- 题目：A novel five-gene metabolism-related risk signature for predicting prognosis and immune infiltration in endometrial cancer: A TCGA data mining
- 影响因子：IF=6.698
- 发表时间：2023.02
研究背景
子宫内膜癌 (EC) 是全球妇科恶性肿瘤的常见病因。代谢功能障碍会影响肿瘤细胞的生物学行为，导致癌变和各种癌症的发展。然而，很少有研究关注子宫内膜癌 (EC) 中代谢相关基因特征的免疫疗法的预测价值和疗效。本研究旨在构建具有预后和治疗意义的 EC 中预测性代谢相关基因特征。
数据与方法
| 数据集/队列 | 数据库 | 数据类型 | 样本信息 |
|---|---|---|---|
| TCGA-UCEC | TCGA | RNA-seq数据/临床信息 | 503个子宫内膜癌患者样本 |
| 子宫组织正常样本 | GTEx | RNA-seq数据/临床信息 | 35个正常样本 |
| 代谢相关的基因 | KEGG | 基因集合 | 代谢相关的基因 |
研究思路
- 数据来源：从TCGA数据库获取503例子宫内膜癌患者的RNA表达与临床数据，结合GTEx的35例正常样本。
- 基因筛选：
- 从KEGG获取代谢相关基因列表，通过差异表达分析筛选出94个与EC预后显著相关的代谢基因。
- 使用LASSO回归和多变量Cox回归进一步筛选出5个关键基因：INPP5K、PLPP2、MBOAT2、DDC、ITPKA。
- 建模与验证：
- 构建风险评分模型，将患者分为高风险组和低风险组。
- 将样本随机分为训练集和测试集进行内部验证。
- 进行独立预后分析、构建列线图、GSEA功能富集分析、肿瘤微环境评估、免疫细胞浸润分析及免疫检查点关联分析。
主要结果
1. 代谢相关基因的识别
- 图A：火山图展示94个代谢相关基因在正常与肿瘤组织中的差异表达。
- 图B：展示5个基因与风险评分的相关性。
- 图C–D：LASSO回归分析展示基因筛选过程。
- 图E：多变量Cox回归显示5个基因的预后价值，其中DDC、MBOAT2、ITPKA为风险因子，INPP5K和PLPP2为保护因子。
2. 生存曲线
- 展示5个基因分别在高/低表达组中的生存差异，进一步验证其预后价值。
3. 风险模型在训练集、测试集和全集中的验证
图a–c：风险评分分布。- 图d–f：生存状态与风险评分的关系。
- 图g–i：5个基因表达热图。
- 图j–l：ROC曲线显示模型在1、3、5年生存预测中的准确性。
- 图m–o：Kaplan-Meier生存曲线显示低风险组生存率显著更高。
4. 风险模型作为独立预后因素的评估
- 图A–B：单变量和多变量Cox回归显示风险评分是独立预后因素。
- 图C–E：风险评分的ROC曲线优于年龄和分级。
- 图F：构建包含年龄、分级和风险评分的列线图。
- 图G–I：校准曲线显示列线图在1、3、5年预测中的准确性良好。
5. 亚组分析
- 在不同年龄和分级亚组中，高风险组均显示更差的生存结局，说明模型的普适性。
6. 功能富集分析
- GO分析：高风险组富集在细胞周期、RNA定位等过程；低风险组富集在纤毛组装、脂质代谢等。
- KEGG分析：高风险组富集在细胞周期、卵母细胞减数分裂等通路；低风险组富集在脂代谢和酪氨酸代谢。
7. 肿瘤微环境与肿瘤干细胞性分析
- 图A：低风险组具有更高的免疫评分、基质评分和ESTIMATE评分。
- 图B：高风险组具有更高的mRNAsi和EREG-mRNAsi，提示更强的干细胞特性。
- 图C：风险评分与干细胞评分、血管生成活性等呈正相关。
8. 免疫细胞浸润与免疫检查点分析
图A：CIBERSORT分析显示高风险组中M1/M2巨噬细胞和树突细胞更多，低风险组中Treg和NK细胞更多。- 图B：ssGSEA显示低风险组中多种免疫细胞浸润更丰富。
- 图C：低风险组中APC共刺激、T细胞共抑制等功能更强。
- 图D：低风险组中PD-1、CTLA4等免疫检查点表达更高，提示其对免疫治疗更敏感。
9. DDC基因的靶向药物互作网络
展示DDC与多种药物（如Carbidopa、Levodopa等)的相互作用，提示其作为治疗靶点的潜力。
文章小结
本研究通过TCGA数据挖掘，构建了一个基于5个代谢相关基因的风险模型，并通过LASSO-Cox回归、ROC曲线、生存分析、GSEA、免疫浸润分析等多种生物信息学方法，系统验证了该模型在预测EC预后、免疫微环境及免疫治疗反应方面的价值。