Identifizierung prognostischer Gene in der Immunmikroumgebung des Lungenadenokarzinoms
Das Lungenadenokarzinom (LUAD) ist der häufigste histologische Subtyp des Lungenkarzinoms und eine Hauptursache für krebsbedingte Todesfälle weltweit. Die tumorimmune Mikroumgebung, bestehend aus infiltrierenden Immun- und Stromazellen, spielt eine entscheidende Rolle für die Prognose von LUAD-Patienten. Fortschritte in der Hochdurchsatzsequenzierung haben die Krebsforschung revolutioniert, indem sie die Analyse umfangreicher klinischer Daten zur Verbesserung von Diagnose, Therapie und Prävention ermöglichen. Diese Studie untersuchte die Korrelation zwischen Immun- und Stromascores bei LUAD-Patienten und identifizierte differentiell exprimierte Gene (DEGs) mit prognostischer Relevanz. Unter Verwendung des ESTIMATE-Algorithmus wurden Immun- und Stromascores von LUAD-Patienten aus der TCGA-Datenbank berechnet und DEGs basierend auf diesen Scores ermittelt. Die prognostische Signifikanz dieser Gene wurde anschließend durch die GEO-Datenbank, Kaplan-Meier-Analysen (K-M) sowie Bioinformatik-Tools wie STRING und Gen-Set-Enrichment-Analyse (GSEA) validiert.
Hintergrund und Relevanz
Die tumorale Mikroumgebung umfasst ein komplexes Netzwerk aus malignen Zellen, mesenchymalen Zellen, Entzündungsmediatoren, Endothelzellen, Stromazellen, Immunzellen und normalen Epithelzellen. Diese Umgebung beeinflusst maßgeblich die Krebsprogression, einschließlich des LUAD. Der ESTIMATE-Algorithmus von Yoshihara et al. ermöglicht die Vorhersage der Infiltration von Stroma- und Immunzellen in Tumorproben anhand transkriptioneller Profile. Dieser Algorithmus wurde bereits bei Prostatakarzinom, Glioblastom, Kolonkarzinom, Schilddrüsenkarzinom, Mammakarzinom und akuter myeloischer Leukämie eingesetzt, um prognostisch relevante Gene zu identifizieren.
Studiendesign und Methodik
Es wurden 522 LUAD-Patienten aus der TCGA-Datenbank mit vollständigen klinischen Informationen analysiert. Die klinisch-pathologischen Faktoren umfassten Alter, Geschlecht, T-Stadium, N-Stadium, M-Stadium und TNM-Stadium. 53,6% der Patienten waren weiblich, 46,4% männlich, mit einem Durchschnittsalter von 66 Jahren. Die T-Stadien verteilten sich auf T1 (33,0%), T2 (53,8%), T3 (9,0%) und T4 (3,6%). Die N-Stadien waren N0 (64,2%), N1 (18,8%), N2 (14,4%) und N3 (0,4%). Die M-Stadien umfassten M0 (67,6%) und M1 (4,8%). Über die Hälfte der Patienten befand sich in Stadium I/II ohne Metastasierung.
Der ESTIMATE-Algorithmus berechnete Immun- und Stromascores für alle Patienten. Die Scores wurden anhand ihrer Medianwerte in Hoch- und Niedriggruppen unterteilt. Die Stromascores reichten von -372,83 bis 351,82, die Immunscores von -172,02 bis 656,87. Die Kaplan-Meier-Überlebensanalyse zeigte, dass Patienten mit niedrigen Immunscores signifikant schlechtere Gesamtüberlebensraten aufwiesen (p = 0,013), während der Stromascore keinen eindeutigen Überlebensunterschied zeigte (p = 0,038).
Identifikation differentiell exprimierter Gene
Differentialexpressionsanalysen der LUAD-Expressionsprofile aus TCGA identifizierten 72 DEGs, darunter 64 hochregulierte und 8 herunterregulierte Gene. GO- und KEGG-Pfadanalysen ergaben, dass diese DEGs vorwiegend mit Immunprozessen assoziiert waren. Ein Protein-Protein-Interaktionsnetzwerk (PPI) wurde mittels STRAND-Datenbank erstellt (49 Knoten, 172 Kanten). Der MCODE-Algorithmus identifizierte zwei signifikante Module. Die Top-10-Gene mit den höchsten Interaktionsscores wurden mittels Cytoscape ermittelt. Überlebensanalysen der 72 DEGs zeigten, dass 22 Gene signifikant mit der LUAD-Prognose korrelierten (p < 0,05). Sechs Gene wurden in der GEO-Datenbank validiert, wovon fünf (ABI3BP, CSF2RB, KBTBD8, PKHD1L1, SCML4) im K-M-Plotter bestätigt wurden.
Funktionelle und Pathway-Analysen
Funktionelle Enrichment-Analysen der 22 prognostischen Gene wiesen auf eine Beteiligung an Immunantworten hin. GSEA mit Biocarta-Gen-Sets zeigte, dass die fünf Schlüsselgene (CSF2RB, PKHD1L1, ABI3BP, SCML4, KBTBD8) positiv in Signalwegen wie TCR, IL2RB, FCER1, FMLP, CTCF, TOB1, CTLA4, GH, IL7, NO2IL12, IL12 und TH1TH2 angereichert waren.
Diskussion
Die Studie identifizierte fünf Schlüsselgene mit prognostischer Bedeutung für LUAD. ABI3BP, ein potenzieller Biomarker für Lungenkrebs, wird in Lungenkrebszelllinien supprimiert. Seine Hochregulierung hemmt in Gallenblasenkarzinomen die EZH2-induzierte H3K27-Methylierung, was auf eine tumorsuppressive Rolle hindeutet. CSF2RB induziert Apoptose in Krebszellen, während PKHD1L1 das Zellwachstum in Schilddrüsenkarzinomzellen hemmt. Die Funktionen von KBTBD8 und SCML4 in der Onkologie bleiben unklar und bedürfen weiterer Forschung.
Die mit diesen Genen assoziierten Signalwege (z.B. TCR, CTLA4) sind entscheidend für Immunregulation und Krebsprogression. Ihre spezifischen Mechanismen in LUAD müssen jedoch durch In-vivo- und In-vitro-Experimente validiert werden.
Limitationen und Ausblick
Obwohl diese Studie prognostische Gene mittels ESTIMATE und Bioinformatik erfolgreich identifizierte, erfordern die Ergebnisse eine experimentelle Validierung an humanen Proben. Künftige Forschung sollte die prognostische und therapeutische Relevanz der Gene in klinischen Studien und funktionellen Assays überprüfen.
Zusammenfassung
Diese Studie nutzte den ESTIMATE-Algorithmus und bioinformatische Ansätze, um Schlüsselgene in der Immunmikroumgebung des LUAD zu identifizieren. Die fünf Gene (CSF2RB, PKHD1L1, ABI3BP, SCML4, KBTBD8) zeigen Potenzial als prognostische Marker und Therapietargets. Weitere Forschung ist erforderlich, um ihre Rolle zu validieren und ihre klinische Anwendbarkeit zu erforschen.
doi.org/10.1097/CM9.0000000000001367