《Technology in Cancer Research & Treatment》:PANoptosis-Related Molecular Subtyping and a Subtype-Derived Prognostic Signature for Survival Prediction in Clear Cell Renal Cell Carcinoma
编辑推荐:
中文摘要翻译
PANoptosis是一种整合了焦亡(pyroptosis)、凋亡(apoptosis)和坏死性凋亡(necroptosis)的炎症性程序性细胞死亡形式,但其在透明细胞肾细胞癌(clear cell renal cell carcinoma, c
中文摘要翻译
PANoptosis是一种整合了焦亡(pyroptosis)、凋亡(apoptosis)和坏死性凋亡(necroptosis)的炎症性程序性细胞死亡形式,但其在透明细胞肾细胞癌(clear cell renal cell carcinoma, ccRCC)中的预后及免疫学意义尚不明确。在本回顾性研究中,研究人员从GeneCards和TCGA数据库筛选候选PANoptosis相关基因(candidate PRGs)。通过拷贝数变异(copy number variation, CNV)和Cox回归分析筛选预后相关的候选PRGs,随后采用一致性聚类建立PANoptosis相关分子亚型。利用亚型间的差异表达基因(differentially expressed genes, DEGs),通过LASSO和Cox回归构建预后模型。后续进行了生存分析、免疫浸润、体细胞突变、选择性多聚腺苷酸化(alternative polyadenylation, APA)及药物敏感性分析。该模型在独立GEO队列中进行了外部评估,同时结合单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)和体外实验探究模型相关基因的细胞分布及生物学功能。共鉴定出15个候选PRGs,其中11个与总生存期(overall survival, OS)相关。一致性聚类识别出两个PANoptosis相关分子亚型及218个亚型相关DEGs。基于亚型相关DEGs构建了一个包含CDC20、ISG15、IL20RB、RGS1、PDK4和SLC16A12的六基因预后模型,将患者分为高风险组和低风险组。高风险组患者的总生存期显著缩短,该模型在TCGA-KIRC队列中表现出良好的预后性能,1年、3年和5年的受试者工作特征曲线下面积(area under the curve, AUC)分别为0.769、0.735和0.740。两组在免疫浸润、体细胞突变、APA及预测药物敏感性方面存在差异。scRNA-seq显示单核细胞具有更高的预后评分,尤其是C1QC单核细胞。体外实验中,调控模型相关基因影响ccRCC细胞的增殖、迁移和侵袭,部分变化伴随PANoptosis相关蛋白表达的改变。PANoptosis相关分子亚型可能与ccRCC的预后和肿瘤微环境(tumor microenvironment, TME)有关。该六基因预后模型可为风险分层和预后预测提供参考。
论文解读文章
一、研究背景与目的
透明细胞肾细胞癌(ccRCC)是肾癌中最常见的组织学亚型,约占所有肾癌病例的80%。尽管手术切除是目前有效的治疗策略,但部分患者仍面临较高的复发和转移风险,约25%-30%的患者在初诊时已发生远处转移,严重影响总体生存率。目前,肿瘤-淋巴结-转移(TNM)分期系统被认为是ccRCC最常用的预后预测指标,但由于该疾病的高度异质性,即使处于相同分期的患者预后也可能存在显著差异,提示仅依靠TNM分期进行风险分层可能不够充分。因此,亟需寻找新的生物标志物以改善ccRCC患者的预后预测。
