|
本研究作者旨在探討鈣結合蛋白家族成員S100A16在胰腺癌（pancreatic cancer , PC）中的表達和預后價值評估。首先利用Oncomine檢測S100A16在PC等腫瘤中的表達水平及預后相關性。然后，下載PC患者的TCGA和ICGC RNA-seq數(shù)據(jù)，取兩組基因集相交定義S100A16相關差異表達基因組(DEGs)，并分析GO和KEGG通路。隨后，繪制了臨床特征與S100A16表達之間的箱線圖，并采用Cox回歸分析探討S100A16對PDAC患者的預后價值。在Cox回歸模型的基礎上，進一步建立了與S100A16相關的風險評分系統(tǒng)，以增強預測患者預后的能力。另外，將風險評分模型與多種臨床病理因素結合，最終建立了預測患者生存時間的列線圖。此外，基因集合富集S100A16表達差異對下游生物學過程的影響。最后，利用TIMER、ImmunecellAI和GSEA分析S100A16與PC免疫浸潤的相關性，并預測患者對檢查點阻斷劑(checkpoint Blocker,ICB)的反應。綜上分析顯示，S100A16參與PC的發(fā)生發(fā)展過程，影響患者的預后，對PC的免疫治療具有潛在的參考價值。 單基因生信文章，作為以生信為主的文章有比較大的優(yōu)勢。一方面可以純生信發(fā)表，退一步可以補充表達驗證，就像本文一樣。當然還可以深入探索基因的機制，甚至申請基金等等。小編最近篩選到一些結果比較好的基因，需要做深入分析的可以聯(lián)系小編喔，先到先得！ 被致謝！2021年7分+單基因泛癌純生信，投稿到接受30天！ 請掃描下方二維碼 研究背景：胰腺癌是一種惡性程度極高的疾病，早發(fā)現(xiàn)早診斷存在較大困難，且易發(fā)生早期轉移，雖然臨床藥物治療取得了進展，但由于腫瘤細胞和微環(huán)境之間復雜的相互作用，對放療和化療仍有高度的耐藥性。因此，對胰腺癌的驅動基因和腫瘤微環(huán)境中與腫瘤侵襲轉移相關的蛋白質進一步研究，將有助于開發(fā)新的可能療法。S100A16蛋白是一類鈣結合蛋白S100成員之一，已在膀胱癌，肺癌，甲狀腺癌等癌癥中進行了研究，而在胰腺癌中的情況尚未可知。 研究流程： 分析解讀： 1. 胰腺癌組織中S100A16表達增加 ①Oncome數(shù)據(jù)庫中分析S100A16在各腫瘤中的表達情況。 ②Oncome數(shù)據(jù)庫中分析S100A16在胰腺癌相關具體研究中的表達情況（cancer vs normal,cancer vs cancer, outlier）。 ③免疫組織化學染色進一步分析S100A16在臨床胰腺癌組織標本中表達情況。 結果顯示： ①Oncome數(shù)據(jù)庫中265個(cancer vs nomal) 研究中，關于胰腺癌的4個研究均是S100A16上調。158個multicancer研究中，3個胰腺癌研究中S100A16上調。522個outlier研究里，1個研究上調，2個下調（上圖A）。 ②再對上述具體的胰腺癌研究進行篩選分析，發(fā)現(xiàn)S100A16在胰腺癌組織較正常組織中表達明顯增加；不同胰腺癌組織類型中S100A16表達增加（上圖B）。 ③免疫組化驗證S100A16在胰腺癌中表達增加。 2. S100A16表達與胰腺癌患者預后的關系 ①GEPIA數(shù)據(jù)庫分析S10A16在各腫瘤中表達情況。 ②GEPIA數(shù)據(jù)庫分析S10A16與胰腺癌預后（OS, DFS）的關系。 結果顯示： ①S100A16在胰腺癌、膀胱癌、宮頸癌等多種腫瘤中表達增加（上圖A）。 ②S100A16在胰腺癌表達增加（上圖B），且其表達水平與腫瘤的無病生存率和總體生存率成負相關（上圖C-D）。 3. 差異表達基因的GO分析和KEGG分析 ① 從TCGA、ICGC數(shù)據(jù)庫下載胰腺癌患者數(shù)據(jù)信息。 ② 進行差異基因分析，并繪制熱圖、火山圖。 ③ GO分析及KEGG通路分析。 結果顯示： ①由TCGA、ICGC數(shù)據(jù)庫下載1330個胰腺癌相關差異基因，繪制對應熱圖、火山圖，并篩選出71個共同差異基因（上圖A-B）。 ②對71個基因進行GO分析，顯示主要集中于突觸調節(jié)、鈣穩(wěn)態(tài)等（上圖D-F）。 ③KEGG通道分析示與脂肪、蛋白質消化吸收，及胰腺分泌有關的途徑密切相關，其中與調節(jié)胰腺分泌功能相關性最為顯著（上圖C）。 4. 基于TCGA數(shù)據(jù)的S100A16表達與臨床特征的相關性研究 ① 利用Kaplan-Meier、單因素、多因素COX等方法對TCGA中182個樣本信息進行S100A16和臨床特征相關性分析。 ② 為建立預測集，利用Pearson相關系數(shù)分析、單因素COX回歸分析獲得42個S100A16與生存有關基因。 ③ 再對其中的S100A16相關的top 5基因進行Lasso模型處理，通過多變量COX回歸構建風險評分。（Coefi：基因系數(shù)，xi：基因FPKM） ④ 測試、驗證上述構建的風險評分。 結果顯示： ①S100A16的高表達或低表達與PDAC的原發(fā)部位、分期、分級顯著相關(P < 0.05)，與年齡、腫瘤大小、淋巴轉移等均無明顯相關性，Kaplan-Meier分析顯示，S100A16高表達組患者預后較差。 ②采用單因素COX分析對上述推測進行驗證，發(fā)現(xiàn)S100A16與年齡、組織學分型、原代治療反應、放療等因素均為高危因素，而多因素分析發(fā)現(xiàn)S100A16與生存無相關關系（上圖Table）。 ③為構建預測模型，通過Pearson相關性分析及單因素COX回歸分析獲得42個S100A16預后相關基因，并通過Wilcoxon秩和檢驗進一步驗證（上圖A）。 ④選擇其中“SERPINB1”, “RAB27B”, “MGLL”, “ANKRD22”, “UCA1”進行Lasso模型處理（圖B-D）。 ⑤驗證測試集中的預后模型ROC顯示良好的預測能力（圖C）。 ⑥證明預后模式是獨立的預后因素，并基于預后模型和臨床特征構建連線圖模型（圖F-G）。 5. S100A16基因表達水平相關性分析 ① 為了解S100A16在胰腺癌中相關信號通路作用，GSEA分析S100A16高、低表達水平在不同信號通路中的富集情況。 ② 利用STRING數(shù)據(jù)庫構建PPI網絡。 結果顯示： ①GSEA分析示S100A16高表達主要與蛋白翻譯延伸、線粒體膜、有絲分裂、核苷單磷酸生物合成等相關，而S100A16下調對白細胞系統(tǒng)、CAMP依賴的蛋白激酶活性、CAMP介導的信號轉導負調控、谷氨酸受體信號轉導途徑、AMPA受體活性等方面表現(xiàn)出不同程度的富集（上圖A）。 ②PPI網絡示S100A16在胰腺癌中主要與SUCLG1、IDH3A、SUCLA2蛋白關聯(lián)作用強（上圖B）。 6. S100A16基因表達與免疫細胞浸潤 ②對免疫相關基因集進行GSEA分析。 ③利用ImmuneCellAI數(shù)據(jù)庫評估S100A16與患者對ICB治療敏感性的關系。 結果顯示： ①TIMER數(shù)據(jù)庫分析示S100A16的表達水平與CD8+ T細胞浸潤成負相關（上圖A）。 ②GSEA分析示S100A16高表達主要集中在Naive、CRTL等細胞，而S100A16低表達集中于CD4 + T幼稚細胞，CD8+ T幼稚細胞、前體B細胞等（上圖B）。 ③基于TCGA數(shù)據(jù)基礎上的ImmuneCellAI分析示S100A16與腫瘤組織中不同免疫細胞浸潤相關，且S100A16水平可預測胰腺癌患者ICB治療敏感性（下圖B-C）。
|
|
|
