细胞焦亡分型和APOD预测胃癌患者预后作用的生物信息学分析

doi:10.13481/j.1671-587X.20230521

摘要/Abstract

摘要：

目的寻找胃癌（GC）患者的预后标志物，实现GC的早诊早治，为提高GC患者的生存率提供依据。方法从癌症基因图谱（TCGA）数据库和GSE84437数据集下载407和433例GC患者的临床数据和转录组数据并合并，根据细胞焦亡相关基因的表达水平和ConsensusClusterPlus数据包对GC组织样本进行聚类分型，分为A分型（342例）和B分型（465例），将GC患者按照载脂蛋白D（APOD）水平分为低表达组和高表达组。采用survminer数据包比较不同分型患者预后的差异，采用ssGSEA算法比较不同分型患者免疫浸润的差异，采用Lasso回归和Cox回归构建GC患者预后风险模型，对模型基因进行临床性状过滤，采用公共数据库分析APOD在癌旁正常组织和GC组织中表达水平的差异，采用基因富集分析（GSEA）分析APOD的京都基因与基因组百科全书（KEGG）信号通路富集情况，采用CIBERSORT 算法评估免疫细胞含量并分析其与APOD表达的相关性，采用在线网站分析APOD的药物敏感性。结果 2种细胞焦亡分型患者预后比较差异有统计学意义（P＝0.002）；A分型患者中22种免疫细胞含量均高于B分型（P<0.01）；不同年龄（P<0.01）、N分期（P=0.04）患者2种细胞焦亡分型百分率差异有统计学意义。公共数据库分析，在GC患者肿瘤组织中APOD表达水平低于癌旁正常组织；生存分析，高表达组GC患者预后较低表达组差；临床相关性分析，不同T分期患者APOD表达水平比较差异有统计学意义（P<0.05）；GSEA分析，高表达组在细胞黏附通路、白细胞内皮迁移通路和缝隙连接通路富集；免疫浸润分析，高表达组中滤泡辅助T淋巴细胞、CD4+记忆激活T淋巴细胞、静息自然杀伤（NK）细胞和中性粒细胞含量少于低表达组；APOD与CXC趋化因子配体12（CXCL12）（r=0.500，P<0.01）、转化生长因子B1（TGFB1）（r=0.313，P<0.01）、CC趋化因子配体 19（CCL19）（r=0.518，P<0.01）和CX3C趋化因子受体1（CX3CR1）（r=0.444，P<0.01）呈正相关关系；药物敏感性分析，APOD与AZD-7762、KW-2449和TG-101348呈正相关关系（0<r<0.3，P<0.05）。结论依据焦亡分型可以较好地评估GC患者的预后；APOD可以成为GC新的预后标志物和治疗靶点。

关键词: 胃肿瘤, 细胞焦亡, 载脂蛋白D, 生存, 预后, 免疫浸润

Abstract:

Objective To seek the prognostic markers for the gastric cancer （GC） patients， and to achieve the early diagnosis and treatment of GC， and to provide the evidence for improving the survival rate of the GC patients. Methods The clinical data and transcriptome data of 407 and 433 GC patients were downloaded from the The Cancer Genome Atlas（TCGA） Database and GSE84437 Dataset， and merged； the GC tissue samples were classified and typed based on the expression levels of cell death-related genes and the ConsensusClusterPlus Package，and were divided into type A（342 cases） and type B（465 cases）；the GC patients were divided into low expression group and high expression group according to the expression level of apolipoprotein D（APOD）；the survminer Data Package was used to compare the differences in prognosis of the patients with different subtypes；the ssGSEA Algorithm was used to compare the differences in immune cell infiltration of the patients with different subtypes； Lasso regression and Cox regression were used to construct the prognostic risk model for the GC patients； the clinical characteristics of model genes were filtered；the differential expression of APOD in adjacent normal tissue and GC tissue was analyzed by Public Databases；GSEA analysis was used to assess the Kyoto Encyclopedia of Genes and Genomes （KEGG） signaling pathway enrichment of APOD； the CIBERSORT Algorithm was used to evaluate the correlation between the content of immune cells and expression of APOD；the online website was used to analyze the drug sensitivity of APOD. Results There was statistically significant difference in prognosis of the patients with two subtypes of cell pyroptosis（P=0.002）； the levels of 22 kinds of immune cells of the patients with type A were higher than those with type B（P<0.01）； there were statistically significant differences in the percentages of two subtypes of cell pyroptosis of the patients with different ages （P<0.01） and N stages （P=0.04）. The Public Databases analysis results showed that the expression of APOD in tumor tissue of the GC patients was lower than that in adjacent normal tissue； the survival results showed that compared with low expression group，the patients in high expression group had poorer prognosis； the clinical correlation analysis results showed that there were significant differences in the APOD expression of the patients with different T stage （P<0.05）； the GSEA analysis results showed that high expression group enriched in the cell adhesion pathways， leukocyte endothelial migration pathways， and gap junction pathways； the immune infiltration analysis results showed that the contents of follicular helper T lymphocytes， CD4+ memory activated T lymphocytes， resting NK cells， and neutrophils in high expression group were lower than those in low expression group； APOD had positive correlations with CXC chemokine ligand 12（CXCL12）（r=0.500，P<0.01），transforming growth factor beta 1（TGFB1）（r=0.313，P<0.01），chemokine CC chemokine ligand 19（CCL19）（r=0.518，P<0.01），and CX3C chemokine receptor 1（CX3CR1）（r=0.444，P<0.01）；the drug sensitivity analysis results showed that there were positive correlations between APOD and AZD-7762， KW-2449， and TG-101348（0<r<0.3，P<0.05）. Conclusion Cell pyroptosis subtypes can effectively evaluate the prognosis of the GC patients； APOD can be regarded as the novel prognostic marker and therapeutic target for GC.

Key words: Gastric neoplasm, Cell pyroptosis, Apolipoprotein D, Survival, Prognosis, Immune infiltration

中图分类号:

R735.2

崔海康,张旭东,李晓宁,杨希,杨兰,张文杰. 细胞焦亡分型和APOD预测胃癌患者预后作用的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(5): 1268-1279.

Haikang CUI,Xudong ZHANG,Xiaoning LI,Xi YANG,Lan YANG,Wenjie ZHANG. Bioinformatics analysis on predition effect of subtypes of cell pyroptosis and APOD on prognosis of gastric cancer patients[J]. Journal of Jilin University(Medicine Edition), 2023, 49(5): 1268-1279.