程序性细胞死亡(PCD)在调节免疫抑制、控制肿瘤微环境(TME)及影响癌症治疗临床结局中发挥关键作用。PANoptosis是一种由PANoptosome复合体控制的非特异性触发的炎症性PCD通路,整合了坏死性凋亡、凋亡和/或焦亡的关键特征,不能单独归因于任何一种PCD形式。越来越多的证据表明,PANoptosome的组装和PANoptosis的激活是机体抵御恶性肿瘤的自我保护机制,在抑制肿瘤发展中发挥重要作用。然而,PANoptosis在ccRCC中的具体作用和调控机制尚不清楚。因此,本研究旨在基于候选PANoptosis相关基因建立ccRCC的分子亚型,并利用亚型间差异表达基因构建预后模型,评估这些分子亚型及其衍生预后特征与患者预后及肿瘤免疫微环境的潜在关联,并通过单细胞RNA测序和体外功能实验进一步表征模型相关基因的细胞分布和生物学功能,从而为ccRCC患者的预后评估和风险分层提供潜在参考。
二、主要关键技术方法
研究人员使用了以下主要技术方法:从The Cancer Genome Atlas(TCGA)数据库获取ccRCC患者的转录组数据和拷贝数变异(CNV)数据;从GeneCards数据库以“PANoptosis”为关键词检索并筛选候选PANoptosis相关基因(candidate PRGs);采用一致性聚类分析建立PANoptosis相关分子亚型;利用limma包鉴定亚型间差异表达基因(DEGs);通过LASSO回归和多元Cox回归构建六基因预后模型;使用CIBERSORT算法和单样本基因集富集分析(ssGSEA)评估免疫细胞浸润;应用maftools包分析体细胞突变谱;基于TC3A数据库进行选择性多聚腺苷酸化(APA)事件定量分析;利用Genomics of Drug Sensitivity in Cancer(GDSC)数据库和pRRophetic包预测药物敏感性;对来自Gene Expression Omnibus(GEO)数据库的GSE178481单细胞RNA测序(scRNA-seq)数据集进行分析,包括使用Seurat包进行质量控制、降维聚类,使用SingleR进行细胞注释,使用AUCell计算六基因预后签名得分;使用SCENIC推断基因调控网络;体外实验包括细胞培养(人肾皮质近曲小管上皮细胞HK-2、ccRCC细胞系786-O和Caki-1)、siRNA敲低和过表达质粒转染、CCK-8实验、Transwell实验、划痕愈合实验及Western blot检测PANoptosis相关蛋白表达。
三、研究结果
1. 候选PRGs在ccRCC中的遗传变异景观
通过GeneCards数据库检索并与TCGA-KIRC表达谱取交集,最终鉴定出15个候选PRGs,包括IFNG、ZBP1、MEFV、NFS1、PYCARD、CASP8、AIM2、FADD、CASP1、RIPK3、NINJ1、CASP6、CDK1、RIPK1和TNF。CNV分析显示这些基因存在不同程度的拷贝数改变,其中IFNG、ZBP1、MEFV、NFS1和PYCARD主要表现为拷贝数扩增,而RIPK3、NINJ1和CASP6主要为拷贝数缺失。单变量Cox回归分析发现11个候选PRGs与ccRCC患者总生存期显著相关,包括CDK1、CASP8、ZBP1、RIPK3、CASP6、AIM2、NINJ1、MEFV、IFNG、PYCARD和CASP1。相关性分析显示大多数预后相关候选PRGs之间存在不同程度的正相关。
2. PANoptosis相关分子亚型的鉴定
