Prognostic implications of autophagy-associated gene signatures in non-small cell lung cancer

自噬相關(guān)基因在非小細(xì)胞肺癌中的預(yù)后意義

一,、研究背景

        肺癌是世界目前最普遍的癌癥,，其中85％為非小細(xì)胞肺癌,。2012年統(tǒng)計(jì)的數(shù)據(jù)顯示，每年全球有大約160萬(wàn)患者死于肺癌,，約占癌癥總致死數(shù)的19％,，包括晚期診斷、耐藥性,、高復(fù)發(fā)率等多個(gè)因素導(dǎo)致了肺癌的不良預(yù)后,。迄今為止，預(yù)后預(yù)測(cè)仍主要依靠組織病理學(xué)診斷和腫瘤分期系統(tǒng),。然而,，這種傳統(tǒng)方法不足以精確評(píng)估NSCLC患者的預(yù)后。因此,，發(fā)現(xiàn)可靠的預(yù)后生物標(biāo)志物顯得十分重要,。          自噬是通過(guò)降解聚集的蛋白質(zhì)和受損的細(xì)胞器分解代謝細(xì)胞的生物學(xué)過(guò)程，是癌變過(guò)程中的雙刃劍,。在這篇文章中,，作者通過(guò)篩選NSCLC中的自噬相關(guān)基因構(gòu)建風(fēng)險(xiǎn)模型，結(jié)合臨床病例特征構(gòu)建列線圖,，評(píng)估了預(yù)后價(jià)值,。

二、分析流程

三,、結(jié)果解讀

1,、非小細(xì)胞肺癌預(yù)后生物標(biāo)志物的構(gòu)建

• 作者在TCGA數(shù)據(jù)庫(kù)選取了490個(gè)肺腺癌（LUAD）患者樣本和488個(gè)鱗狀細(xì)胞肺癌（LUSC）患者樣本，并在GeneCards數(shù)據(jù)庫(kù)中選取了148個(gè)自噬相關(guān)基因,。

• 對(duì)這148個(gè)基因進(jìn)行了單變量Cox回歸分析,。共有25和11個(gè)基因分別與LUAD（圖1A和1C）和LUSC（圖1B和1D）的OS顯著相關(guān)。

• 圖1：?jiǎn)巫兞緾ox回歸分析選擇與肺癌生存相關(guān)的自噬基因
  
  

• 對(duì)基因進(jìn)行LASSO Cox回歸分析并計(jì)算了回歸系數(shù),。LUAD中每個(gè)基因的系數(shù)如圖2A所示,。雖然包括了22個(gè)基因，但是該模型獲得了最佳性能（圖2C）,。對(duì)LUSC隊(duì)列進(jìn)行了類似的分析,，最終得到了11個(gè)與OS顯著相關(guān)的基因（圖2B，2D）

圖2：不同基因的LASSO Cox回歸系數(shù)

• 作者研究了這些風(fēng)險(xiǎn)相關(guān)基因在肺癌中的改變,，以了解它們對(duì)肺癌致癌作用的影響,。（圖3） 頻繁的遺傳改變表明這些基因在肺癌的發(fā)展中起著至關(guān)重要的作用。

圖3：上圖和下圖分別代表LUAD和LUSC中篩選基因的遺傳改變

• 根據(jù)每個(gè)基因的mRNA表達(dá)水平和風(fēng)險(xiǎn)系數(shù)計(jì)算出每位患者的風(fēng)險(xiǎn)評(píng)分,，風(fēng)險(xiǎn)評(píng)分用于預(yù)測(cè)預(yù)后情況,，以風(fēng)險(xiǎn)中位數(shù)作為cut-off，將患者分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組,。繪制熱圖以顯示高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)LUAD組中的基因表達(dá)譜（圖4A）,，HR＞1定義為風(fēng)險(xiǎn)基因,，HR＜1定義為保護(hù)基因。圖4A顯示：高風(fēng)險(xiǎn)組中的患者更有可能表達(dá)風(fēng)險(xiǎn)基因,；相反,，低風(fēng)險(xiǎn)組的患者傾向于表達(dá)保護(hù)性基因。相似的分析也應(yīng)用于LUSC組中,。（圖4B）

• 圖4C,、圖4D分別顯示了LUAD和LUSC患者的風(fēng)險(xiǎn)評(píng)分分布以及風(fēng)險(xiǎn)評(píng)分與生存時(shí)間之間的關(guān)系。

• 單因素分析表明,，LUAD組的風(fēng)險(xiǎn)評(píng)分與OS顯著相關(guān)(HR=2.920, 95% CI=2.412-3.534, P<0.001（圖4E））,；LUSC組的風(fēng)險(xiǎn)評(píng)分與OS顯著相關(guān)(HR=1.103, 95% CI=1.066-1.142, P<0.001（圖4F））

