題目

image.png

摘要

脂質(zhì)代謝重編程在癌癥的細(xì)胞生長(zhǎng)这弧，增殖拱雏，血管生成和侵襲中起重要作用忆矛。但是气破，膠質(zhì)瘤進(jìn)展過(guò)程中的各種脂質(zhì)代謝程序和預(yù)后價(jià)值仍然不清楚。在這里暑椰，使用來(lái)TCGA和CGGA）數(shù)據(jù)庫(kù)的RNA測(cè)序數(shù)據(jù)對(duì)脂質(zhì)代謝相關(guān)基因進(jìn)行了分析霍转。GO和GSEA發(fā)現(xiàn)，神經(jīng)膠質(zhì)瘤（GBM）主要表現(xiàn)出糖鞘脂代謝進(jìn)程的富集一汽，而低級(jí)神經(jīng)膠質(zhì)瘤（LGGs）表現(xiàn)出磷脂酰肌醇代謝進(jìn)程的富集避消。根據(jù)LGG和GBM之間脂質(zhì)代謝的差異基因，我們使用Cox比例風(fēng)險(xiǎn)模型開發(fā)了一個(gè)9基因集召夹，并將CGGA隊(duì)列用于驗(yàn)證數(shù)據(jù)集岩喷。生存分析表明，所獲得的基因組可以區(qū)分這兩個(gè)隊(duì)列中低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)患者的結(jié)果监憎。同時(shí)纱意，多變量Cox回歸分析表明該信號(hào)是彌漫性神經(jīng)膠質(zhì)瘤的獨(dú)立預(yù)后因素。GO和GSEA表明鲸阔，高危病例與細(xì)胞表型和免疫反應(yīng)有關(guān)偷霉。總的來(lái)說(shuō)褐筛，我們的發(fā)現(xiàn)為彌漫性膠質(zhì)瘤中的脂質(zhì)代謝提供了新的視角类少。

方法和材料

患者和數(shù)據(jù)集

我們分別從TCGA和CGGA數(shù)據(jù)庫(kù)中收集了550例和309例彌散性神經(jīng)膠質(zhì)瘤的RNA序列數(shù)據(jù)和臨床信息。 TCGA隊(duì)列用作訓(xùn)練集渔扎，而CGGA隊(duì)列用作驗(yàn)證集硫狞。

基因組選擇

四個(gè)與脂質(zhì)代謝相關(guān)的基因組（反應(yīng)組代謝脂和脂蛋白，Reactome磷脂代謝晃痴，標(biāo)志性脂肪酸代謝和KEGG甘油磷脂禁忌癥）從分子特征數(shù)據(jù)庫(kù)v5.1收集（MSigDB）残吩。 去除重疊的基因后，614種脂質(zhì)代謝物

生物信息學(xué)分析

對(duì)差異基因的功能注釋進(jìn)行了基因本體論（GO）分析愧旦。 基因組富集分析（GSEA）通過(guò)GSEA v3軟件用于鑒定兩組之間統(tǒng)計(jì)學(xué)上不同的基因組世剖。 使用R包“ princomp”進(jìn)行了13個(gè)主成分分析（PCA），以分析分組患者的表達(dá)模式笤虫。利用基因表達(dá)數(shù)據(jù)旁瘫，用R包“ ESTIMATE”計(jì)算每個(gè)樣品的基質(zhì)和免疫評(píng)分祖凫，這反映了基質(zhì)和免疫細(xì)胞的基因特征富集。

結(jié)果

image.png

圖1：LGG和GBM之間的脂質(zhì)代謝酬凳。 A惠况，TCGA隊(duì)列的LGG和GBM之間脂質(zhì)代謝相關(guān)基因的熱圖。 B宁仔，LGG和GBM之間脂質(zhì)代謝相關(guān)基因的主成分分析稠屠。 C，LGG和GBM之間差異基因的GO分析翎苫。 D和E权埠，LGG和GBM之間脂質(zhì)代謝狀態(tài)的基因集富集分析。

image.png

圖2：在TCGA隊(duì)列中通過(guò)Cox比例風(fēng)險(xiǎn)模型識(shí)別預(yù)后特征煎谍。 A,Venn圖顯示了與預(yù)后相關(guān)的脂質(zhì)代謝基因攘蔽，它們?cè)贕BM和LGG之間也有差異表達(dá)。 B呐粘，用于驗(yàn)證比例風(fēng)險(xiǎn)模型中參數(shù)選擇的交叉驗(yàn)證满俗。C，熱圖顯示特征基因作岖。 D唆垃，九個(gè)選定基因的系數(shù)（Coeff）值。 E痘儡，高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)患者的OS生存分析

image.png

圖3：脂質(zhì)代謝相關(guān)基因組與病理特征之間的關(guān)聯(lián)辕万。 A‐E，TCGA隊(duì)列中按等級(jí)谤辜，亞型蓄坏，IDH价捧，MGMT啟動(dòng)子和1p / 19q狀態(tài)在分層患者中風(fēng)險(xiǎn)評(píng)分的分布丑念。 F‐J，按年齡结蟋，亞型脯倚，IDH，MGMT啟動(dòng)子和CGGA隊(duì)列中的1p / 19q狀態(tài)在分層患者中的風(fēng)險(xiǎn)評(píng)分分布

image.png

圖4：分層患者中基因集結(jié)果的預(yù)測(cè)嵌屎。 A‐H推正，分層患者的生存分析

按等級(jí)，IDH宝惰，MGMT啟動(dòng)子和1p / 19q狀態(tài)

image.png

圖5：低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)病例之間的功能豐富植榕。 A和B，兩個(gè)隊(duì)列中低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)病例之間差異基因的GO分析尼夺。 C和D尊残，基于兩個(gè)隊(duì)列中風(fēng)險(xiǎn)評(píng)分的中位數(shù)的GSEA分析