图/表 10

图1

表1

图2

表2

图3

图4

图5

图6

图7

图8

参考文献 36

1	ITO Y， MIYASHIRO I， ISHIKAWA T， et al. Determinant factors on differences in survival for gastric cancer between the United States and Japan using nationwide databases［J］. J Epidemiol， 2021， 31（4）： 241-248.
2	JUNG K W， WON Y J， KONG H J， et al. Cancer statistics in Korea： incidence， mortality， survival， and prevalence in 2012［J］. Cancer Res Treat， 2015， 47（2）： 127-141.
3	付宇蕾，罗业浩，方刚，等. 细胞焦亡在胃癌中的生物学作用研究进展［J］. 中国肿瘤临床， 2022， 49（6）： 314-318.
4	RASSART E， DESMARAIS F， NAJYB O， et al. Apolipoprotein D［J］. Gene， 2020， 756： 144874.
5	LEEK J T， JOHNSON W E， PARKER H S， et al. The sva package for removing batch effects and other unwanted variation in high-throughput experiments［J］. Bioinformatics， 2012， 28（6）： 882-883.
6	WILKERSON M D， HAYES D N. ConsensusClusterPlus： a class discovery tool with confidence assessments and item tracking［J］. Bioinformatics， 2010， 26（12）： 1572-1573.
7	TIMMERMAN M E， CEULEMANS E， DE ROOVER K， et al. Subspace K-means clustering［J］. Behav Res Methods， 2013， 45（4）： 1011-1023.
8	CHEN B B， KHODADOUST M S， LIU C L， et al. Profiling tumor infiltrating immune cells with CIBERSORT［J］. Methods Mol Biol， 2018， 1711： 243-259.
9	RU B B， WONG C N， TONG Y， et al. TISIDB： an integrated repository portal for tumor-immune system interactions［J］. Bioinformatics， 2019， 35（20）： 4200-4202.
10	YANG W J， SOARES J， GRENINGER P， et al. Genomics of Drug Sensitivity in Cancer （GDSC）： a resource for therapeutic biomarker discovery in cancer cells［J］. Nucleic Acids Res， 2013， 41（Database issue）： D955-D961.
11	赫捷，陈万青，李兆申，等. 中国胃癌筛查与早诊早治指南（2022，北京）［J］.中国肿瘤，2022，31（7）：488-527.
12	PIRZADA R H， JAVAID N， CHOI S. The roles of the NLRP3 inflammasome in neurodegenerative and metabolic diseases and in relevant advanced therapeutic interventions［J］. Genes， 2020， 11（2）： 131.
13	XU Y J， ZHENG L， HU Y W， et al. Pyroptosis and its relationship to atherosclerosis［J］. Clin Chim Acta， 2018， 476： 28-37.
14	ZHANG Z B， ZHANG Y， XIA S Y， et al. Gasdermin E suppresses tumour growth by activating anti-tumour immunity［J］. Nature， 2020， 579（7799）： 415-420.
15	WU J B， ZHU Y Y， LUO M M， et al. Comprehensive analysis of pyroptosis-related genes and tumor microenvironment infiltration characterization in breast cancer［J］. Front Immunol， 2021， 12： 748221.
16	LU H C， WU J J， LIANG L H， et al. Identifying a novel defined pyroptosis-associated long noncoding RNA signature contributes to predicting prognosis and tumor microenvironment of bladder cancer［J］. Front Immunol， 2022， 13： 803355.
17	ZHOU J， GUO H， LIU L K， et al. Pyroptosis patterns of colon cancer could aid to estimate prognosis， microenvironment and immunotherapy： evidence from multi-omics analysis［J］. Aging， 2022， 14（18）： 7547-7567.
18	WU M， LI Q D， WANG H B. Identification of novel biomarkers associated with the prognosis and potential pathogenesis of breast cancer via integrated bioinformatics analysis［J］. Technol Cancer Res Treat， 2021， 20： 1533033821992081.
19	BAJO-GRAÑERAS R， CRESPO-SANJUAN J， GARCÍA-CENTENO R M， et al. Expression and potential role of apolipoprotein D on the death-survival balance of human colorectal cancer cells under oxidative stress conditions［J］. Int J Colorectal Dis， 2013， 28（6）： 751-766.
20	LÄUBLI H， BORSIG L. Altered cell adhesion and glycosylation promote cancer immune suppression and metastasis［J］. Front Immunol， 2019， 10： 2120.
21	MULLER W A. Mechanisms of leukocyte transendothelial migration［J］. Annu Rev Pathol， 2011， 6： 323-344.
22	刘卫东，孔文洁，高峰. 缝隙连接蛋白调节机制的研究进展［J］. 生理科学进展， 2021， 52（4）： 275-279.
23	ROMA-RODRIGUES C， MENDES R， BAPTISTA P V，et al. Targeting tumor microenvironment for cancer therapy［J］. Int J Mol Sci， 2019， 20（4）： 840.
24	丁艳，徐浩，冯春燕，等. 滤泡辅助性T细胞的研究进展［J］. 中国医学创新， 2017， 14（33）： 133-138.
25	CROTTY S. T follicular helper cell biology： a decade of discovery and diseases［J］. Immunity， 2019， 50（5）： 1132-1148.
26	NIOGRET J， BERGER H， REBE C， et al. Follicular helper-T cells restore CD8⁺-dependent antitumor immunity and anti-PD-L1/PD-1 efficacy［J］.J Immunother Cancer， 2021， 9（6）： e002157.
27	DEMARIA O， CORNEN S， DACERON M， et al. Harnessing innate immunity in cancer therapy［J］. Nature， 2019， 574（7776）： 45-56.
28	NING Z K， HU C G， HUANG C， et al. Molecular subtypes and CD4⁺ memory T cell-based signature associated with clinical outcomes in gastric cancer［J］. Front Oncol， 2020， 10： 626912.
29	XIONG S M， DONG L L， CHENG L. Neutrophils in cancer carcinogenesis and metastasis［J］. J Hematol Oncol， 2021， 14（1）： 173.
30	MOUSAVI A. CXCL12/CXCR4 signal transduction in diseases and its molecular approaches in targeted-therapy［J］. Immunol Lett， 2020， 217： 91-115.
31	STREEL G D， LUCAS S.Targeting immunosuppression by TGF-β1 for cancer immunotherapy［J］. Biochem Pharmacol， 2021， 192： 114697.
32	GOWHARI SHABGAH A， AL-OBAIDI Z M J， SULAIMAN RAHMAN H， et al. Does CCL19 act as a double-edged sword in cancer development？［J］. Clin Exp Immunol， 2022， 207（2）： 164-175.
33	RIVAS-FUENTES S， SALGADO-AGUAYO A， ARRATIA-QUIJADA J， et al. Regulation and biological functions of the CX3CL1-CX3CR1 axis and its relevance in solid cancer： a mini-review［J］. J Cancer， 2021， 12（2）： 571-583.
34	KE Z Y， LIANG A L， LIU Y J. Cell cycle checkpoint kinase and drug resistance of lung cancer［J］. Zhongguo Fei Ai Za Zhi， 2021， 24（4）： 265-270.
35	柯芷茵，梁爱玲，刘勇军. 细胞周期检测点激酶与肺癌耐药研究进展［J］. 中国肺癌杂志， 2021， 24（4）： 265-270.
36	徐艳珺，应杰儿. JAK2抑制剂在肿瘤治疗中的应用价值［J］. 现代肿瘤医学， 2013， 21（10）： 2389-2392.

