今天给同学们分享一篇生信文章“Cuproptosis-Related genes in the prognosis of colorectal cancer and their correlation with the tumor microenvironment”，这篇文章发表在Front Genet期刊上，影响因子为3.7。
结果解读：
不同临床特征的结直肠癌中CRG的表达模式
作者从之前的文献中获得了所有的CRGs，包括FDX1、LIAS、LIPT1、DLD、DLAT、PHDA1、PDHB、MTF1、GLS和CDKN2A（Tsvetkov等人，2022年）。作者对TCGA CRC数据集进行了主成分分析（PCA），并从肿瘤组中移除了一个样本。随后，作者检测了这些CRGs在肿瘤和正常样本中的表达，并发现6个基因，FDX1、LIAS、DLD、DLAT、PDHB和MTF1，在肿瘤中显著下调，而GLS和CDKN2A这两个基因则显著上调（图1A）。免疫组化染色显示，在TCGA中p < 0.05的这些CRGs中，它们的蛋白质表达趋势与TCGA中的RNA表达一致（图1B）。
在肿瘤中，作者发现与腺癌相比，粘液性腺癌中PDHA1和GLS的表达水平较低，而CDKN2A的表达水平较高（图2A）。此外，在复发和非复发的肿瘤样本之间，只有LIAS的表达有所不同。同时，在M0和M1之间的任何CRGs之间没有差异，这表明这些基因可能与肿瘤的远处转移无关。在淋巴转移方面，作者发现5个基因，包括LIAS、DLD、DLAT、PDHB和CDKN2A，在具有淋巴转移和没有淋巴转移的肿瘤之间的表达有显著差异（图2B）。LIAS、DLD、DLAT和PDHB在淋巴转移组中的表达水平较低，而CDKN2A的表达水平较高。关于T分期，作者发现大多数基因的表达与T分期呈正相关或负相关趋势（图2C）。其中，DLD、PDHA1和CDKN2A在不同的T分期中表达差异显著。DLD和PDHA1的表达随着T分期逐渐降低，而CDKN2A的表达逐渐增加。此外，作者还观察到了肿瘤分期方面的类似现象。LIAS、DLD、DLAT和CDKN2A的表达随着分期的增加而减少（图2），而CDKN2A的表达增加。不同的肿瘤病理类型具有不同的分子表达特征。因此，作者将CRC分为腺癌和粘液腺癌，然后观察不同临床特征下CRG的表达情况。结果显示，腺癌中CRG的表达与之前在淋巴转移、T分期和分期等不同临床特征下的表达相似（图2B-D）。然而，在粘液腺癌中，不同临床特征下的表达没有差异。以上研究结果表明，CRG的表达与CRC的临床特征密切相关。
CRG与CRC的生存关系
在作者发现CRG表达与CRC的临床特征密切相关后，作者试图确定CRG是否与预后有关。作者根据每个基因的中位表达值将CRC患者分组。结果显示，并非所有的CRG与预后有关。三个基因，PDX1、DLD1和DLAT与OS相关（所有p值<0.05）（图3）。这些基因的较低表达与较差的OS相关。三个基因，LIPT1、FDX1和PDHA1与DSS相关（所有p值<0.05）（图3）。较高的LIPT1表达与较差的DSS相关，而较低的PDX1和PDHA1表达与较差的DSS相关。此外，四个基因，LIAS、GLS、CDKN2A和LIPT1与PFI相关（图3）。LIAS的较低表达与较高的PFI相关，而GLS、CDKN2A和LIPT1的较低表达与较差的PFI相关。以上结果表明，CRG表达与CRC的预后之间存在一定的关系。
在CRC中构建CRGs的预后特征
为了进一步评估CRG与预后之间的关系，作者首先对CRG进行了OS的单变量Cox回归分析。DLAT、CDKN2A、DLD和PDHB与OS高度相关（图4A）。然后，进行了多变量Cox回归分析以进一步评估关系。结果显示，只有DLAT和CDKN2A与OS有显著关系（图4B）。作者认为这两个基因与CRC的预后最密切相关。随后，作者使用这两个基因的回归系数构建了一个预后风险评分：得分 = -0.641310371 × DLAT + 0.130766422 × CDKN2A。Kaplan-Meier生存分析显示，较高的风险评分与较差的OS相关（图4C）。随着风险评分的增加，生存率显著降低。作为保护因子，DLAT的表达随着风险评分的增加逐渐降低，而CDKN2A的表达水平作为风险因子逐渐增加。曲线下面积（AUC）评估在1年、3年和5年的预测准确率均超过70%（图4D）。为了进一步评估预后风险模型，作者计算了验证集中每个样本的风险得分。根据中位数得分将样本分为高风险组和低风险组后，结果与训练集中的先前结果一致。高风险得分的患者预后较差（图4E）。ROC曲线显示，1年和3年的预测准确率分别为0.65和0.62（图4F）。以上结果表明，作者构建的风险得分对于预测CRC患者的预后具有稳健性。
间质细胞与基于风险评分的CRGs之间的相关性
为了识别高风险组和低风险组之间的潜在差异，作者进行了差异表达分析。作者确定了高风险组和低风险组之间的差异表达基因（图5A），其中上调的差异表达基因多于下调的差异表达基因。热图显示了折叠变化率大于2的前50个差异表达基因。这些基因的表达在低风险组和高风险组之间存在显著差异。KEGG通路（图5B）在几个经典的肿瘤信号通路中富集，包括Wnt信号通路、PI3K Akt信号通路、mTOR信号通路等。此外，作者发现免疫相关的信号通路包括B细胞和T细胞受体信号通路、Th17分化以及PDL1和PDK1检查点信号通路。作者推测免疫浸润可能与肿瘤预后密切相关。
总结