Prädiktiver Wert von N6-Methyladenosin (m6A)-assoziierten Genen für die Prognose und Korrelation mit dem Tumor-Mikromilieu bei Magenkrebs
Magenkrebs (GC) bleibt eine erhebliche globale Gesundheitsbelastung mit begrenzten prognostischen Werkzeugen und therapeutischen Strategien. Jüngste Fortschritte in der Epigenetik haben die Rolle von RNA-Modifikationen, insbesondere N6-Methyladenosin (m6A), in der Krebsbiologie hervorgehoben. Als die häufigste post-transkriptionale RNA-Modifikation reguliert m6A das RNA-Spleißen, die Translation, Stabilität und den Abbau und beeinflusst somit zelluläre Prozesse, die für die Tumorgenese entscheidend sind. Während neuere Studien m6A-Dysregulation mit dem Fortschreiten von GC in Verbindung bringen, bleibt der prognostische Wert m6A-assoziierter Gene und ihre Wechselwirkung mit dem Tumor-Mikromilieu (TME) – einem dynamischen Netzwerk aus Tumor- und Nicht-Tumorzellen, das Immunabwehr und Metastasierung beeinflusst – weitgehend unerforscht. Diese Studie integriert Multi-Omics-Daten, um eine m6A-bezogene prognostische Signatur für GC zu konstruieren, ihre Leistung in unabhängigen Kohorten zu validieren und ihre Assoziation mit TME-Merkmalen zu untersuchen.
Datenerfassung und -verarbeitung
Klinische und RNA-Sequenzierungsdaten von 334 GC-Patienten aus The Cancer Genome Atlas (TCGA) und 433 Patienten aus dem Gene Expression Omnibus (GEO)-Datensatz (GSE84437) wurden analysiert. Proben mit einem Gesamtüberleben (OS) von weniger als 30 Tagen wurden ausgeschlossen. Die ethische Genehmigung wurde vom Ethikkomitee des China-Japan Friendship Hospital (Nr. 2018-116-K85-1) eingeholt, wobei die Deklaration von Helsinki eingehalten wurde. Öffentlich zugängliche Datensätze wurden verwendet, wodurch eine Einwilligungserklärung nicht erforderlich war. Die Datenanalyse erfolgte mit R Version 4.0.3 und SPSS Version 26.0, wobei die statistische Signifikanz auf P <0,05 festgelegt wurde.
Identifikation prognostischer m6A-assoziierter Gene
Dreiundzwanzig m6A-Regulatoren wurden kategorisiert: acht Writer (METTL3, METTL14, METTL16, WTAP, VIRMA, ZC3H13, RBM15, RBM15B), dreizehn Reader (YTHDC1, YTHDC2, YTHDF1–3, IGF2BP1–3, HNRNPC, FMR1, LRPPRC, ELAVL1, HNRNPA2B1) und zwei Eraser (FTO, ALKBH5). Mittels Pearson-Korrelation (|r| >0,600, P <0,001) wurden 280 Gene identifiziert, die mit diesen Regulatoren koexprimiert wurden. Eine univariate Cox-Regression zeigte 19 Gene, die signifikant mit der GC-Prognose assoziiert waren. Insbesondere waren PJA2 und FBXL7 in GC im Vergleich zu normalem Gewebe herunterreguliert, während 17 Gene, darunter UPF3A, HNRNPK und RBM15, hochreguliert waren, was auf eine Rolle in der GC-Pathogenese hindeutet.
Konsensus-Clustering offenbart distinkte molekulare Subgruppen
GC-Patienten in TCGA wurden mittels Konsensus-Clustering in zwei Cluster stratifiziert. Cluster 1 (n=204) und Cluster 2 (n=130) zeigten unterschiedliche klinische und molekulare Profile:
- Cluster 2-Patienten waren älter (P=0,003) und hatten frühere TNM-Stadien (P=0,004).
- Cluster 2 wies ein besseres OS auf (P=0,005), eine höhere PD-L1-Expression (P<0,001), niedrigere Immun-Scores (P<0,001) und niedrigere Stroma-Scores (P<0,001).
