2022年m6A做分型依然是热点！

生物医学公众号  推荐

医学直通车

▲长按二维码“识别”订阅

推荐理由：

医学直通车，硕博医学人必备公众号！每天更新内容包括实验技术资料指导及各科室临床常见问题及解决办法探讨、最新医学新政策新技术解读，医生职称晋升，招聘求职信息等！作为医学人，您的需要就是我们的奋斗目标！关注我们，搭上医学直通车，从此工作，生活，娱乐不再愁！

硕博医学人必备公众号！

重要通知：

近期有读者反映不能每天准时收到我们的推送，原因在于微信公众号平台改变了推送方式。为了避免类似情况，请为“科研人直通车”设置星标，文章点一下“在看”，保持互动热度，就能及时收到每期推送啦！

导语GUIDE ╲

基于m6A调节因子的signature可以区分头颈部鳞状细胞癌患者的预后。

背景介绍

今天小编为大家带来一篇经典的m6A调节因子相关基因作为signature进行分型预后的文章。这篇文章2022年2月刚刚发表在Front Immunol（实时影响因子8分+），说明今年m6A依然是热点。

数据介绍

本文使用TCGA-HNSCC数据（https://xenabrowser.net/datapages/），共546个TCGA-HNSCC样本，包括500个肿瘤组织样本，44个正常组织样本和2个转移性癌症组织样本。

结果解析

01

m6A调控因子在头颈癌和正常样本的差异

头颈癌肿瘤组织中18个m6A调节基因的表达高于正常组织中的表达，包括7个m6A writer基因（VIRMA，RBM15，METTL3，WTAP，CBLL1，METTL14和LRPPRC），9个reader基因（IGF2BP1， HNRNPC，HNRNPA2B1，YTHDF1，ELAVL1，FMR1，YTHDF3，YTHDF2和YTHDC1）和2个erasers基因（ALKBH5和FTO）（图1）。这些结果表明，m6A修饰与头颈癌的发生有关。

图1

02

鉴定m6A调节因子相关基因

使用Pearson相关分析筛选与CNV、突变和转录水平显著相关的m6A调节因子相关基因。结果检测到9176个基因与CNV水平的m6A调控基因显著相关，17309个基因在甲基化水平显著相关，8504个基因在转录水平显著相关）。维恩图显示，有1598个基因在转录、CNV 和甲基化水平上的表达与m6A调节因子的表达有关。

图2

进一步对这1598个m6A调节相关基因进行了富集，发现65条通路显著富集（图2B）。使用Cytoscape 插件“ClueGO”用于网络分析。在KEGG通路方面，发现mTOR、自噬和泛素介导的蛋白水解信号通路显着丰富（图2C）。在细胞成分 (CC) 中，发现粘着斑和蛋白激酶复合物显着富集（图2D）。对于生物过程 (BP)，显着丰富的途径包括蛋白激酶相关过程、自噬和应激激活的丝裂原激活蛋白激酶 (MAPK) 级联反应 (图 3E)。对于分子功能 (MF), 发现蛋白激酶活性和细胞粘附显着丰富 (图2F)。

03

筛选预后相关的关键基因

单变量Cox 回归分析显示，58 个m6A调节相关基因与头颈癌患者的生存相关（图3A）。Lasso-Cox回归结果表明，有12个基因可被视为头颈癌患者 OS 的预后因素（图3B）。这12个基因的lasso-Cox回归系数如图3C所示。

图3

随后作者构建了58个基因的蛋白质-蛋白质相互作用（PPI）网络，揭示前12个基因表明PRKCA、MAP2K7、VDAC1、FZD6、SQSTM1和CYCS位于关键位置（图3D）。此外，使用SRAMP软件揭示的12个关键m6A调节相关基因被认为是潜在的m6A甲基化修饰位点（图4）。

图4

04

构建m6A特征基因模型

通过Lasso回归分析选择的12个基因用于多变量Cox回归分析，以获得 TCGA-HNSCC队列中每个样本的生存风险评分（图5A）。可以使用以下公式计算每个癌症样本的风险评分：Riskraw = DAD1*2.316+CYCS*1.426+CSNK2A2*1.576+VPS25*0.728+VDAC1*0.976+TMLHE*0.381+CYTH3*0.024+PRKCA*0.260 -TP73*0.567+FZD6*0.047+SQSTM1*0.094-MAP2K7*3.070。将患者分为高风险组和低风险组。K-M生存曲线显示高风险患者的总体生存OS比低风险患者差（图5B）。3、5和10年生存期的预测AUC值分别为0.70、0.72和0.75（图5C）。

图5

多变量分析证实，在调整性别、年龄、临床分期和组织学分级后，高危组是OS的独立劣势因素（表1）。

使用GSE65858数据集对特征评分的预后值进行了外部验证，发现高风险组和低风险组之间的OS存在显著差异（图5D，E）。基于特征评分的3年和5年生存期预测AUC值分别为0.67和0.68（图5F）。这些值略低于基于训练集的预测性能值。该风险因素无法预测GSE65858数据集的10年生存状态，主要是因为GSE65858数据中病例的随访时间低于10年（图5F）。

表1

05

高低风险组的不同突变状态

为了更好地了解风险评分特征可用于有效评估患者预后的潜在机制，研究了高风险和低风险组患者的基因突变。作者发现低风险组的总体突变率比高风险组低约5%。此外，两组高频突变基因和突变率也有显著差异。在低风险组中，突变率最高的五个基因是TP53（59%）、TTN（39%）、PIK3CA（23%）、MUC16（18%）和CSMD3（18%）。高危组突变率最高的基因是TP53（83%）、TTN（47%）、FAT1（27%）、CDKN2A（24%）和CSMD3（20%）。

图6

06

风险评分与免疫浸润

不同风险组的患者表现出不同的预后和分子变异模式，所以风险评分也可能与肿瘤微环境中免疫细胞的浸润有关。首先，作者发现风险评分与免疫评分和基质评分弱相关。然后，使用Cibersort对高风险组和低风险组之间的免疫细胞浸润进行比较，发现在22种免疫细胞浸润类型中，8种类型的免疫细胞浸润在两组之间具有高度显著差异（图7）。

图7

07

风险评分预测免疫治疗效果

考虑到高危组和低危组的患者表现出不同程度的免疫细胞浸润，这些组可能表现出不同的ICI疗效。由于目前没有可用于在头颈癌中接受ICI的患者的转录组数据，因此使用口腔癌报告的数据来验证这一推测。使用 Imvigor210CoreBiology数据集的结果表明，对ICI无反应者 (SD + PD) 的风险评分高于反应者 (CR+PR；图8A)。同时，低风险组的ORR显著高于高风险组（分别为32%和13%；图8B）。此外，与低风险组相比，高风险组患者的OS表现出显著不良（图8C）。这一发现表明风险评分可用作免疫反应的预后标志物。

图8

小编总结

本文属于很常规的使用m6A调节因子相关基因构建风险模型的文章，故事也很完整，遗憾的是模型对免疫治疗疗效分型部分比较牵强，然而我们可以使用其他可用的公共数据集来弥补。

如有侵权，请联系本站删除！