小说精确预测策略管理和治疗选择与TP53突变结肠腺癌

介绍

结肠癌是一种癌症始于大肠是消化道的最后一部分。结肠腺癌(COAD)是最常见的结肠癌的亚型。据世界卫生组织(世卫组织),大约115万新病例和058万个死亡的结肠癌2020年,排名全世界癌症死亡的第五大原因(1)。尽管疾病负担结肠癌已经略有下降但通常在过去几年中保持稳定(2),中国仍然有最大的新发病例和死亡病例,占世界的28.20%和28.11%,分别为(3)。最近,许多治疗方法被开发出来,帮助抑制肿瘤进展,包括手术、放疗、化疗、靶向治疗和免疫治疗(4- - - - - -10)。然而,结肠癌患者的结果,尤其是晚期的病人,仍然非常贫穷和最重要的一个原因是基因突变的关键驱动因素促进结肠癌的发展。

TP53是一个至关重要的肿瘤抑制响应多样化的压力信号通过编排特定的细胞反应,包括瞬态细胞周期阻滞,细胞衰老和细胞凋亡,与肿瘤抑制相关的所有进程(11)。然而,TP53的失活突变为肿瘤细胞提供选择性的优势,使他们能够避免细胞周期检查点,避免细胞死亡和衰老,促进肿瘤细胞增殖异常(12),这使得TP53突变成为肿瘤发生的最重要的事件之一(13)。TP53突变发生在50%以上类型的癌症,已成为人类癌症中最常见的改变之一。在结直肠癌,大约60%的患者进行了TP53突变(14)。大量研究表明,TP53突变与肿瘤发生和发展有关结肠癌(15,16),导致预后不良。然而,临床医生还发现高异质性TP53突变患者结肠癌。重要的是分类TP53-mutant COAD帮助个体治疗更精确的签名。最近的研究已经开发出精确TP53-mutant肝细胞癌患者预后的签名(17)。然而,患者的预后的精确分类管理TP53-mutant COAD尚未开发。

在这项研究中,我们建立了一个预测签名尤其是COAD TP53突变的生物信息学分析和评估它在TP53-mutant COAD军团和TP53野生型群体。我们也试图探索潜在的目标和治疗制剂与TP53突变COAD高危患者,希望提供新的见解与TP53突变精密治疗结肠癌。

方法

RNA序列数据收集

转录组的概要,突变数据和414年的临床随访信息样本下载的癌症基因组图谱(TCGA)数据库(https://portal.gdc.cancer.gov)。前瞻性收集结肠癌组的临床肿瘤蛋白质组学分析财团(CPTAC)一致成对结肠肿瘤和肿瘤组织从110年结肠癌患者(18)。RNA序列数据,突变数据和临床数据从cBioPortal获得数据库(https://www.cbioportal.org/study/summary?id=coad_cptac_2019)。两组RNA-sequencing被合并成一个联合RNA-seq队列删除批处理后的效果。总共261 TP53-mutant样本结合RNA-seq队列被用于进一步分析。使用的数据我们得到从公共数据库和病人参与数据库获得伦理批准。

微阵列数据收集

总共三个微阵列数据集都参加这项研究。GSE39582和GSE17536从GPL570检索平台,和GSE41258从GPL96检索平台。585个样本的表达数据和相应的临床信息GSE39582, 177个样本GSE17536和186个样本在GSE41258从基因表达综合下载(GEO)数据库(https://www.ncbi.nlm.nih.gov/geo/)。消除样品后没有完整的临床资料和生存数据,541个样本GSE39582, GSE17536 177个样本,和182个样本GSE41258被用于进一步分析。值得注意的是,189个样本在GSE39582记录为TP53突变而其他352个样本被记录为TP53的野生型,和TP53-mutant样本用于签名。GSE17536和GSE41258被融合进一个地理群体作为验证。

至少绝对收缩和选择操作符(套索)分析

一百八十九个样本与TP53突变GSE39582随机分为训练集(N= 94)和测试集(N= 95)。LASSO-Cox回归方法(19,20.)是由“glmnet“R包在训练集和每个样本的风险评分计算基于系数和每个选定的基因的表达水平。

随机森林(RF)分析

来验证我们的结果在一个更大的样本容量导致实现更可靠的发现,我们进行射频分析通过“RandomForest”R包构建GSE39582 TP53突变状态预测模型。TP53突变状态的样品结合地理群估计了TP53突变状态预测模型。最后,结合地理群的一百九十六个样本预测TP53突变样本。

