m7G相关基因作为预测黑色素瘤预后的生物标志物

2023-03-08 09:58 作者:275276 0人读过 | 我要投稿

N7-methylguanosine methylation-related regulator genes as biological markers in predicting prognosis for melanoma

m 7 GMRRGs 在黑色素瘤中的表达谱

我们绘制了热图和小提琴图，以了解 447 例黑色素瘤和 233 例正常组织之间 m 7 GMRRG 的 RNA 表达水平。红色和绿色分量表如图 1 所示。 1个A 相应地表示相对较高或较低的 RNA 表达水平。与正常组织相比，m 7 GMRRGs 在黑色素瘤中表现出显着更高的 RNA 表达水平，分别是DCP2、AGO2、LSM1、METTL1、SNUPN、CYFIP1、NUDT16、WDR4、DCPS、NUDT3、GEMIN5、LARP1、NCBP1、EIF4G3、NCBP2、IFIT5（所有P < 0.001）。EIF3D和NUDT10的RNA表达水平组间差异无显着性（P > 0.05）。

黑色素瘤中 m7GMRRG 的分析。( A ) 肿瘤和正常组织中 29 m 7 GMRRG的热图（上调标记为红色，下调标记为绿色；* P < 0.05，* P < 0.01，和 *** P < 0.001）。( B )黑色素瘤中m 7 G RNA 甲基化调节因子的 Vioplot 可视化（红色为黑色素瘤，蓝色为正常组织）。( C ) 黑色素瘤中 29 m 7 GMRRG 的 Spearman 相关性分析。m 7 G MRRGs N7-甲基鸟苷甲基化相关调节基因。

富集分析

为了进一步探索m 7 GMRRGs可能涉及的信号通路、生物学作用和功能分析，采用GO和KEGG进行了富集分析。GO 测试确定了 m 7 GMRRGs参与的生物学途径是翻译起始和调节、细胞酰胺代谢的调节、RNA 帽结合以及与 RNA 7-甲基鸟苷帽结合的生物学功能相关的途径。KEGG富集分析表明，m 7 GMRRGs还在RNA降解、核质转运、表皮生长因子受体调节、酪氨酸激酶抑制剂抗性、长寿调节通路、mRNA监测和胰岛素信号通路中发挥作用

基于 GO ( A ) 和 KEGG ( B ) 的 DEG 分析。x 轴表示在每个 GO 和 KEGG 上富集的 m 7 GMRRG 的数量。矩形颜色表示富集的重要性。GO基因本体，KEGG京都基因与基因组百科全书，DE - m 7 G差异表达m 7 GMRRGs，BP生物过程，CC细胞成分，MF分子功能，DEGs差异表达基因，m 7 GMRRGs N7-甲基鸟苷甲基化相关调节因子基因。

在 447 个病例的整个 TCGA 数据集的基础上使用 Kaplan-Meier 预后分析，研究了差异表达的 m 7 GMRRGs 在黑色素瘤患者中的预后意义。在 Kaplan–Meier 22、23 中 P < 0.1后，m 7 GMRGs在多变量 Cox 回归和逐步回归中进行了测试。然后最终选择了四个关键基因（EIF4E3、LARP1、NCBP3、IFIT5 ）来创建m 7 GMRRGs特征的预后预测模型。

黑色素瘤患者预后预测模型的构建。( A )预后模型中四个 m 7 GMRRG 的 HR 和P值。( B ) 训练集高危和低危亚组患者的生存曲线。( C ) 验证合并的高风险和低风险亚组患者的生存曲线。( D ) 四个 m 7的风险评分、生存状态和 RNA 表达的分布训练集中高风险和低风险亚组之间的 G 调节基因。顶部面板显示患者的风险评分。中间面板描述了按风险评分分布的患者生存状态和生存时间。底部面板按风险评分显示四个预测变量的编织热点。( E ) 验证集中高风险和低风险亚组之间四个 m 7 G 调节基因的风险评分、生存状态和 RNA 表达的分布。m 7 GMRRGs N7-甲基鸟苷 (m 7 G) 甲基化相关调节基因。

根据中位风险评分，将患者分为高风险和低风险亚型。生存研究表明，预后预测模型显示出区分训练集中黑色素瘤患者预后良好和不良的显着能力。与高风险亚型患者相比，低风险亚型患者的存活率要好得多. 使用相同的模型计算每个患者的风险评分，并研究风险评分与训练集中生存状态的关系。基于150个病例的整个GEO数据集的验证集用于进一步验证预后预测模型。与验证集中的低风险亚组患者相比，高风险亚组患者的生存期显着缩短）。描述了四个 m 7 GMRGs 的风险评分、生存状态和 RNA 表达如何在训练和验证集中的高风险和低风险亚组之间分布。

