Část Ⅰ Identifikace a ověření imunitně podmíněných genových párů Podpis pro tři urologické rakoviny

Abstraktní

Spolehlivé biomarkery jsou potřebné k rozpoznání pacientů s urologickým karcinomem s vysokým rizikem recidivy. V této studii jsme vytvořili nový podpis genových párů souvisejících s imunitou, abychom současně předpovídali recidivu tří urologických nádorů. Shromáždili jsme 14 veřejně dostupných profilů genové exprese včetně rakoviny močového měchýře, prostaty a ledvin. Celkem 2 700 vzorků bylo klasifikováno do trénovací sady (n=1 622) a validační sady (n=1 078). Signatura 25 imunitně souvisejících genových párů sestávající ze 41 jedinečných genů byla vyvinuta regresní analýzou nejmenšího absolutního zmenšení a selekčním operátorem a Coxovým regresním modelem. Signatura rozvrstvila pacienty do skupin s vysokým a nízkým rizikem s významně odlišným přežitím bez relapsu v souboru metatréninku a jeho subpopulací a byla nezávislým prognostickým faktorem urologických karcinomů. Tento podpis ukázal robustní schopnost v meta-validaci a více nezávislých validačních kohortách. Imunitní a zánětlivá odpověď, chemotaxe a cytokinová aktivita byly obohaceny o geny relevantní pro podpis. Významně vyšší úroveň infiltrace makrofágů M1 byla zjištěna ve skupině s vysokým rizikem oproti skupině s nízkým rizikem. Závěrem lze říci, že naše signatura je slibným prognostickým biomarkerem pro predikci přežití bez relapsu u pacientů s urologickým karcinomem.

Klíčová slova

urologické rakoviny; biomarkery; Imunitní genové páry; přežití bez recidivy; Prognostický biomarker;Výhody Cistanche.

Kliknutím sem získáte další informace ojaké jsou účinky Cistanche

Úvod

Rakovina močového měchýře, rakovina prostaty a rakovina ledvin jsou hlavními nádory v močovém systému a každý rok je diagnostikováno téměř 2,4 milionu nových případů [1]. Pokrok v cílené terapii a neoadjuvantní terapii prodloužil přežití pacientů [2–4]. U řady pacientů však dochází k relapsům i po kompletní chirurgické resekci [5–7] a jejich prognózy stále nejsou optimistické. Spolehlivý prognostický biomarker, který by mohl identifikovat pacienty s vyšším rizikem relapsu a vybrat pacienty, kteří reagují na léčbu, by byl cenný pro léčbu urologických karcinomů.

Byly identifikovány signatury genové exprese pro stratifikaci přežití u karcinomu močového měchýře [8, 9], karcinomu prostaty [10, 11] a karcinomu ledvin [12, 13]. Většina biomarkerů však nebyla převedena do klinické praxe z důvodu přehnaného přizpůsobení tréninkových datových sad nebo nedostatku dostatečné validace [14]. Šanci na vývoj spolehlivějších prognostických biomarkerů přinesl dostatek rozsáhlých veřejných datových sad genové exprese [15, 16]. Je však výzvou integrovat data odvozená z různých platforem. Tradiční metoda ztížila normalizaci různých datových souborů vzhledem k technickým předsudkům a biologické heterogenitě různých platforem [17, 18]. Nové metody založené na relativní klasifikaci úrovní genové exprese byly použity k odstranění požadavku na předběžné zpracování dat a dosáhly robustních výsledků v mnoha aplikacích [19–21].

Stále více důkazů ukazuje, že mikroprostředí imunitního systému nádoru koreluje se vznikem a progresí tří hlavních urologických nádorů [22–24]. Molekuly imunitního kontrolního bodu, jako je programovaná buněčná smrt 1 (PD-1), PD-1 ligand 1 (PD-L1) a antigen 4 asociovaný s cytotoxickými T-lymfocyty (CTLA-4) prokázali pozoruhodnou trvalou odpověď u rakoviny močového měchýře [25, 26], rakoviny prostaty [27, 28] a rakoviny ledvin [29, 30]. Biomarkery související s nádorovým imunitním mikroprostředím tak mohou mít potenciál jako prognostické markery urologických karcinomů.

Jak je dobře známo, rakovina močového měchýře, rakovina prostaty a rakovina ledvin spolu anatomicky úzce souvisí a jsou výsledkem podobných urážek, které podporují tvorbu nádorů [31–33]. Proto jsme v této studii vyvinuli podpis založený na imunitně souvisejících genových párech (IRGP), abychom současně předpovídali recidivu rakoviny močového měchýře, rakoviny prostaty a rakoviny ledvin.