癌症细胞系分析

Broad研究所癌症细胞系百科全书(CCLE)项目包含的表达谱数据和体细胞突变数据超过一千人类癌症细胞系(21)和数据从CCLE下载网站(https://portals.broadinstitute.org/ccle/)。CERES得分计算方法来估计基因依赖水平CRISPR-Cas9重要性屏幕虽然占copy-number-specific效应(22)。更消极的谷神星分数表明基因在特定细胞系细胞生存所必需的。公司的谷神星成绩CRISPR在739年为18333个基因敲除屏幕细胞系获得从依赖地图(DepMap)门户网站(https://depmap.org/portal/)。

药物敏感性分析

在癌症基因组药物敏感性(GDSC)是最大的公共数据库,提供药物响应数据超过五百种化合物在人类癌症细胞系(约一千23)。在GDSC数据库中,49结肠和直肠腺癌(COAD-READ)细胞株,其中25港TP53突变被发现。分析药物反应TP53-mutant结肠癌,我们下载的IC50数据药物TP53-mutant COAD-READ细胞系GDSC数据库(https://www.cancerrxgene.org/)。细胞系的信息从DepMap门户网站下载(https://depmap.org/portal/)。

统计分析

生存曲线是通过使用kaplan meier生存分析通过“生存”R包。存活时间的差异之间的生存率较两组测试。接受者操作特征(ROC)曲线的时间通过“timeROC”R包,价值曲线下的面积(AUC)获得了作为预后的准确性的标准签名。多变量Cox分析被用来评估预后的独立的预后签名TP53-mutant COAD。列线图和校准曲线被“rms”捏造R包。所有执行的统计分析和可视化R(版本4.0.2)。一个双尾p值< 0.05被认为是显著的差异。我们研究的流程图所示图1。

结果

建立16-gene预后签名在COAD Tp53突变

所有参加本研究样本的临床特点进行了综述补充表S1。首先,二百五十三个基因被确定为预后基因在GSE39582 TP53-mutant样品单变量cox分析(补充表S2,所有p< 0.01)。然后,TP53-mutant GSE39582样本是随机分为训练集和测试集。基于预后基因,我们建立了一个16-gene预后签字LASSO-Cox回归训练集(图2一个)。所选16个基因包括GALK1、TGIF2 TAPBPL, SPINK1,体内ZNF500, LAMC1, MICB, RPL8, EEF1D, MAPKBP1, ZNF250, RFX3, ETV1, SERINC3 DIP2C, AKT3。每个样本的风险评分计算是基于每一个基因的表达水平和系数使用统一的公式:$\mathrm{风险}\mathrm{分数}={\sum }_{我=0}^n\mathrm{经验值}{r}_{我}\ast \mathrm{coe}{\mathrm{f}}_{我}$(补充表S3)。这16个签名基因的表达谱GSE39582所示图2 b。

16-gene预后签名在Tp53突变COAD伟大的预测效率

每个样本的风险分数被统一公式,计算和数据集分为高、低风险组中值的基础上的风险分数。每个子群的临床特点进行了综述补充表S4。样品与高风险的分数差的结果相比,那些低风险的得分在训练集(图2 c,p< 0.0001),测试集(图2 d,p= 0.00077),TP53突变样本GSE39582队列(图3一,p< 0.0001)。此外,1年期的AUC值,3年和5年生存预测TP53-mutant GSE39582样品分别为0.8028,0.7852,和0.7557,分别为(图3 b)。此外,TP53-mutant样本组合RNA-seq队列和估计TP53-mutant在合并后的地理群体为样本验证。同样,一个高风险评分与预后差相关TP53-mutant样本的联合RNA-seq队列(图3 c,p= 0.017)和估计TP53-mutant样本结合地理群(图3 d,p= 0.014)。此外,univariate-cox分析表明,风险评分和M类别预后因素在TP53-mutant COAD GSE39582 (图3 e,所有p< 0.001),因此我们注册这两个指标进行多变量cox分析。值得注意的是,风险评分和M类别都是独立预后不良因素TP53-mutant COAD (图3 e,所有p< 0.001)。RNA-seq队列相结合,风险评分,年龄、T类别,N类别,和M类别都是贫穷的预后因素TP53-mutant COAD (补充图S1A,所有p< 0.05),除此之外,年龄和M阶段独立预后不良因素对TP53-mutant COAD (补充图S1A,所有p< 0.05)。最后,我们制作的诺模图基于我们的签名和多个临床特征为TP53突变患者微阵列数据(图3 f)或RNA序列数据(补充图印地)。除此之外,我们也进行了校准曲线测试列线图的预测效率。结果表明,两个诺模图有很好的效率1到3年的预测生存TP53突变COAD患者(图3 g,补充图就是S1C)。