Clinicopathological characteristic	n	A type [n（η/%）]	B type [n（η/%）]	χ2	P
Age(year）
≤65	447	164（36.7）	283（63.3）	12.08	<0.01
>65	356	174（48.9）	182（51.1）	12.08	<0.01
Gender
Male	537	223（41.5）	314（58.5）	0.48	0.49
Female	270	119（44.1）	151（55.9）	0.48	0.49
Invasion depth
T1	30	13（43.3）	17（56.7）	0.93	0.82
T2	118	54（45.8）	64（54.2）
T3	259	109（42.1）	150（57.9）
T4	392	160（40.8）	232（59.2）
Lymph node metastasis
N0	191	86（45.0）	105（55.0）	8.31	0.04
N1	285	132（46.3）	153（53.7）
N2	206	70（34.0）	136（66.0）
N3	107	45（42.0）	62（58.0）
Project
TCGA	374	163（43.6）	211（56.4）	0.41	0.52
GEO	433	179（41.3）	254（58.7）	0.41	0.52

ID	P_Age	P_Gender	P_Grade	P_Stage	P_TNM_stage			Significative number
ID	P_Age	P_Gender	P_Grade	P_Stage	T	M	N	Significative number
APOD	0.017 6	0.977 9	0.028 9	0.010 4	0.030 1	0.685 5	0.799 3	4
PDCD1	0.946 2	0.066 5	3.21E-06	0.013 5	0.026 9	0.063 4	0.955 5	3
TGM2	0.703 5	0.108 6	0.004 5	0.030 3	0.000 8	0.459 9	0.594 7	3
SLC2A3	0.580 6	0.650 0	0.031 3	0.300 3	2.37E-06	0.409 0	0.855 8	2
KRT7	0.176 5	0.612 4	0.290 7	0.214 5	0.398 5	0.839 1	0.743 1	0
PEG10	0.062 2	0.364 8	0.321 1	0.709 9	0.082 3	0.274 7	0.720 5	0

