TCGA助力乳頭狀腎細(xì)胞癌發(fā)表高分文章 ---免疫相關(guān)lncRNA預(yù)后模型分析

腎細(xì)胞癌（RCC）是全球泌尿系統(tǒng)腫瘤中的第三大常見惡性腫瘤，也是36種癌癥中的第十六大常見癌癥。乳頭狀腎細(xì)胞癌（pRCC）是僅次于腎透明細(xì)胞癌（ccRCC）的RCC第二常見組織學(xué)亞型，占RCC的15%-20%。據(jù)報(bào)道，pRCC與世界上廣泛存在的ccRCC在臨床病理特征和預(yù)后上存在較大差異。然而，相對(duì)更多的研究集中于ccRCC而不是pRCC， pRCC往往參考ccRCC的治療策略，因此pRCC患者因缺乏特異性研究而不能達(dá)到良好的療效。一旦患者宣稱晚期pRCC，靶向藥物的治療效果明顯低于ccRCC，意味著晚期pRCC的治療效果有限且預(yù)后不良。因此，迫切需要確定pRCC的新型預(yù)后生物標(biāo)志物。近期，福建醫(yī)科大學(xué)附屬第一醫(yī)院許寧教授及其團(tuán)隊(duì)下載pRCC的轉(zhuǎn)錄組測(cè)序數(shù)據(jù)，鑒定了4個(gè)lncRNA構(gòu)建預(yù)后模型，該模型與生存時(shí)間和生存狀態(tài)顯著相關(guān)，為治療提供了更多的參考。相關(guān)研究以“An immune-related lncRNA prognostic model in papillary renal cell carcinoma: A lncRNA expression analysis”為題發(fā)表在genomics雜志上，雜志影響因子為6.205。

技術(shù)路線：

結(jié)果：

1、共表達(dá)網(wǎng)絡(luò)鑒定pRCC中免疫相關(guān)lncRNA

作者從TCGA數(shù)據(jù)庫(kù)中提取pRCC的原始表達(dá)數(shù)據(jù)，包括289份腫瘤樣本和32份匹配的正常組織，根據(jù)分子簽名數(shù)據(jù)庫(kù)v4.0中的兩個(gè)免疫基因集共選擇了331個(gè)免疫相關(guān)mRNA，以∣cor∣>0.6和P<0.0001為臨界值，通過共表達(dá)網(wǎng)絡(luò)在pRCC中鑒定出453個(gè)免疫上調(diào)的lncRNA。

2、lncRNAs預(yù)后模型的構(gòu)建

作者使用Perl腳本獲得生存分析數(shù)據(jù)，將臨床表達(dá)文件（lncRNA名稱、患者生存時(shí)間、生存狀態(tài)）與生存數(shù)據(jù)相結(jié)合，進(jìn)行單因素Cox分析，以森林圖的形式呈現(xiàn)前8位預(yù)后相關(guān)lncRNA各自的HR、95%CI及其P值，其中，7個(gè)為低風(fēng)險(xiǎn)，包括AL109936.2、AC135050.6、AC015922.3、FGF14-AS2、AL031710.1、AC107464.3和LIFR-AS1，而AC099850.3處于高風(fēng)險(xiǎn)。

通過多因素生存分析構(gòu)建四個(gè)lncRNA（AC015922.3，AL031710.1，AC099850.3和LIFR-AS1）預(yù)后模型，具體信息如下表，并對(duì)274例患者進(jìn)行風(fēng)險(xiǎn)評(píng)分計(jì)算：

Risk score=(0.257*AC015922.3exp)+(0.636*AL031710.1exp)+(1.193*AC099850.3exp)+(-0.665*LIFR-AS1exp)。

3、預(yù)后模型預(yù)測(cè)pRCC患者預(yù)后

生存分析表明，這4種lncRNA的表達(dá)與pRCC的OS顯著相關(guān)，KM生存分析表示低危組和高危組生存時(shí)間的差異有統(tǒng)計(jì)學(xué)意義（A-D）。

在274例患者中，越來越多的患者在隨訪期間死于pRCC，為高危組提供了64.3%的五年生存率，為低危組提供了84.9%的五年生存率。熱圖顏色反映了4種lncRNA在高危組和低危組中的表達(dá)水平，通過風(fēng)險(xiǎn)評(píng)分進(jìn)行排序并將患者分為高危組和低危組，以風(fēng)險(xiǎn)評(píng)分0.9169為截?cái)嘀?，證明了OS的分布（A-D）。