生成 ROC 曲线以研究预后预测模型的准确性。显示了训练集中 m 7 G 特征的 1、3 和 5 年 ROC 曲线的 AUC 值，分别为 0.693、0.651 和 0.69，将预后模型分别显示为 0.689、0.704 和 0.726。总之，这些发现显示了筛选用于黑色素瘤预后预测模型的四个 m 7 GMRGs的准确性。

验证四个选定的 m 7 GMRRG的预后、预测能力。( A ) 训练集中预后预测模型的 ROC 曲线。( B ) 合并预后预测模型的 ROC 曲线验证。m 7 GMRRGs N7-甲基鸟苷甲基化相关调节基因。

黑色素瘤预后预测模型与临床因素的相关性

为了评估黑色素瘤患者预后预测模型与临床因素的相关性，在整体的基础上使用Wilcoxon检验分析年龄、性别、肿瘤分期和大小、淋巴结和远处转移之间风险评分的差异。包含 597 个案例的 TCGA 和 GEO 数据集，风险评分与肿瘤大小显着相关（P = 0.037）。在年龄、性别、肿瘤分期、淋巴结和远处转移方面未观察到显着差异（补充图 1）。此外，Kaplan-Meier 分析显示年龄 (HR = 1.020)、肿瘤分期 (HR = 1.473)、肿瘤大小 (HR = 1.445)、淋巴结转移 (HR = 1.443) 和风险评分 (HR = 2.157；所有P < 0.001）预后不良。多变量 Cox 回归显示年龄（HR = 1.012，P = 0.037）、肿瘤大小（HR = 1.497，P < 0.001）、淋巴结转移（HR = 1.619，P < 0.001）和风险评分（HR = 2.235，P < 0.001）与不良预后基本独立相关

图 5
黑色素瘤患者预后预测模型与临床因素的关系。( A ) 基于训练队列的临床特征的单变量 Cox 分析。( B ) 基于训练队列的临床特征的多变量 Cox 分析。( C ) 黑色素瘤患者的风险评分与临床特征之间的关联。( D ) 风险评分和临床因素的 ROC 曲线。临床因素包括年龄、性别、肿瘤分期、N（淋巴结转移）、T（肿瘤大小）和 M（远处转移）。

使用ROC曲线研究风险评分预测所有597例患者预后的敏感性和特异性。风险评分的 5 年 ROC 曲线 AUC 值为 0.737，与其他临床因素相比更大，表明基于 4 个 m 7 GMRRG 的预后预测模型的可靠性

将年龄、肿瘤分期和风险评分这三个独立的预后因素结合起来，通过绘制柱线图来预测黑色素瘤患者的 1、3 和 5 年生存率。为了检验柱线图的校准，比较了预测的和实际的 1、3 和 5 年生存率。结果表明，校准曲线的预测存活率与实际存活率之间存在良好的一致性

列线图开发和评估。( A ) 基于年龄、分期和风险评分的列线图预测黑色素瘤患者的预后。( B–D ) 预测黑色素瘤患者 1 年 ( B )、3 年 ( C ) 和 5 年 ( D ) 总生存期的校准曲线。

预后预测模型与免疫测定的相关性

CIBERSOFT 算法和 ssGSEA 用于比较由预后预测模型区分的高风险和低风险亚组之间的细胞组成和细胞免疫反应。高危亚组B细胞、CD8 + T细胞、树突状细胞、中性粒细胞、NK细胞、巨噬细胞、肥大细胞、浆细胞样树突状细胞、T辅助细胞、T滤泡辅助细胞、Th 1细胞、Th 2细胞浸润显着降低细胞、肿瘤浸润淋巴细胞和调节性 T 细胞高于低风险亚组.探索了两个亚组之间免疫检查位点表达的差异，以了解它们在免疫治疗中的潜在作用。在亚组之间的各种免疫检查点基因座的表达中观察到显着差异，最显着的是 CD70 、 TIGIT、PDCD1 (PD-1)、LAG3 和 LGALS9

预后预测模型与免疫学和化疗药物敏感性的相关性分析。( A ) 基于亚组风险评分与免疫细胞亚群及相关功能的相关性分析。( B ) 免疫检查位点在黑色素瘤高风险和低风险亚群中的表达。

还在风险评分和对常见化疗药物的敏感性之间进行了相关性分析，高危亚组患者对硼替佐米、博舒替尼、顺铂、达沙替尼、吉非替尼和拉帕替尼等化疗药物的敏感性更高；而低风险亚组患者对埃坡霉素、厄洛替尼、FTI.277、GNF.2、伊马替尼、二甲双胍、RDEA119、S-三苯甲基-L-半胱氨酸、索拉非尼等常见化疗药物以及新兴药物 (P < 0.05)。