圖4A-B：自噬相關(guān)基因表達(dá)譜的熱圖（A為L(zhǎng)UAD，B為L(zhǎng)USC）

圖4C-D：風(fēng)險(xiǎn)評(píng)分的分布以及患者的生存時(shí)間

圖4E-F：?jiǎn)我蛩谻ox回歸分析的森林圖可視化結(jié)果

• 多因素Cox回歸分析顯示,，風(fēng)險(xiǎn)評(píng)分是獨(dú)立的預(yù)后指標(biāo)（圖5A,、C） Kaplan-Meier曲線表明，低風(fēng)險(xiǎn)評(píng)分患者的生存時(shí)間明顯長(zhǎng)于高風(fēng)險(xiǎn)評(píng)分患者的生存時(shí)間（圖5B,、D）

• 對(duì)于LUAD和LUSC,，風(fēng)險(xiǎn)得分的曲線下面積（AUC）最高分別為0.744和0.684（圖5E和5F）。由于LUAD的22個(gè)自噬相關(guān)基因在預(yù)測(cè)預(yù)后方面超過(guò)了LUSC中的基因,，因此將其用于進(jìn)一步分析,。

  作者發(fā)現(xiàn)，分期和風(fēng)險(xiǎn)評(píng)分的組合可以提高LUAD（圖5G）和LUSC（圖5H）的預(yù)后準(zhǔn)確性或風(fēng)險(xiǎn)評(píng)分,。

圖5A-D:多因素Cox回歸分析與Kaplan-Meier分析（左為L(zhǎng)UAD）

圖5E-H：ROC曲線分析（同理,，左圖為L(zhǎng)UAD組）

2、識(shí)別涉及的信號(hào)通路

為了得到與22個(gè)自噬相關(guān)基因相關(guān)的潛在信號(hào)通路,，作者將它們用作baits,，得到LUAD中的50個(gè)變化最頻繁的鄰居基因。

• GO分析表明這些基因參與包括生物調(diào)控,，應(yīng)激反應(yīng)，發(fā)育過(guò)程,，細(xì)胞增殖等多個(gè)過(guò)程（圖6A）并形成了緊密的交互網(wǎng)絡(luò)（圖6B）

• KEGG分析顯示,，這72個(gè)基因主要與自噬，細(xì)胞凋亡,，EGFR酪氨酸激酶抑制劑（TKI）抗性,，泛素介導(dǎo)的蛋白水解，PI3K-Akt信號(hào)通路和VEGF信號(hào)通路相關(guān)（圖6C）

圖6：GO分析和KEGG分析的結(jié)果

GSEA分析表明,，改變的基因在幾種常見通路中富集,。（圖7）作者發(fā)現(xiàn)發(fā)現(xiàn)高風(fēng)險(xiǎn)組富集于細(xì)胞周期、p53信號(hào)通路,、DNA復(fù)制,、泛素介導(dǎo)的蛋白水解,；低風(fēng)險(xiǎn)組富集于mTOR，VEGF和胰島素信號(hào)通路,。

圖7：GSEA分析高危人群和低危人群之間差異表達(dá)的基因

3,、在獨(dú)立的肺癌隊(duì)列中驗(yàn)證預(yù)后基因標(biāo)志物

為了驗(yàn)證基因?qū)︻A(yù)測(cè)預(yù)后情況的價(jià)值，作者從GEO數(shù)據(jù)庫(kù)獲取了不同的肺癌隊(duì)列,。在每個(gè)隊(duì)列中,，根據(jù)計(jì)算出的風(fēng)險(xiǎn)評(píng)分將患者分為低風(fēng)險(xiǎn)組和高風(fēng)險(xiǎn)組，并比較兩組的OS,。結(jié)果表明,，22個(gè)自噬相關(guān)基因具有較高的預(yù)測(cè)價(jià)值。（圖8為在 Okayama 和 Rousseaux cohorts隊(duì)列中驗(yàn)證的情況）

圖8

4,、構(gòu)建個(gè)性化的預(yù)后預(yù)測(cè)模型

作者結(jié)合22個(gè)自噬基因特征,，年齡，性別,，T,，N，M和TNM階段,，構(gòu)建了列線圖來(lái)預(yù)測(cè)3年和5年OS的可能性,。如圖9A所示，為每個(gè)因素分配的分?jǐn)?shù)與其對(duì)生存的風(fēng)險(xiǎn)貢獻(xiàn)成正比,。校準(zhǔn)曲線表明,，實(shí)際和預(yù)測(cè)的存活率非常匹配（圖9B和9C），尤其是5年存活率,。列線圖已在GSE30219肺癌隊(duì)列中得到驗(yàn)證,，并且3年和5年校準(zhǔn)曲線分別顯示在圖9D和圖9E中。

圖9A：構(gòu)建的列線圖

圖9B-E：校準(zhǔn)曲線對(duì)預(yù)測(cè)結(jié)果進(jìn)行驗(yàn)證