神経芽腫における分子サブタイプの同定とリスクモデルの構築

Jul 11, 2023

Scientific Reports volume 13、記事番号: 11790 (2023) この記事を引用

234 アクセス

メトリクスの詳細

神経芽腫の不均一性は患者の予後に直接影響します。予後を改善するための患者治療の個別化は現段階の臨床課題であり、この研究の目的はさまざまな患者集団の特徴を明らかにすることです。これを達成するために、WGCNA を使用して GSE45547 データセットで同定された免疫関連細胞周期遺伝子を使用して、コンセンサスクラスタリングによって複数のデータセット (GSE45547、GSE49710、GSE73517、GES120559、E-MTAB-8248、および TARGET) の症例をサブグループに分類しました。。患者の免疫状態を評価するために、ESTIMATES、CIBERSORT、および ssGSEA が使用されました。そして、randomForestSRC と LASSO を使用して、サブタイプ間で差次的に発現される遺伝子に基づいて 7 遺伝子リスクモデルを構築しました。濃縮分析を使用して、異なるグループ間の生物学的特徴を実証しました。重要な遺伝子は、randomForest を使用してスクリーニングされ、ニューラルネットワークを構築し、検証されました。最後に、薬物感受性は GSCA および CellMiner データベースで評価されました。私たちは、免疫関連細胞周期遺伝子に基づいて、1811 人の患者を 2 つのサブタイプに分類しました。 2 つのサブタイプ (Cluster1 と Cluster2) は、異なる臨床的特徴、免疫レベル、染色体不安定性、および予後を示しました。高リスク群と低リスク群の間でも同様の有意差が実証されました。私たちの分析を通じて、独特の特徴を持つ神経芽腫のサブタイプを特定し、神経芽腫の不均一性についての理解を深めるリスクモデルを確立しました。

神経芽腫は交感神経起源の腫瘍であり、小児期早期に発生する最も一般的な頭蓋外固形腫瘍です。神経芽腫は小児悪性腫瘍の 7 ～ 8% を占め、局所的または自然退縮から広範な転移性疾患まで不均一な臨床経過をたどります1。この疾患の病因は複雑かつ多様であり、複数のシグナル伝達経路が関与しています。哺乳類ラパマイシン標的 (mTOR) 経路は、神経芽腫細胞の生存と化学療法耐性を促進します2。一方、WNT シグナル伝達経路は、MYCN 増幅のない患者の MYC レベルを上昇させます 3。さらに、ALK シグナル伝達経路は、散発性および家族性神経芽腫の症例における主要な癌遺伝子標的経路です4。

誰もが知っているように、無制限の増殖は悪性腫瘍の共通の特徴であり、細胞周期の調節不全と密接に関連しています5。細胞周期は、ギャップ 1 (G1)、DNA 合成 (S)、ギャップ 2 (G2)、および有糸分裂 (M) の 4 つのフェーズを含む複雑なプロセスです。細胞周期タンパク質と細胞周期タンパク質依存性キナーゼ (CDK) は、細胞周期相の進行を制御します6。同時に、各細胞周期イベントが正しく完了したかどうかは、細胞チェックポイント監視メカニズムの影響を受けます7。 DNA 損傷反応と有糸分裂紡錘体チェックポイントは、生物の健康を維持する上で重要な役割を果たします。知られているように、p53 腫瘍抑制因子は複数の細胞周期チェックポイントに関与しています 8。また、p53 の異常は、複数の経路を通じてがんの発生と進行を引き起こす可能性があります9。

細胞周期関連機構の異常も同様に、神経芽腫の発症と進行に重要な役割を果たします。神経芽腫患者の 25% で MYCN コピー数の増加が検出され 10、これは好ましくない臨床予後と強く関連していました 11。一方、MYCN は細胞増殖を加速する可能性があり 12、これは細胞周期タンパク質依存性キナーゼ 4 (CDK4) 13 に関連している可能性があります。 MYCN 増幅のない神経芽腫患者の場合、染色体変化を示す可能性が高く、やはり予後不良につながります 14。これは、DNA 損傷応答 (DDR) で役割を果たす一連のタンパク質をコードする共通領域が存在しないことに関連している可能性があります 15。研究がさらに深まるにつれて、染色体の不安定性が病気の発症と進行に重要な役割を果たしていることがわかってきました16。研究では、染色体 11q におけるヘテロ接合性の不均衡喪失 (LOH) と染色体 1p36 における LOH が、神経芽腫患者の予後不良の独立した危険因子であることが判明しました 17。 17q の増加は全生存期間 (OS) の低下にも関連していました 14。染色体の不安定性は、ヒトの胚発生の初期にも観察されています18。ただし、基礎となるメカニズムにより、細胞周期が正しく進行することが保証されます。したがって、細胞周期に関与するメカニズムを理解することは、神経芽腫を理解する上で極めて重要です。

0.05). The bar chart showed the three chromosomal abnormalities closely associated with prognosis in the GSE73517 dataset, they were 1p deletion, 11q deletion, and 17q gain (Fig. 2E). As shown inside the statistical Table1, the respective proportion of 1p deletion and 17q gain to the total number of clusters differed in the two clusters (P < 0.05). However, the quantities of 11q deletion did not differ between the two clusters (P > 0.05). Using survival data from E-MTAB-8248 and GDC TARGET-NBL, the differences in prognosis between the two clusters were compared. The results showed that the prognostic status of Cluster 2 was better than that of Cluster 1, which was consistent with the distribution of clinical prognostic indicators between the two groups (Fig. 2F)./p> 0.05 were not shown in the plot). (B) Heatmap of the DEGs derived from the 5 microarray datasets. (C) The Ven diagram showed the number of intersecting genes in the results of the difference analysis. (D) The TOP 30 genes based on the MCC algorithm, with the darker colors, indicating the higher MCC scores. (E,F) Bar graph (E) showed the results of GO enrichment and Bubble plots (F) showed KEGG enrichment results for Cluster 1 relative to Cluster 2 highly expressed genes. The numbers in the Bar graph represented the counts in the pathway. (G,H) Bar graph (G) showed the results of GO enrichment and Bubble plots (H) showed KEGG enrichment results for Cluster 1 relative to Cluster 2 low expressed genes. The numbers in the Bar graph represented the counts in the pathway. In the GO enrichment results (E,G), BP refers to Biological Process, CC denotes Cellular Component, and MF represents Molecular Function./p> 200, while the importance of the variables was judged using Variable Importance (VIMP) algorithm and the longer blue bars indicate the more important variables (Fig. 5B). We selected the TOP 50 most important genes based on the VIMP for inclusion in the LASSO Cox regression model (Supplementary Fig. S5A). With an optimal λ value (Fig. 5C,D), 7 genes (NMU, E2F3, UBE2S, DHFR, MIA, CHD5, and FAXDC2) retained their individual Cox coefficients after LASSO regularization (Supplementary Table 2). Using the established formula, the risk score was calculated for each sample (Fig. 5E). With a best cut-off value (Supplementary Fig. S5B), the dataset was divided into low-risk and high-risk groups (Fig. 5F). Kaplan–Meier analysis demonstrated that patients with higher risk score exhibited worse progression-free survival (PFS) and OS in the E-MTAB-8248 dataset (Fig. 5G,H)./p> 0.05). After that, the relationship between risk grouping and chromosomal instability was further explored. The results of the analysis confirmed that 1p deletion and 17q gain differed in the high- and low-risk subgroups and that the high-risk group was more likely to have these aberrations (P < 0.05). In contrast, 11q deletion was not statistically different between the two groups (P < 0.05) (Fig. 7B)./p>