同时分析铜死亡和铁死亡！还有二次聚类+选择性多聚腺苷酸化（APA）分析助力，亮点多多

2023-03-07 19:00 作者:尔云间 0人读过 | 我要投稿

要说到细胞死亡方式，那可有太多种了，除了经典热门方向（自噬、焦亡、铁死亡等），还有新晋热门方向（铜死亡、双硫死亡等）。

新的细胞死亡一经报道，随之而来的就是相关的生信文章，如果没有及时跟上热点果断发文，遇到自己关注的疾病或者想分析的方向已经有生信文章发表了的情况，如何让自己的生信思路与众不同呢？

（没有思路、不知道怎么创新的找小云，超多个性化的分析思路供你选择哦！）

今天小云教你一个解决办法，就是做双热点分析思路，可以选择两种细胞死亡方式联合分析！这样分析思路不容易撞车~

接下来小云给你们看一篇同时对铜死亡和铁死亡进行分析的文章，还有二次聚类和选择性多聚腺苷酸化（APA）的分析！

ps：APA是一种重要且广泛存在的基因转录后调控过程，其通过选择不同的Poly(A)位点，影响mRNA的稳定性、翻译效率和蛋白的细胞定位等重要过程。基于APA进行生信分析也是个不错的选择哦~

题目：铜死亡和铁死亡调节因子之间的相互对话为肺腺癌的预后预测和治疗定义了肿瘤微环境

杂志：Frontiers in immunology

影响因子：8.786

发表时间：2023年1月

数据信息

研究思路

分析TCGA和GEO数据评估铜死亡调控因子。分析33种癌症类型中铜死亡和铁死亡调控因子之间的分子相关性，表明铜死亡和铁死亡调控因子存在相互作用。然后识别了三个基于铜死亡和铁死亡调控因子的不同簇，称为CuFeclusters，以及三个不同的铜死亡/铁死亡基因亚群。三种CuFecluster的肿瘤微环境细胞浸润特征与肿瘤的三种免疫表型高度一致。此外，构建并验证了CuFescore评分，以预测个体铜死亡/铁死亡途径以及对化疗药物和免疫治疗的反应。CuFescore评分与miRNA表达及转录后调控显著相关。

分析流程图

主要研究结果

1. LUAD中铜死亡调节因子的遗传和表达变化

首先分析了14种铜死亡调节因子的遗传改变，包括体细胞突变率、突变频率和染色体位置等（图1A-B）。然后分析了铜死亡调节因子的mRNA表达(图1C)。并在NSCLC (A549)和正常肺上皮细胞(BEAS-2B)中验证了铜死亡基因的表达(图1D)。利用scRNA-seq分析主要的细胞亚群(图1E-F)和铜死亡基因的表达 (图1H)。单因素Cox回归分析确定了铜死亡基因在LUAD患者中的预后意义(图1I)。

图1. 铜死亡调控因子在LUAD中的遗传及表达变化

2. 铜死亡和铁死亡调节因子之间的互作

泛癌分析发现大多数铜死亡和铁死亡调控因子在33种癌症类型中表现出相似的突变频率(图2A)，且两者之间存在很强的相关性(图2B)。GeneMANIA数据库中分析了铜死亡和铁死亡调控因子的相互作用(图2C)。通过WGCNA分析铜死亡和铁死亡的关键基因(图2D)。在不同的癌症中，关键铜死亡调控因子的数量与铁死亡调控因子的数量密切相关(图2E)。将siRNA转染到A549细胞中，以验证铜死亡和铁死亡调控因子之间的相关性(图2F)。

图2.铜死亡和铁死亡调节因子之间的互作

3. 铜死亡和铁死亡不同聚类的肿瘤微环境细胞浸润特征

基于铜死亡和铁死亡调控因子水平的无监督聚类，来自6个队列的患者分为3个亚型，分别为CuFecluster A/B/C(图3A)。CuFecluster B组患者比A组和C组患者预后更好(图3B)。进行GSVA富集途径确定3种CuFeclusters的生物学功能，CuFecluster B与免疫充分激活相关(图3C, D)，并且CuFecluster B富含各种活化免疫细胞的浸润(图3E)，CuFecluster B被归类为免疫炎症表型,CuFecluster A也与TGF-β家族成员和TGF-β家族成员受体高度相关(图3F)，代表免疫排除亚型。CuFecluster C免疫细胞数量较少，与免疫荒漠表型特征一致。

图3. 不同CuFecluster的肿瘤微环境细胞浸润特征

4. 二次聚类确定铜死亡/铁死亡相关基因亚型及CuFescore的建立

分析不同CuFecluster间的差异表达基因（DEGs），得到108个DEGs(图4A)，并通过单因素Cox回归分析发现105个DEGs具有预后意义。进行第二次无监督聚类分析，并将患者分为3个基因组亚型（genecluster A/B/C）。genecluster A的预后较好(图4B)。

构建评分CuFescore(图4C)，CuFecluster B(图4D)和genecluster A(图4E)的患者CuFescore较低。CuFescore低组的生存率较高(图4F)，与死亡病例相比，存活病例的平均CuFescore较低(图4G)。Kaplan-Meier分析显示低CuFescore组患者预后较好(图4H)。分析低CuFescore组的富集通路(图4I)、与早期临床和病理特征及分期相关(图4J)。时间依赖性AUC曲线确定CuFescore作为患者OS的预测生物标记物(图4K)。

图4. CuFescore的构建和预后价值

5 CuFescore与免疫检查点之间的关系

分析免疫治疗相关参数，肿瘤突变负荷(TMB)和免疫检查点。高CuFescore组TMB更高(图5A-C)。低CuFescore和高TMB患者表现出良好的预后(图5D)。分析两个CuFescore组之间免疫细胞的差异(图5E-F)。CuFescore与HLA家族基因和免疫检查点表达显著相关(图5G-I)。

图5. CuFescore与免疫检查点的相关性

6. 高、低CuFescore组的突变状态

分析CuFescore高组和低组之间的体细胞突变、突变频率，以及差异基因突变的相互作用。

图6. CuFescore与肿瘤突变状态的关系

7. CuFescore预测化疗和免疫治疗效果

评估CuFescore对化疗药物反应性的预测价值，计算138种药物的IC50值(图7A-E)。计算2个免疫治疗队列患者的CuFescore，将其分为高CuFescore组和低CuFescore组。CuFescore低的患者预后更好，表现出显著的治疗效果(图7A-K)。

图7. CuFescore在化疗和免疫治疗中的作用

8. CuFescore与miRNA和转录后调控相关

为了评估CuFescore在转录和转录后过程中的调节作用，分析了APA事件。鉴于APA处理的转录本具有短的3'UTR，因此耐受miRNAs的调控。在TCGA-LUAD队列中，在CuFescore高组和低组之间检测到79个差异表达的miRNA (图8A)。分析CuFescore高组和低组之间APA差异的基因，并检验其预后意义，以显示3'UTR长度是否影响LUAD患者的生存(图8B)。APA事件延长的基因属于低CuFescore组，与延长的生存期一致(图8C)。TM9SF3和ATP2A2 这2个基因转录本短与个体预后较差存在相关性(图8D)。TM9SF3在3'UTR上被miR-1193直接靶向。推测由于基因的3’-UTR缩短，miRNA可能无法与基因结合，从而消除了对癌基因的抑制作用，促进了LUAD的进展。