摘要:目的 探讨膜蛋白 (membrane proteins,MP) 在膀胱癌 (bladder cancer,BLCA) 预后中的作用,并建立一种基于 MP 预测 BLCA 患者生存的预后模型。方法 从癌症基因组图谱 (the cancer genome atlas, TCGA) 数据库下载 BLCA的 MP序列数据,测定肿瘤组织和正常组织 MP的差异表达并进行功能富集分析。通 过单变量和多变量Cox回归分析鉴定独立预后相关MP,构建风险评分模型。绘制Kaplan-Meier和受试者工作特 征 (receiver operating charac teristic,ROC) 曲线来评估该预后模型的性能。建立列线图,验证其预后价值和 关键 MP的表达。结果 在筛选出的 395个蛋白中,有 243个上调,152个下调。根据单因素及多因素生存分析 发现三个独立的预后相关蛋白 (PCDHGA2、ITGB7、FLRT2),并构建预后模型。根据预后模型,高危亚组患 者总生存期低于低危亚组患者,ROC曲线下面积为 0.725和 0.709。对 TCGA数据库的数据进行分析,进一步验 证了预后分析模型,建立了线型图,MP对 BLCA的预后有良好的预测价值。结论 开发并验证了 BLCA良好 的预后模型,该模型可能有助于开发BLCA患者预后的新生物标志物。
图 1 差异表达的 MP 构建的热图和火山图 注:A:热图;B:火山图。
图 2 GO 和 KEGG 途径富集分析膜蛋白的功能 注:A:上调基因 KEGG 分析;B:下调基因 KEGG 分析;C:上调基因 GO 分析;D:下调基因 GO 分析。
图 3 蛋白互作分析膜蛋白相关预后基因
图 4 差异表达的膜蛋白的单因素及多因素 COX 回归分析 注:A:膜蛋白差异基因与预后的单因素分析;B:膜蛋白差异基因的多因素分析;C:预后相关基因的单因素 COX 回归分析;D:预后相关基因的多因素 COX 回归分析。
图 5 差异膜蛋白构建组及验证组预后分析比较 注:A:构建组 KM 预后曲线;B:验证组 KM 预后曲线;C:构建组 ROC 曲线;D:验证组 ROC 曲线;E:构建组散点图、热图、风险曲线;F:验证组散点图、热图、风险曲线。
图 6 膜蛋白预测线型图
图 7 膜蛋白预后分析 注:A:单变量 COX 回归分析;B:多变量 COX 回归分析。
[1] SUNG H,FERLAY J,SIEGEL R L,et al. Global Cancer Statistics 2020:GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries [J]. CA Cancer J Clin,2021,71(3):209-249
[2] AGGEN D H,DRAKE C G. Biomarkers for immunotherapy in bladder cancer:a moving target [J]. J Immunother Cancer,2017,5(1):94
[3] GHIRLANDA G. Design of membrane proteins:toward functional systems [J]. Curr Opin Chem Biol,2009,13(5-6):643- 651
[4] YARZA R,BOVER M,AGULLO- ORTUNO M T,et al. Current approach and novel perspectives in nasopharyngeal carcinoma:the role of targeting proteasome dysregulation as a molecular landmark in nasopharyngeal cancer [J]. J Exp Clin Cancer Res,2021,40(1):202
[5] HOLLOWAY R W,MARIGNANI P A. Targeting mTOR and Glycolysis in HER2- Positive Breast Cancer [J]. Cancers,2021,13(12):2922
[6] SINCLAIR A J. Could Changing the DNA Methylation Landscape Promote the Destruction of Epstein- Barr VirusAssociated Cancers? [J]. Front Cell Infect Microbiol,2021, 11:695093
[7] SONG J,WU S,XIA X,et al. Cell adhesion- related gene somatic mutations are enriched in aggressive papillary thyroid microcarcinomas [J]. J Transl Med,2018,16(1): 269
[8] XU T,LIU J,XIA Y,et al. Integrated analysis reveals the participation of IL4I1, ITGB7, and FUT7 in reshaping the TNBC immune microenvironment by targeting glycolysis [J]. Ann Med,2021,53(1):916-928
[9] ZHAO H B,ZENG Y R,HAN Z D,et al. Novel immunerelated signature for risk stratification and prognosis in prostatic adenocarcinoma [J]. Cancer Sci,2021,112(10):4365- 4376.
