者基于CGGA的RNA测序数据，系统地评估了神经胶质瘤患者中铁死亡相关基因表达谱与预后之间的关系。通过非负矩阵分解(NMF)聚类方法和lasso回归分析建立25个基因风险评分，经过对神经胶质瘤的基因风险特征与临床特征关系的分析，证明其可独立预测神经胶质瘤患者的预后。之后又用TCGA数据集进行了辅助验证。该研究为神经胶质瘤的发展和进程中的铁死亡提供了新的认识，并为开发治疗神经胶质瘤的铁死亡促进剂提供了重要的思路。
但该研究仍存有一定局限性。尽管作者在各种数据集中确认了25个基因签名的预测价值，仍需要更大样本的前瞻性研究来评估其临床相关性。而且该结果是基于RNA-seq技术的，需进一步探索建议的25个基因标记的预后价值。
Thankyou！
预览时标签不可点收录于话题#个上一篇下一篇