Cistanche tubulosa

Materiály a metody

1. Návrh studie a datové sady

Komplexně jsme analyzovali 14 profilů genové exprese u tří urologických nádorů močového měchýře, prostaty a ledvin, včetně sedmi datových souborů microarray a sedmi datových souborů RNA-Seq (doplňkový obrázek 1). Přístupová čísla, platformy a velikosti vzorků těchto profilů genové exprese jsou uvedeny v doplňkové tabulce 1. Data RNA-Seq byla stažena z UCSC Xena a International Cancer Genome Consortium (ICGC). Microarray data byla stažena z Gene Expression Omnibus (GEO). Jako trénovací sada byly použity kohorty z The Cancer Genome Atlas (TCGA) a jako validační sada byly použity jiné datové sady. Byli zahrnuti pouze pacienti s kompletní informací o přežití. Ze všech nezávislých tréninkových kohort jsme také vyloučili pacienty, kteří podstoupili radiační terapii, neoadjuvantní terapii a cílenou molekulární terapii. Celkem bylo do naší studie zahrnuto 2 700 případů. Náš projekt byl schválen Etickým kontrolním výborem lékařské univerzity v Chongqing.

2. Zpracování dat genové exprese

Veřejně dostupné datové sady z GEO byly nejprve normalizovány pomocí funkce normalizeBetweenArrays implementované v balíčku 'limma' a poté byly dále log-transformovány. V kohortách TCGA a ICGC nebyly použity normalizační metody.

3. Identifikace specifických IRGP pro predikci prognózy

Stáhli jsme geny související s imunitou (IRG) z databáze ImmPort přístupné 3. 3. 2021. 2 483 unikátních IRG, tvořících 17 kategorií, včetně cytokinů, cytokinových receptorů, zpracování antigenu, prezentačních drah, interleukinů, cytotoxicity přirozených zabíječských buněk, TGFb a členů rodiny TNF. Byly vybrány pouze IRG naměřené všemi platformami se střední absolutní odchylkou > 0,5 ve všech nezávislých tréninkových souborech. Skóre pro každý IRGP bylo generováno párovým porovnáním úrovně genové exprese v určitém vzorku profilů. Skóre IRGPs bylo definováno jako 1, pokud hladina exprese IRG 1 byla větší než IRG 2; jinak bylo skóre IRGP nastaveno na 0 [34]. Po odstranění IRGP s konstantními hodnotami v libovolném jednotlivém souboru dat byly zbývající IRGP dále analyzovány.

4. Konstrukce indexu genových párů souvisejících s imunitou (IRGPI) pro predikci prognózy

Prognostické IRGP byly vybrány na základě následujících kroků. Za prvé, prediktivní schopnost každého IRGP předpovídat pacientovo přežití bez relapsu (RFS) byla hodnocena pomocí Coxova regresního modelu v souboru meta-tréninkových dat a IRGP s hodnotou p < 0,05 byly vybrány jako výchozí kandidátní markery. Za druhé, analýza nejmenšího absolutního smrštění a výběrového operátora (LASSO) byla použita k dalšímu odfiltrování některých méně informativních IRGP. Parametr ladění byl určen očekávanou chybou zobecnění odhadnutou z 10-násobné křížové validace. Abychom zlepšili robustnost, náhodně jsme rozdělili celý soubor meta-tréninkových dat do nových tréninkových a testovacích datových souborů s poměrem 2:1 a opakovali jsme schéma náhodného rozdělení 30krát, abychom stabilizovali postup výběru IRGP. Model LASSO byl poté aplikován na 30 tréninkových sad a byly vybrány ty IRGP s frekvencí > 15. Nakonec byl použit multivariační Coxův regresní model k vytvoření predikčního modelu založeného na IRGP a generování IRGPI pro všechny vzorky. Pacienti byli klasifikováni do skupin s nízkým a vysoce imunním rizikem pomocí střední hodnoty IRGPI.

Extrakt z cistanche

5. Hodnocení a validace IRGPI

The prognostic value of the IRGPI was evaluated in the meta-training and independent training sets and was further verified in the meta-validation and multiple independent validation sets. The log-rank test and time-dependent receiver operating characteristic (ROC) curves were adopted to assess the prognostic accuracy of the IRGPI. We combined IRGPI with clinical factors of age, gender, and tumor stage in multivariate Cox analyses. Age (>60) byl přeměněn na 1 a věk (<60) was transformed into 0. Stages III and IV were transformed into 1, and stage I and II were transformed into 0.