刘恒,朱建国,朱国华,等. 膀胱癌膜蛋白相关预后模型的构建与验证[J]. 泌尿外科杂志(电子版),2022,14(1):48-53. DOI:10.3969/j.issn.1674-7410.2022.01.013.
暂无相关信息!
膀胱癌 (bladder cancer,BLCA) 是泌尿系统 最常见的恶性肿瘤之一[1] 。尽管当前已有多种临床诊 疗手段用于 BLCA 的治疗,但因其复发率高、易转 移的特性,BLCA 患者的 5 年生存率仍较低[2] 。因 此,开发新的诊断和治疗方法、预后的生物标志物 至关重要。膜蛋白 (membrane protein,MP) 是细 胞膜的重要组成部分,在物质运输、信号传导和细 胞间识别等多种细胞功能中发挥着重要作用。有研 究发现,真核细胞编码的蛋白质中 MP高达 30%,且 其中超过 60%可作为药物治疗的靶点[3] 。全面研究 MP 的功能,将有助于了解 MP 在 BLCA 中的作用。 因此本研究从癌症基因组图谱 (The Cancer Genome Atlas,TCGA) 下载了膀胱癌相关的 MP 序 列数据及其相关的临床信息,筛选出正常 (或癌 旁) 组织与肿瘤组织样本间的 MP差异表达。基于这 些差异 MP进行一系列生物信息学分析,最终确定了 三个独立的预后相关 MP,并进行预后预测模型构 建,研究结果报告如下。
1 资料与方法
1.1 组织样本来源及数据处理
1.2 KEGG 通路和 GO 富集分析
1.3 蛋白互作(protein proteininteraction,PPI)网络 构建和模块筛选
1.4 BLCA 患者 MP 筛选及预测模型的构建
1.5 验证预测模型的性能
1.6 验证 MP 的预后价值和表达水平
2 结果
2.1 筛选得到差异表达的 MP
2.2 差异表达MP的GO和KEGG途径富集分析
2.3 PPI网络建设和预后因子筛选
2.4 验证差异 MP 的预后价值
2.5 预后相关风险评分模型的构建与分析
2.6 列线图的构建
2.7 评估临床参数的预后价值
3 讨论
3 讨论
越来越多的证据证实,MP在癌变过程中发挥了 重要作用[4] 。本研究表达的功能通路分析显示,不同 MP在蛋白通路活性的调节、转移酶的活性、离子通 路的活性调节等分子功能中具有较高的富集程度。 有研究表明,人类疾病的发生和发展与酶的活性程 度、蛋白通路活性的调控相关[5-6] 。相关离子通路的 活性也是调控细胞功能的重要因素。本研究还建立 了差异 MP的蛋白-蛋白相互作用网络,利用 TCGA 队列进行分析,通过多元逐步 COX 回归分析,建立 了预测膀胱癌的风险模型,可以筛选出预后较差的 膀胱癌患者,以便于临床医生提早进行干预治疗。 预后模型中的 3个 MP基因已被证明在肿瘤的发生和 发展中发挥重要作用[7] 。PCDHGA2 参与细胞粘附, 促进甲状腺癌的进展[8] ;ITGB7通过靶向糖酵解参与 重塑三阴性乳腺癌免疫微环境;FLRT2可以作为评 估 PRAD 中肿瘤免疫状态和风险分层的指标[8-9] 。然 而,这 3 种 MP 基因对 BLCA 的作用机制尚不清楚, 进一步探索其可能机制极具应用价值。
综上所述,本研究利用一系列生物信息学技 术,系统地分析了在膀胱癌中差异表达的 MP的表达 及预后价值,最终确定了 3 个独立的预后相关 MP, 并成功构建了有效预测 BLCA 患者预后的预后风险 评估模型,为 MP成为膀胱癌新的治疗靶点和预后生 物标志物的开发提供了依据。
暂无相关信息!
暂无相关信息!