4、預(yù)后模型的評(píng)估

作者為了進(jìn)一步驗(yàn)證預(yù)后模型的準(zhǔn)確性和特異性，繪制了兩個(gè)基于獨(dú)立預(yù)后分析的森林圖，以證明該模型是否可以在不借助其他臨床特征（包括年齡、性別、生存時(shí)間、生存狀態(tài)、TNM分期和腫瘤分期）的情況下成為可用的獨(dú)立預(yù)后指標(biāo)。單變量Cox回歸分析顯示，腫瘤分期、T分期和模型是pRCC的良好預(yù)后預(yù)測(cè)因素（A）。多變量Cox回歸分析顯示分期和預(yù)后模型可預(yù)測(cè)pRCC患者的OS（B）。同時(shí)，作者繪制了時(shí)間依賴性ROC曲線，計(jì)算了預(yù)后模型的曲線下面積（AUC）為0.927，分期的曲線下面積（AUC）為0.959，證明了lncRNA預(yù)后模型用于生存預(yù)測(cè)的競(jìng)爭(zhēng)性能（C）?？傊?，四個(gè)lncRNA簽名是pRCC患者極好的預(yù)后模型。

5、臨床特征與4種lncRNA的相關(guān)性分析

作者通過箱形圖評(píng)價(jià)4種免疫相關(guān)lncRNA在3種臨床特征中的表達(dá)水平，例如性別、M分期和腫瘤分期，與女性相比，AC015922.3和LIFR-AS1在男人中表達(dá)上調(diào)，在遠(yuǎn)處轉(zhuǎn)移患者中表達(dá)下調(diào)，而AC099850.3在性別和遠(yuǎn)處轉(zhuǎn)移患者中的表達(dá)結(jié)果相反，AL031710.1的表達(dá)與性別和遠(yuǎn)處轉(zhuǎn)移無相關(guān)性（A，B）。AC015922.3、AL031710.1和LIFR-AS1的表達(dá)水平隨著腫瘤分期的增加而降低，而AC099850.3隨著腫瘤分期的增加而增加（C）。

6、不同基因組中高危和低危人群的差異

作者為了研究高危組和低危組的潛在差異使用降維技術(shù)可視化了基因表達(dá)譜，通過主成分分析（PCA）分析顯示高危組和低危組在用于預(yù)后模型的所有基因（A），免疫基因（B），免疫lncRNA（C）以及4個(gè)lncRNA（D）上的差異, 紅點(diǎn)和綠點(diǎn)的分布在所有基因中是混合的，而在4個(gè)lncRNA中紅點(diǎn)和綠點(diǎn)之間有明顯的分割線，表明構(gòu)建的預(yù)后模型對(duì)識(shí)別高危和低?；颊哂泻艽髱椭?，也表明兩組在免疫力上有顯著差異。

同時(shí)，通過基因集富集分析（GSEA）發(fā)現(xiàn)兩個(gè)免疫基因集（免疫系統(tǒng)過程M13664，免疫反應(yīng)M19817）在pRCC高危患者組中具有活躍的表現(xiàn)，∣FDR∣<0.25和P>0.05在兩個(gè)GSEA分析中意味著高危組具有顯著的免疫反應(yīng)。

7、獨(dú)立隊(duì)列中四個(gè)lncRNA預(yù)后模型的可靠性

作者通過qRT-PCR檢測(cè)66例pRCC患者中4種lncRNA的表達(dá)水平，用相同的方法構(gòu)建66例pRCC患者的新風(fēng)險(xiǎn)評(píng)分公式：風(fēng)險(xiǎn)評(píng)分=(-0.545*AC015922.3exp)+(-0.452*AL031710.1exp)+(0.803*AC099850.3exp)+(-0.868*LIFR-AS1exp)。生存分析顯示，在獨(dú)立隊(duì)列中，高危患者的預(yù)后明顯差于低?；颊撸崾舅膫€(gè)lncRNA預(yù)后模型是pRCC患者可靠且可重復(fù)的生存預(yù)測(cè)因子。

1、 獨(dú)立隊(duì)列中四個(gè)lncRNA預(yù)后模型的可靠性

作者通過qRT-PCR檢測(cè)66例pRCC患者中4種lncRNA的表達(dá)水平，用相同的方法構(gòu)建66例pRCC患者的新風(fēng)險(xiǎn)評(píng)分公式：風(fēng)險(xiǎn)評(píng)分=(-0.545*AC015922.3exp)+(-0.452*AL031710.1exp)+(0.803*AC099850.3exp)+(-0.868*LIFR-AS1exp)。生存分析顯示，在獨(dú)立隊(duì)列中，高危患者的預(yù)后明顯差于低?；颊?，提示四個(gè)lncRNA預(yù)后模型是pRCC患者可靠且可重復(fù)的生存預(yù)測(cè)因子。

結(jié)論：

作者鑒定了4個(gè)與免疫相關(guān)的lncRNA構(gòu)建預(yù)后模型，該模型與生存時(shí)間和生存狀態(tài)顯著相關(guān)，為治療提供了更多的參考。

參考文獻(xiàn)：

Shao-Hao Chen, Fei Lin, Jun-Ming Zhu, et al. An immune-related lncRNA prognostic model in papillary renal cell carcinoma: a lncRNA expression analysis. Genomics. 2020.