6. Profilování infiltrujících imunitních buněk

CIBERSORT charakterizuje složení imunitních buněk použitím profilů exprese genů pro hromadný nádor [35]. Na základě hodnot exprese referenčního genu (LM22) odvodila relativní podíly 22 typů infiltrujících imunitních buněk [35]. V této studii byly poměry 22 infiltrujících imunitních buněk stanoveny pomocí R balíčku 'CIBERSORT'. Perm byla stanovena na 1,000 a pro další analýzu byly vybrány případy s výstupní p-hodnotou CIBERSORT < 0,05. Wilcoxonův rank sum test byl použit k porovnání rozdílů v podtypech imunitních buněk mezi skupinami s vysokým a nízkým IRGPI.

7. Analýza genové ontologie (GO).

Balíček R „clusterProfiler“ byl použit k provedení analýzy obohacení GO genů souvisejících s IRGPI v kohortě metatréninku. BenjaminiHochberg-upravená p-hodnota < 0.05 (false discovery rate, FDR) byla použita jako práh pro stanovení významnosti.

8. Konstrukce a vyhodnocení nomogramu

Byl zkonstruován nomogram pro stanovení kvantitativního přístupu pro predikci RFS v meta-tréninkové kohortě na základě IRGPI a klinických faktorů, který byl dále ověřen v meta-validačních kohortách. Pro každý faktor byl vypočítán bod a celkové body všech faktorů byly získány pro odhad sazeb RFS za 1, 3, 5 a 10 let. Kalibrační grafy byly poté nakresleny pro vyhodnocení spolehlivosti nomogramu.

Standardizované Cistanche

9. Statistická analýza

Balíček R 'survival', 'glmnet', 'sure miner', 'timeROC', 'rms', 'CIBERSORT' a 'clusterProfiler' byly použity ke konstrukci Coxova regresního modelu, LASSO modelu, Kaplan-Meierovy křivky, času -závislá ROC křivka, nomogram, výpočet složení imunitních buněk a analýza GO. Asociace IRGPI skóre s RFS byla analyzována log-rank testem. Coxův regresní model byl přijat k provedení vícerozměrné analýzy asociace IRGPI s RFS. Dvoustranná p-hodnota < 0.05 byla považována za statisticky významnou pro všechny testy. Všechny statistické analýzy byly provedeny pomocí R (verze 4.0.2).

Reference

1. Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, Bray F. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin. 2021; 71:209–49.

2. Seiler R, Oo HZ, Tortora D, Clausen TM, Wang CK, Kumar G, Pereira MA, Ørum-Madsen MS, Agerbæk MØ, Gustavsson T, Nordmaj MA, Rich JR, Lallous N, et al. Modifikace onkofetálního glykosaminoglykanu poskytuje terapeutický přístup k cisplatině rezistentní rakovině močového měchýře. Eur Urol. 2017; 72:142–50.

3. Maroto P, Solsona E, Gallardo E, Mellado B, Morote J, Arranz JÁ, Gómez-Veiga F, Unda M, Clement MÁ, Alcaraz A. Odborný názor na terapii první linie v léčbě kastračně rezistentního karcinomu prostaty . Crit Rev Oncol Hematol. 2016; 100:127–36.

4. Fu Q, Xu L, Wang Y, Jiang Q, Liu Z, Zhang J, Zhou Q, Zeng H, Tong S, Wang T, Qi Y, Hu B, Fu H a kol. Interleukin pocházející z makrofágů-23 související s nádorem propojuje závislost na glutaminu z rakoviny ledvin s únikem imunity. Eur Urol. 2019; 75:752–63.

5. Zhao Z, Wang Y, Zhang JJ, Huang XY. Inhibitory fascinu snižují migraci buněk a adhezi a zároveň zvyšují celkové přežití myší s rakovinou močového měchýře. Rakovina (Basilej). 2021; 13:2698.

6. Peltomaa AI, Raittinen P, Talala K, Taari K, Tammela TL, Auvinen A, Murtola TJ. Prognóza karcinomu prostaty po zahájení androgenní deprivační terapie mezi uživateli statinů. Populační kohortová studie. Rakovina prostaty Prostatic Dis. 2021; 24:917–24.

7. Tian M, Wang T, Wang P. Vývoj a klinická validace sedmigenového prognostického znaku založeného na mnohočetných algoritmech strojového učení u rakoviny ledvin. Transplantace buněk. 2021; 30:963689720969176.