- Die Muster der Immunzellinfiltration divergierten: Cluster 1 zeigte eine Anreicherung von ruhenden CD4+ T-Zellen, regulatorischen T-Zellen, Monozyten und ruhenden Mastzellen, während Cluster 2 aktivierte CD4+ T-Zellen, follikuläre Helfer-T-Zellen und pro-inflammatorische M1-Makrophagen aufwies.
Diese Ergebnisse unterstreichen m6A-assoziierte Gencluster als Prädiktoren für die Zusammensetzung und Immunogenität des TME bei GC.
Konstruktion und Validierung einer Fünf-Gen-prognostischen Signatur
Ein Risikoscore-Modell wurde mittels LASSO-Regression im TCGA-Trainingsdatensatz (n=202) entwickelt. Fünf Gene – PJA2, FBXL7, UPF3A, HNRNPK und RBM15 – wurden ausgewählt, wobei die Koeffizienten wie folgt berechnet wurden:
Risikoscore = (0,0101 × PJA2) + (0,0037 × FBXL7) + (−0,0335 × UPF3A) + (−0,0002 × HNRNPK) + (−0,0872 × RBM15).
Patienten wurden anhand des Median-Scores in Hoch- und Niedrigrisikogruppen eingeteilt. Hochrisiko-Patienten zeigten ein schlechteres OS im TCGA-Trainingsdatensatz (AUC=0,700), im Testdatensatz (AUC=0,678) und in der GEO-Kohorte (AUC=0,665). Eine multivariate Cox-Analyse bestätigte den Risikoscore als unabhängigen prognostischen Faktor in allen Kohorten (P<0,001).
Korrelationen mit dem Tumor-Mikromilieu und Immunabwehr
Hochrisiko-Patienten wiesen erhöhte Immun- und Stroma-Scores auf (P<0,001), was auf eine Fülle von nicht-tumoralen zellulären Komponenten hinweist. Die Muster der Immunzellinfiltration waren jedoch immunsuppressiv: Hochrisikogruppen zeigten eine erhöhte Anzahl von ruhenden CD4+ T-Zellen, M2-Makrophagen, ruhenden dendritischen Zellen und ruhenden Mastzellen sowie eine reduzierte Anzahl von Plasmazellen, aktivierten CD4+ T-Zellen und M1-Makrophagen. Dieses Phänotyp entspricht TMEs, die resistent gegen Immuntherapien sind, was durch die Hochregulation von PD-L1 in Cluster 2 (P<0,001) unterstützt wird, was auf eine paradoxe Immunaktivierung bei Niedrigrisiko-Patienten hindeutet.
Klinische Implikationen und Limitationen
Diese Studie etabliert eine robuste m6A-assoziierte Gen-Signatur für die GC-Prognose, die in zwei unabhängigen Kohorten validiert wurde. Die Wechselwirkung zwischen m6A-Dysregulation und TME-Remodellierung liefert mechanistische Einblicke in das Fortschreiten von GC. Eine erhöhte m6A-Aktivität bei Hochrisiko-Patienten könnte onkogene Signalwege antreiben, während immunsuppressive TME-Merkmale auf potenzielle therapeutische Resistenz hinweisen.
Zu den Limitationen gehören das retrospektive Design und das Fehlen funktioneller Validierungen. Prospektive Studien mit größeren Kohorten sind notwendig, um den klinischen Nutzen zu bestätigen. Mechanistische Experimente – wie CRISPR-Screens oder Methylierungsassays – sind unerlässlich, um zu klären, wie PJA2, FBXL7 und andere Gene m6A-Dynamiken und Immunabwehr regulieren.
Schlussfolgerung
Durch die Integration von transkriptomischen und klinischen Daten identifiziert diese Studie eine Fünf-Gen-m6A-assoziierte Signatur, die GC-Ergebnisse und TME-Merkmale vorhersagt. Hochrisiko-Patienten zeigen eine aggressive Tumorbiologie und immunsuppressive Mikromilieus, was m6A-Regulatoren als potenzielle Biomarker und therapeutische Ziele hervorhebt. Zukünftige Forschung sollte die funktionellen Rollen dieser Gene in der GC-Biologie und ihren Nutzen bei der Steuerung der Immuntherapie untersuchen.
doi.org/10.1097/CM9.0000000000002137