A novel oxidative-stress related lncRNA signature predicts the prognosis of clear cell renal cell carcinoma

结果

差异基因筛选与富集

在本研究中，我们使用了 TCGA 队列中 507 例 ccRCC 患者的数据（肿瘤组，435 例；正常组，72 例）。我们鉴定了 136 个与 OS 相关的差异表达基因（DEG），其中包括 95 个上调基因和 41 个下调基因。京都基因与基因组百科全书（KEGG）通路分析表明，OS相关DEG主要富集于与癌症、脂质和动脉粥样硬化、缺氧诱导因子1（HIF-1）信号通路、细胞因子-细胞因子受体相互作用、PI3K相关的通路-Akt信号通路、癌症中的蛋白多糖代谢、人类巨细胞病毒感染、糖尿病心肌病和丝裂原激活蛋白激酶（MAPK）信号通路。基因本体（GO）分析表明，OS相关DEGs主要富集于（a）与炎症反应、离子转运调节和循环系统过程相关的生物过程；(b)与膜筏、膜微区和质膜蛋白复合物相关的细胞组成；(c)与氧化还原酶活性、受体和配体活性以及信号传导受体激活剂活性相关的分子功能。

构建操作系统相关 lncRNA 的预测特征

我们过滤了 1479 个操作系统相关的 lncRNA。单变量Cox回归分析显示，274个lncRNA与ccRCC患者的预后相关。多因素 Cox 回归分析显示，7 个 OS 相关 lncRNA（包括 SPART-AS1、AL162586.1、LINC00944、LINC01550、HOXB-AS4、LINC02027 和 DOCK9-DT）构建了预测特征。

我们使用 Cytoscape 来可视化预测性 lncRNA。在与OS相关基因的共表达方面，LINC00944与11个基因（ CD40、TRPM2、NOD2、RAC2、CCL5、SNAP25、FASLG、CLEC4A、CDKN2A、CASP1和IFNG）共表达；AL162586.1具有八个基因（UCN、NOL3、CPT1B、EME2、AGER、LDHA、VEGFA和NGF）；LINC01550 具有四个基因（TRPA1、CCND1、SCN4A和CD36）；LINC02027 具有三个基因（CYP2J2、HRH2和ABCB1）；SPART-AS1 具有三个基因（CNKN3、RAD51和TIMP1）；HOXB-AS4 具有两个基因（SLC2A1和MUC1）；和带有一个基因（ VEGFA ）的DOCK9-DT

ccRCC 患者的预测特征与预后之间的相关性

计算所有患者的风险评分，然后根据中位风险评分将患者分为高风险组 (n = 254) 和低风险组 (n = 253)。根据Kaplan-Meier生存曲线描述，高危组的总生存率显着低于低危组。风险评分的分布显示，高风险组的评分相对较高。散点图显示，高危组的生存时间低于低危组高危组和低危组的 5 年生存率分别为 17.7% 和 28.1%。

单变量Cox回归分析显示，年龄、分级、分期、T分期、M分期、N分期和风险评分与ccRCC患者的总生存率显着相关。多元Cox回归分析显示，年龄、分级和风险评分是患者总生存率的独立预测因素。风险评分的曲线下面积（AUC）值为0.794，优于所有临床病理变量预测ccRCC患者的预后。1年、3年和5年生存率的AUC值分别为0.786、0.757和0.792，表明具有良好的预测性能

为了进一步预测 ccRCC 患者的预后，我们构建了包含临床病理变量和风险评分的列线图，以预测 ccRCC 患者 1、2、3 和 5 年的预后。校准曲线显示 1 年、2 年、3 年和 5 年的实际总体生存率与预测生存率非常一致

不同临床病理变量下ccRCC患者的预测特征与预后的关系

所有ccRCC患者根据年龄、性别、分级、癌症分期、T分期、N分期和M分期进行分组。对于每个分类，高风险组患者的总生存期显着短于低风险组患者。这些结果表明，预测特征可以预测 ccRCC 患者的预后，而无需考虑临床病理变量。

预测签名的内部验证

为了确认预测特征的可靠性，我们将 507 名随机选择的预测特征分为两组：255 名患者作为训练集，252 名患者作为测试集。在两组中，高风险组患者的总生存率低于低风险组患者，两组的受试者工作特征（ROC）曲线均显示出良好的预测性能。在训练集中，1年、3年和5年生存的AUC值分别为0.81、0.785和0.82和测试集中的值分别为 0.748、0.734 和 0.759

免疫浸润及其通路分析

我们使用主成分分析图根据全基因组、OS 相关基因组、OS 相关 lncRNA 以及被确定为 OS 预后特征的 7 个 lncRNA 来可视化患者的分布。lncRNA特征组中高风险和低风险评分的患者明显分布在不同象限，表明这是区分患者的最佳方式。由于高危组和低危组患者的预后存在差异，我们进行了基因集富集分析（GSEA）。原发性免疫缺陷的途径、免疫球蛋白 A 产生的肠道免疫网络以及细胞因子 - 受体相互作用在高危组中显着丰富（表（表格1），1），表明高风险与免疫反应密切相关。

为了探讨 ccRCC 患者风险评分与免疫细胞和功能之间的相关性，我们对不同免疫细胞亚群、相关功能和通路的单样本基因集富集分析 (ssGSEA) 进行了量化。结果显示，活化树突状细胞（aDCs）、CD8（+）T细胞、未成熟树突状细胞（iDCs）、巨噬细胞、肥大细胞、辅助性T细胞、滤泡辅助性T细胞（Tfh）、辅助性T细胞的浸润水平高风险组和低风险组之间的 1 (Th1) 细胞、2 型辅助 T (Th2) 细胞、肿瘤浸润淋巴细胞 (TIL) 和调节性 T 细胞 (Treg) 存在显着差异

抗原呈递细胞的共刺激、细胞因子-细胞因子受体相互作用 (CCR)、趋化因子受体检查点、细胞溶解活性、炎症促进、副炎症、T 细胞的共抑制和共刺激，以及 I 型和 I 型细胞的反应高危组的II型干扰素含量高于低危组。这些发现还表明，高风险人群的免疫功能比低风险人群更活跃。

ccRCC 预测特征与治疗之间的相关性

为了进一步探索个体化治疗方案，我们比较了高风险组和低风险组之间85种化疗药物或抑制剂的估计半数最大抑制浓度（IC 50 ）。我们注意到ABT.888、AICAR、MS.275、舒尼替尼、AZD.2281和GDC.0449可能作为治疗高危人群患者的候选药物。相比之下，比卡鲁胺、埃博霉素B和拉帕替尼对于高危组患者可能并不理想