8. Zhang C, Gou X, He W, Yang H, Yin H. Podpis mRNA založený na glykolýze 4- koreluje s prognózou a procesem buněčného cyklu u pacientů s rakovinou močového měchýře. Cancer Cell Int. 2020; 20:177.

9. Chen S, Zhang N, Shao J, Wang T, Wang X. Nová kombinace genových signatur zlepšuje predikci celkového přežití u rakoviny močového měchýře. J Rakovina. 2019; 10:5744–53.

10. Xu Z, Xu L, Liu L, Li H, Jin J, Peng M, Huang Y, Xiao H, Li Y, Guan H. Podpis pěti genů související s glykolýzou předpovídá přežití bez biochemické recidivy u pacientů s prostatou Adenokarcinom. Přední Oncol. 2021; 11:625452.

11. Nguyen HT, Xue H, Firlej V, Ponty Y, Gallopin M, Gauthier D. Bezreferenční signatury transkriptomu pro prognózu karcinomu prostaty. BMC rakovina. 2021; 21:394.

12. Lu J, Qian C, Ji Y, Bao Q, Lu B. Genový podpis spojený s geny bromodomény předpovídá prognózu renálního karcinomu z jasných buněk ledvin. Přední Genet. 2021; 12:643935.

13. Wu Y, Wei X, Feng H, Hu B, Liu B, Luan Y, Ruan Y, Liu X, Liu Z, Liu J, Wang T. Integrovaná analýza k identifikaci prognostického podpisu souvisejícího s redoxem pro čistou buňku ledvin Karcinom. Oxid Med Cell Longev. 2021; 2021:6648093.

14. Shi R, Bao X, Unger K, Sun J, Lu S, Manapov F, Wang X, Belka C, Li M. Identifikace a validace genových signatur odvozených od hypoxie k predikci klinických výsledků a terapeutických odpovědí u pacientů s adenokarcinomem plic ve stadiu I . Teranostika. 2021; 11:5061–76.

15. Brendel M, Barthel H, van Eimeren T, Marek K, Beyer L, Song M, Palleis C, Gehmeyr M, Fietzek U, Respondek G, Sauerbeck J, Nitschmann A, Zach C, et al. Hodnocení 18F-PI-2620 jako biomarkeru u progresivní supranukleární obrny. JAMA Neurol. 2020; 77:1408–19.

16. Lee ES, Jung SY, Kim JY, Kim JJ, Yoo TK, Kim YG, Lee KS, Lee ES, Kim EK, Min JW, Han W, Noh DY, Moon HG. Identifikace potenciálních dlouhodobých přeživších mezi pacientkami s rakovinou prsu se vzdálenými metastázami. Ann Oncol. 2016; 27:828–33.

17. Franks JM, Cai G, Whitfield ML. Kvantilová normalizace specifická pro rysy umožňuje klasifikaci molekulárních podtypů napříč platformami pomocí dat genové exprese. Bioinformatika. 2018; 34:1868–74.

18. Shen Y, Rahman M, Piccolo SR, Gusenleitner D, ElChaar NN, Cheng L, Monti S, Bild AH, Johnson WE. PŘIŘAĎTE kontextově specifické genomové profilování více heterogenních biologických drah. Bioinformatika. 2015; 31:1745–53.

19. Wu J, Zhao Y, Zhang J, Wu Q, Wang W. Vývoj a validace signatury imunitně souvisejících genových párů u kolorektálního karcinomu. Onkoimunologie. 2019; 8:1596715.

20. Xu F, Zhan X, Zheng X, Xu H, Li Y, Huang X, Lin L, Chen Y. Signatura imunitně souvisejících genových párů předpovídá onkologické výsledky a odpověď na imunoterapii u plicního adenokarcinomu. Genomika. 2020; 112:4675–83.

21. Wang S, Xu X. Podpis imunologicky podmíněných genových párů pro predikci přežití u glioblastomu. Přední Oncol. 2021; 11:564960.

22. Pfannstiel C, Strissel PL, Chiappinelli KB, Sikic D, Wach S, Wirtz RM, Wullweber A, Taubert H, Breyer J, Otto W, Worst T, Burger M, Wullich B a kol, a BRIDGE Consortium, Německo. Nádorové imunitní mikroprostředí má prognostickou relevanci, která koreluje s podtypy rakoviny močového měchýře. Cancer Immunol Res. 2019; 7:923–38.