16-gene预后签名Tp53野生型COAD未能预测预后

测试是否建立签名可以用于预后预测与TP53 COAD野生型,预后意义的签名也评估与TP53野生型COAD样本,其中包括352 TP53 GSE39582野生型样品和253个样本与TP53野生型RNA-seq队列相结合。每个样本的风险评分也与统一公式计算,每个队列被分为高风险和低风险组基于风险评分的中值,分别。比较高风险和低风险组之间的存活曲线表明,没有发现显著差异之间的生存高危组和低风险组在TP53 GSE39582野生型样品(图4一,p= 0.12)和样品与联合RNA-seq队列(TP53的野生型图4 b,p= 0.31)。此外,我们估计,预测效率1年,3年,5年存活率与TP53 COAD野生型在两组使用ROC曲线分析。结果表明,建立签名都可怜的预测效率在TP53野生型预后COAD (图4 c, D)。综上所述,建立签名未能利用野生型TP53 COAD预后管理,表明我们的签名是特别用于TP53突变COAD患者预后的预测。

RHOQ, SGPP1 PDGFRB可能高危病人的治疗靶点

49 COAD细胞系的表达数据从CCLE获得数据库。首先,基因的表达水平之间的相关性和执行风险评分,和七个基因的表达水平呈正相关,风险评分,包括亮度、MIA3, NPTN, PDGFRB, PHOQ SGPP1, VAMP4 (图5一个)。然后,我们发现15的49 COAD细胞系存在TP53突变,因此,我们进一步分析了谷神星的分数之间的关系的七上述基因和风险评分15 TP53-mutant COAD细胞系。结果表明,风险评分与CERES分数负相关的7个基因(图5 b - h)。最后,我们定义了三种的七个基因作为高风险的基本目标TP53-mutant COAD,与CERES分数小于0 80% TP53突变COAD细胞系,包括SGPP1 RHOQ, PDGFRB。

勘探的潜在治疗药物Tp53-mutant COAD高的风险

518年抗肿瘤药物的敏感数据得到从GDSC数据库包含两个数据集(GDSC1和GDSC2)。我们确定了候选药物通过分析药物的IC50在两个数据集。我们发现15 TP53-mutant COAD细胞系是敏感到八药物GDSC1 GDSC2数据集,数据集和五个药物包括Mitomycin-C Dacinostat, Belinostat, GSK1059615, Apitolisib, AZD5438, AZD7762, igfr - 3801, Staurosporine, mk - 1775年Dinaciclib, Sabutoclax, mg - 132 (图6)。此外,我们将样本之间的IC50与高风险和低风险,和结果表明,高危组IC50相比低风险组在三种药物包括igfr - 3801, Staurosporine和Sabutoclax (图6 b),这表明igfr - 3801, Staurosporine, Sabutoclax潜在代理商的高风险COAD TP53突变。

讨论

TP53是最重要的一个司机肿瘤发生的基因突变或沉默在大多数人类癌症包括COAD (24)。上到COAD港口TP53突变患者的60%,然而,在COAD TP53突变的预后价值地位是有争议的(25,26)。因此,开发一个更精确的分类有利于预后风险管理和精密TP53突变COAD患者的治疗。在这项研究中,我们建立了一个预测签名特定COAD 16-genes TP53突变的患者包括GALK1 TGIF2, TAPBPL, SPINK1,体内ZNF500, LAMC1, MICB, RPL8, EEF1D, MAPKBP1, ZNF250, RFX3, ETV1, SERINC3 DIP2C, AKT3。其中16个基因,MICB已报告在结直肠癌预后良好的生物标志物(27)。此外,AKT3增强迁移和诱导结肠癌细胞的耐药性调停mir - 125 b - 5 - p (28)。有趣的是,与更糟糕的结果建立预后签名可以区分COAD高危只有在那些TP53突变,而不是在那些与TP53的野生型,建议建立预后的签名有潜力成为小说的风险分类患者尤其是TP53-mutant COAD。此外,列线图的预测效率1年,3年,5年存活率与TP53突变COAD捏造改善预后的临床应用签名。