[1]	徐雅琪,王艳玉,张文婧,韩梅,穆华夏,杨希,卜伟晓,陶子琨,孔雨佳,石福艳,王素珍. 乙型肝炎病毒相关肝细胞癌关键基因筛选及其与预后关系的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(5): 1243-1252.
[2]	李婧婧,热孜宛古丽·艾斯凯尔null,邢婉怡,邹颖刚. 单侧卵巢原发性去分化脂肪肉瘤1例报告及文献复习[J]. 吉林大学学报(医学版), 2023, 49(4): 1040-1045.
[3]	李婧婧,热孜宛古丽·艾斯凯尔,李丹丹,邹颖刚. 不同治疗方案对卵巢恶性生殖细胞肿瘤患者生育能力影响的研究进展[J]. 吉林大学学报(医学版), 2023, 49(3): 816-822.
[4]	杨仁义,彭书旺,王永恒,董宇轩,段姗姗. 甲状腺癌铁死亡预后风险模型的构建及其潜在机制的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(2): 402-413.
[5]	王小燕,胡溢洪,韩语诚,邹先琼. COMMD7在脑低级别胶质瘤发生发展中作用机制的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(2): 414-424.
[6]	孙逸飞,李迪诺,王玉彬. 姜黄素通过下调PI3K/Akt/mTOR信号通路蛋白表达对胃癌MGC-803细胞增殖和侵袭的抑制作用[J]. 吉林大学学报(医学版), 2023, 49(2): 332-340.
[7]	肖志远,宋冰,马鑫雨,金连辉,郑通,柴芳. 细胞凋亡相关基因CD44在甲状腺癌组织中的表达及其与肿瘤侵袭和免疫细胞浸润关系的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(2): 473-481.
[8]	白杨,杨晨曦,刘小强,刘羽,邢倩. 系统性红斑狼疮患者妊娠期外周血中滤泡辅助性T淋巴细胞的变化及其意义[J]. 吉林大学学报(医学版), 2023, 49(1): 166-172.
[9]	刘云,朱琳琦,邵世和. 环状RNA hsa_circ_0009735对胃癌细胞上皮间质转化、细胞周期和自噬的影响[J]. 吉林大学学报(医学版), 2022, 48(6): 1498-1509.
[10]	范吉林,朱婷婷,田晓玲,刘思佳,苏静,张世亮. 基于房颤中circRNA-miRNA-mRNA网络构建和免疫细胞浸润的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(6): 1535-1545.
[11]	侯俊杰,米旭光,李孝男,李晓男,杨影,芦小单,方艳秋,金宁一. 基于乳酸代谢基因的肺腺癌预后模型的建立和评价[J]. 吉林大学学报(医学版), 2022, 48(6): 1546-1554.
[12]	高云鹤,姚佳楠,曹岚清,许传杰. 不同部位孤立性纤维性肿瘤患者临床病理特征和预后影响因素分析[J]. 吉林大学学报(医学版), 2022, 48(6): 1510-1517.
[13]	谢先顺,王伟,蒋海兵. miR-431-3p对胃癌细胞增殖和凋亡的影响及其靶向调控CTDP1基因表达机制[J]. 吉林大学学报(医学版), 2022, 48(6): 1555-1565.
[14]	沈珂羽,付晶瑶,肖思齐,吴宪吉,张广. 低危甲状腺微小乳头状癌术前评估与预后相关因素的研究进展[J]. 吉林大学学报(医学版), 2022, 48(6): 1650-1656.
[15]	张蒨,李静. 过表达TLR4基因对胃癌细胞自噬的抑制作用及其机制[J]. 吉林大学学报(医学版), 2022, 48(5): 1238-1246.