基于11个预后相关候选PRGs的表达谱进行一致性聚类分析,当聚类数K=2时结果最稳定,将患者分为两个PANoptosis相关分子亚型(Cluster 1和Cluster 2)。主成分分析(PCA)显示两亚型间明显分离,所有11个预后相关候选PRGs在两亚型间表达均存在显著差异。Kaplan-Meier生存分析显示Cluster 1患者的总生存期显著长于Cluster 2。亚型间差异表达分析共鉴定出218个DEGs(34个上调,184个下调)。基因本体论(GO)分析显示这些DEGs主要富集在细胞-细胞黏附调节、T细胞活化调节等生物学过程,以及MHC II类蛋白复合物等细胞组分;京都基因与基因组百科全书(KEGG)通路分析显示其显著富集于PPAR信号通路、PD-L1表达和PD-1检查点通路、Toll样受体信号通路及NF-κB信号通路等免疫和炎症相关通路。
3. 预后模型的构建与评估
通过LASSO回归从218个DEGs中筛选出13个候选基因,再经多元Cox回归最终构建了一个包含CDC20、ISG15、IL20RB、RGS1、PDK4和SLC16A12的六基因预后模型。根据中位风险评分将患者分为高风险组和低风险组。Kaplan-Meier生存分析显示高风险组总生存期显著更差。时间依赖性ROC曲线显示预测1年、3年和5年总生存期的AUC分别为0.769、0.735和0.740,表明模型具有良好的预后预测能力。决策曲线分析(DCA)显示模型具有临床净获益。校准曲线分析显示模型预测的生存概率与实际观察结果吻合良好。在独立GEO队列GSE29609(含39例ccRCC肿瘤组织样本)中进行的外部评估显示,高低风险组间总生存期无统计学差异,且时间依赖性ROC分析的AUC均低于0.5,提示在该小样本外部评估队列中模型的预后区分能力有限。
4. 免疫浸润分析
CIBERSORT分析显示高低风险组间22种免疫细胞浸润水平存在差异。基于原始P值,高风险组中调节性T细胞(Tregs)、滤泡辅助性T细胞和CD8+T细胞浸润水平较高,而低风险组中静息记忆CD4+T细胞和单核细胞浸润水平较高。ssGSEA分析显示RGS1、ISG15、IL20RB和CDC20与多数免疫细胞类型的富集评分呈正相关,其中RGS1与活化的CD4+T细胞、髓源性抑制细胞(MDSCs)、效应记忆CD8+T细胞和活化树突状细胞呈较强正相关。
5. 亚型衍生预后特征相关的分子特征
体细胞突变分析显示,ccRCC中突变频率最高的基因为PBRM1、VHL、BAP1、TTN、SETD2和MUC16。高风险组的突变主要富集于PI3K和NRF2信号通路,而低风险组主要涉及TP53和NRF2信号通路。APA分析鉴定出188个显著的APA事件,包括89个基因的3‘UTR缩短和99个基因的3’UTR延长。3‘UTR缩短基因主要富集于晚期内体、SCAR复合物和泛素连接酶复合物等细胞组分,以及Kaposi肉瘤相关疱疹病毒感染通路。通过TargetScanHuman 8.0数据库预测,构建了包含32个基因和53个miRNA的调控网络。药物敏感性分析显示,部分药物在低风险组中具有更低的预测半抑制浓度(IC50)值,提示风险分层可能与预测药物反应差异相关。
6. 单细胞分析
对GSE178481单细胞转录组数据集进行分析,经UMAP降维和聚类后鉴定出28个细胞簇,并通过SingleR注释为七种主要细胞类型:T细胞、单核细胞、NK细胞、组织干细胞、B细胞、内皮细胞和上皮细胞。AUCell分析显示单核细胞具有最高的六基因预后签名得分。进一步对单核细胞进行亚群分析,将其分为四个亚群,其中Cluster 0含有最高比例的AUCell高评分细胞,经标记基因鉴定定义为C1QC单核细胞。基因集变异分析(GSVA)显示C1QC单核细胞中HALLMARK_TNFA_SIGNALING_VIA_NFKB、HALLMARK_MYC_TARGETS_V1等基因集高度富集。SCENIC分析显示C1QC单核细胞与其他单核细胞亚群相比共有351个差异活性的转录因子。拟时序轨迹分析显示不同单核细胞亚群沿发育轨迹呈现连续的状态转变,模型中六个核心基因在State 2细胞中表达普遍较高。
7. 预后特征的生物学功能验证