如今,一些前瞻性研究报道,VEGF / VEGFR抑制剂和WEE1抑制剂有前途的治疗患者TP53突变(29日,30.),然而,这些抑制剂的效率与TP53突变COAD尚未研究。因此,COAD TP53突变患者的治疗对临床医生仍是一个非常棘手的任务。迫在眉睫的是治疗发展新的药物靶点的识别TP53-mutant COAD导致改善患者的结果。在这项研究中,我们进一步分类TP53-mutant COAD高风险和低风险。低风险的患者预后良好,表明这些病人可能受益于传统治疗。然而,决定治疗高危患者不良预后需要非常小心。因此,我们探讨了潜在的高危患者的治疗目标,期望能帮助精确治疗,包括SGPP1 RHOQ, PDGFRB。SGPP1的催化Sphingosine-1-phosphate (S1P),后者是一种生物活性鞘脂类代谢产物,调节不同的生物过程(31日,32),和SIP与信号传感器和转录激活3 (STAT3)激活和colitis-associated结直肠癌的发展(32)。一些研究已经证明,SGPP1目标在致癌作用和结直肠癌发展(33,34)。RHOQ小ρGTPase家族中的一员,与不活跃的GDP之间循环的一个活跃的三磷酸鸟苷结合状态(35)。RNA编辑的研究阐明,失调RHOQ导致大肠癌的发展(36)。

一种新药的发展是耗时的。然而,探索新的应用程序的现有药物可以大大缩短了时间,使患者尽快从治疗中获益。因此,我们进一步探讨了潜在的敏感药物为高危患者,包括igfr - 3801, Staurosporine, Sabutoclax,期望为临床试验提供了新的线索。igfr - 3801是一个针对IGFR1和IGF1R信号通路的药物。一项研究表明,核内IGF1R隔间的表达水平可能导致结直肠癌转移和治疗抵抗(37)。Staurosporine是RTK的广谱激酶抑制剂针对信号通路。一项研究也表明,Staurosporine抑制细胞生长通过针对河马通路(38)。多项研究已经证明Staurosporine在结肠癌的重要功能,包括凋亡诱导、顺铂化疗缓解和癌胚抗原表达增加(39- - - - - -41)。Sabutoclax是一种小分子BH3模仿,抑制凋亡bcl - 2蛋白的功能和目标细胞凋亡调控途径。一项研究揭示,Sabutoclax和嵌合腺病毒血清型改善治疗效果在结直肠癌细胞通过提高交付mda-7 / IL-24 (42)。

总之,我们建立一个更精确的预后签名TP53-mutant COAD,这可能是有用的预后监测和TP53突变COAD临床患者的治疗计划。此外,我们进一步确定三个潜在的治疗靶点和三个潜在治疗药物对于高风险患者,希望帮助精密治疗发展TP53-mutant COAD。

即便如此,仍有一些局限性。我们建造了一个TP53突变状态预测模型通过机器学习的方法来获得更可靠的结果。然而,仍有轻微的差异估计TP53突变状态和实际TP53突变状态。此外,我们探讨了潜在的治疗靶点和代理TP53-mutant病人,但是这些目标的有效性和代理COAD TP53突变仍需要进一步的实验证实。在未来,我们将尝试克服这些缺点。

结论

16-gene预后签名成立特别是COAD TP53突变,患者的预后预测有很好的性能TP53-mutant COAD。此外,我们确定了潜在的治疗靶点和药物高风险TP53-mutant COAD。预后不仅我们的发现提供了一个新的战略管理还新线索药物应用和精密治疗在COAD TP53突变。

数据可用性声明

公开的数据集进行分析。这些数据可以在这里找到:TCGA-COAD数据集:https://portal.gdc.cancer.gov;CPTAC-COAD数据集:https://www.cbioportal.org/study/summary?id=coad_cptac_2019;GSE39582、GSE17536 GSE41258:https://www.ncbi.nlm.nih.gov/geo/;CCLE数据库:https://portals.broadinstitute.org/ccle/;GDSC数据库:https://www.cancerrxgene.org/。

作者的贡献

LN和LL:概念、方法、软件验证,正式的分析、调查、资源、数据管理、原创作品草稿,可视化;JC:概念化、资源数据管理,Writing-Review和编辑、监理、项目管理等。所有作者的文章和批准提交的版本。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

补充材料

本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fsurg.2023.1079129/full补充材料。

引用