23. Long X, Hou H, Wang X, Liu S, Diao T, Lai S, Hu M, Zhang S, Liu M, Zhang H. Imunitní podpis řízený ADT-indukovanou remodelací imunitního mikroprostředí u rakoviny prostaty koreluje s recidivou- volné přežití a imunitní infiltrace. Cell Death Dis. 2020; 11:779.

24. Vuong L, Kotecha RR, Voss MH, Hakimi AA. Dynamika mikroprostředí nádoru u karcinomu ledvin z jasných buněk. Cancer Discov. 2019; 9:1349–57.

25. Maio M, Blank C, Necchi A, Di Giacomo AM, Ibrahim R, Lahn M, Fox BA, Bell RB, Tortora G, Eggermont AM. Neoadjuvantní imunoterapie přetváří léčbu rakoviny napříč různými typy nádorů: Budoucnost je nyní! Eur J Cancer. 2021; 152:155–64.

26. Kates M, Nirschl TR, Baras AS, Sopko NA, Hahn NM, Su X, Zhang J, Kochel CM, Choi W, McConkey DJ, Drake CG, Bivalacqua TJ. Kombinované sekvenování nové generace a analýza průtokovou cytometrií pro AntiPD-L1 částečný respondér v průběhu času: Průzkum mechanismů aktivity a rezistence PD-L1 u rakoviny močového měchýře. Eur Urol Oncol. 2021; 4:117–20.

27. Sharma P, Pachynski RK, Narayan V, Fléchon A, Gravis G, Galsky MD, Mohammed H, Patnaik A, Subudhi SK, Ciprotti M, Simsek B, Saci A, Hu Y, et al. Nivolumab Plus Ipilimumab pro metastatický kastračně rezistentní karcinom prostaty: Předběžná analýza pacientů ve studii CheckMate 650. Cancer Cell. 2020; 38:489–99.e3.

28. Ruiz de Porras V, Pardo JC, Notario L, Etxaniz O, Font A. Inhibitory imunitního kontrolního bodu: Slibná léčebná možnost pro metastatický karcinom prostaty odolný proti kastraci? Int J Mol Sci. 2021; 22:4712.

29. Kamai T, Kijima T, Tsuzuki T, Nukui A, Abe H, Arai K, Yoshida KI. Zvýšená exprese adenosinových 2A receptorů u metastatického karcinomu ledviny je spojena s horší odpovědí na antivaskulární endoteliální růstové faktory a anti-PD-1/AntiCTLA4 protilátky a kratším přežitím. Cancer Immunol Immunother. 2021; 70:2009–21.

30. Chu G, Xu T, Zhu G, Liu S, Niu H, Zhang M. Identifikace nového podpisu na bázi proteinu pro zlepšení predikce prognózy u renálního karcinomu z jasných buněk. Přední Mol Biosci. 2021; 8:623120.

31. Gorin MA, Verdone JE, van der Toom E, Bivalacqua TJ, Allaf ME, Pienta KJ. Cirkulující nádorové buňky jako biomarkery rakoviny prostaty, močového měchýře a ledvin. Nat Rev Urol. 2017; 14:90–7.

32. Tölle A, Suhail S, Jung M, Jung K, Stephan C. Fatty acid binding proteins (FABP) v buněčných liniích rakoviny prostaty, močového měchýře a ledvin a použití IL-FABP jako prediktoru přežití u pacientů s renálním karcinomem . BMC rakovina. 2011; 11:302.

33. Jungwirth N, Haeberle L, Schrott KM, Wullich B, Krause FS. Serotonin se používá jako prognostický marker urologických nádorů. Svět J Urol. 2008; 26:499–504.

34. Li B, Cui Y, Diehn M, Li R. Vývoj a validace individualizovaného imunitního prognostického podpisu v časném stadiu neskvamózního nemalobuněčného karcinomu plic. JAMA Oncol. 2017; 3:1529–37.

35. Newman AM, Liu CL, Green MR, Gentles AJ, Feng W, Xu Y, Hoang CD, Diehn M, Alizadeh AA. Robustní výčet buněčných podskupin z profilů tkáňové exprese. Metody Nat. 2015; 12:453–7.

Biao Xie 1, Kangjie Li 1, Hong Zhang 1, Guichuan Lai 1, Dapeng Li 2, Xiaoni Zhong 1.

1. Ústav biostatistiky, School of Public Health and Management, Chongqing Medical University, Chongqing, Čína

2. Hepatologický ústav, Národní centrum klinického výzkumu infekčních nemocí, Shenzhen Third People's Hospital, Shenzhen, Čína