qRT-PCR结果显示,与HK-2细胞相比,CDC20、ISG15、IL20RB、RGS1和PDK4在786-O和Caki-1细胞中显著上调,而SLC16A12显著下调。分别敲低CDC20、ISG15、IL20RB、RGS1和PDK4以及过表达SLC16A12后,CCK-8、Transwell和划痕愈合实验显示这些操作均显著抑制了786-O和Caki-1细胞的增殖、迁移和侵袭能力。Western blot结果显示,在786-O细胞中,敲低CDC20、ISG15和IL20RB可显著增加cleaved caspase-3、cleaved caspase-8、GSDMD-N、p-RIPK3/RIPK3和p-MLKL/MLKL的表达水平;敲低PDK4显著增加了cleaved caspase-3、cleaved caspase-8、p-RIPK3/RIPK3和p-MLKL/MLKL的表达,但对GSDMD-N无显著影响;过表达SLC16A12显著增加了cleaved caspase-3、cleaved caspase-8和GSDMD-N的表达,但对p-RIPK3/RIPK3和p-MLKL/MLKL无显著影响;敲低RGS1未显著改变上述任一PANoptosis相关蛋白的表达。
四、讨论与结论
讨论总结: 本研究基于PANoptosis相关分子亚型间的差异表达基因,成功构建了一个包含CDC20、ISG15、IL20RB、RGS1、PDK4和SLC16A12的六基因预后模型。这六个基因均已被报道与肿瘤发生发展密切相关:CDC20是细胞周期的关键调控因子,异常激活与多种恶性肿瘤的不良预后相关;ISG15参与干扰素信号传导;IL20RB参与重塑ccRCC的免疫微环境;RGS1被认为是肿瘤免疫耗竭的重要标志之一;PDK4和SLC16A12分别参与代谢重编程和跨膜转运,与ccRCC进展和患者预后密切相关。体外实验证实调控这些基因的表达可显著影响ccRCC细胞的恶性生物学行为。值得注意的是,CDC20、ISG15和IL20RB的扰动伴随着多种PANoptosis相关蛋白标志物的广泛改变,提示这些基因的生物学效应可能与多种程序性细胞死亡相关分子网络有关,但尚不足以证明其直接调控PANoptosis。APA分析揭示了高低风险组间显著的APA事件差异,其中3’UTR缩短基因富集于KSHV感染相关通路,提示异常APA可能与PANoptosis相关分子特征和ccRCC进展有关。免疫浸润分析显示高低风险组具有不同的免疫细胞浸润模式,单细胞分析进一步揭示单核细胞(特别是C1QC单核细胞)具有更高的六基因预后签名得分,为预后签名的细胞分布提供了线索。药物敏感性分析提示该风险模型可能与不同的预测药物反应模式相关。该模型涵盖了细胞周期调控、免疫炎症信号、代谢重编程和跨膜转运等多个关键生物学过程,与既往报道的铁死亡和焦亡相关模型相比,在TCGA-KIRC队列中显示出竞争性的预后性能。研究也存在若干局限性:候选PRG集的确定依赖于GeneCards数据库的关键词检索,可能受限于数据库注释完整性;外部评估队列样本量较小且采用队列内中位风险评分进行分层,不构成严格的外部验证;单细胞分析未应用明确的批次校正方法;免疫浸润和药物敏感性分析中部分基于原始P值的差异在多假设检验校正后不再显著;体外实验主要关注细胞表型和相关分子变化,不足以完全阐明模型相关基因的具体机制和临床意义。
研究结论翻译: 总之,本研究基于PANoptosis相关分子亚型间的差异表达基因,开发了一种用于ccRCC的六基因预后风险评分模型,系统评估了其在预后预测方面的潜在价值,并初步探索了模型相关基因在ccRCC细胞中的潜在生物学作用。该模型可为ccRCC患者的风险分层、预后评估及个体化治疗策略的制定提供潜在参考。未来需整合更多基础与临床研究,以阐明模型相关基因与PANoptosis相关细胞死亡过程的潜在关联及其参与ccRCC进展的分子机制,从而为开发更精准、更有效的治疗策略提供理论基础和潜在靶点。