掃碼聯系客服
罹患惡性腫瘤的患者保持良好的心態真的重要嗎？到底有多重要？這是無稽之談嗎？還是確有其事？
這只是一個早有爭論的老問題，好像濺不起來什么水花！但是，聰明的小伙伴，已經想到用生信的思路，解決這平平無奇老問題了。點睛之筆（臨床問題）+一點點小巧的生信分析，輕松發到5+! 其實本質思路簡簡單單，生信小白都可以拿捏！
文章題目“基于抑郁相關基因的乳腺癌預后風險預測模型的建立與驗證Development and Validation of a Risk Prediction Model for Breast Cancer Prognosis Based on Depression-Related Genes”，于 2022/5發表在Frontiers in Oncology（IF 5.73/Q2）上。
許多研究已經表明抑郁癥在介導乳腺癌復發和轉移中起著重要作用，抑郁癥與乳腺癌復發風險增加24%，全因死亡風險增加30%以及癌癥特異性死亡風險增加29%有關。然而，缺乏精確的風險模型來評估抑郁癥對乳腺癌預后的潛在影響。因此，建立新的signature來進行風險預測和抗癌藥物開發至關重要。在這項研究中，作者建立了一種抑郁癥相關基因（DRG）signature，不僅突出了抑郁癥在乳腺癌預后中的重要性，而且為更好地預防抑郁癥對乳腺癌預后的潛在不利影響提供了一種新的基因檢測工具。
強調了監測和治療心理壓力在預防乳腺癌復發和轉移中的重要性，這對乳腺癌患者個性化管理和隨訪策略的制定具有重要的指導意義。
一、背景
乳腺癌是全世界女性面臨的嚴重健康問題，其發病率和死亡率在女性惡性腫瘤中居首位。鑒于乳腺癌的潛伏期長且年齡相對較小，預后風險預測模型的發展對于改善治療策略和總體生存（OS）具有重要價值。乳腺癌復發的風險主要與年齡，腫瘤大小，組織學分級，腫瘤周圍血管內癌栓子以及雌激素受體（ER）/孕激素受體（PR）和人表皮生長因子受體2（HER2）。乳腺癌分為四種類型，即管腔A，管腔B，HER2+和三陰性乳腺癌（TNBC），其中TNBC被認為預后不良。事實上，只有77%的TNBC患者在診斷后存活5年，而其他亞型的存活率達到93%，而轉移性TNBC的5年生存率低于30%。
然而，乳腺癌是一種高度異質性疾病，一些TNBC患者復發風險低，生存期相對較長。據信，除ER，PR和HER2外，還有更多基因參與確定乳腺癌預后。因此，建立新的signature來進行風險預測和抗癌藥物開發至關重要。
許多研究已經發現抑郁癥與乳腺癌之間具有著密切的相關性。薈萃分析顯示，32.3%的乳腺癌患者患有抑郁癥，近一半的早期乳腺癌患者在診斷后會出現抑郁，焦慮或兩者兼而有之。抑郁癥與乳腺癌復發風險增加24%，全因死亡風險增加30%以及癌癥特異性死亡風險增加29%有關。動物研究表明，心理壓力可以加速腫瘤生長并促進肺轉移，因此，探索抑郁相關基因（DRGs）在乳腺癌預后中的作用至關重要。
二、方法
1.數據來源和收集
從TCGA和數據庫收集乳腺癌相關的臨床信息和基因表達譜，該數據庫被選為包含1096個患者樣本和113個非腫瘤組織的測試數據集，從GEO數據庫下載獨立的數據集進行驗證。
2.乳腺癌中DEGs的選擇
從Genecard數據庫中共獲得8479個DRG，該數據庫提供了人類基因的全面最新列表。作者從TCGA獲得了8479個DRG的表達值。基于STRING在線工具構建DEG的PPI。然后應用Cytoscape軟中的MCODE分析了網絡中的關鍵模塊。
3.預后基因的鑒定和風險模型的構建
進行單變量Cox回歸分析以探索測試數據集中基因與OS之間的相關性。p＜0.05的DEGs被認為是候選基因。然后應用套索回歸縮小基因篩選的范圍。最后，構建多變量Cox分析以篩選高度預后相關的基因并產生預后風險模型。
4.構建模型的驗證
為了驗證該模型，采用Kaplan-Meier生存分析和對數秩檢驗來分析不同評分患者之間的生存差異。為了確認signature是否可以作為預測生存的獨立因素，進行了單變量和多變量Cox回歸分析。
5.GSEA分析
為了探索潛在的生物學途徑，基于MSigDB基因集進行分析。
6.免疫細胞浸潤分析
作為分析免疫細胞浸潤的最常被引用的工具，CIBERSORT用于根據其RNA測序數據量化免疫細胞比例。在這項研究中，該工具用于估計TCGA隊列中每個乳腺患者的免疫細胞分數比例。
7.風險signature在藥物治療中的意義探討
利用GDSC數據庫中的藥物敏感性基因組學來討論化療，內分泌治療和靶向治療反應低分和高分患者之間的差異。計算TCGA乳腺癌隊列中常見治療藥物的IC50。
8.針對高危患者的潛在小分子藥物的鑒定
將上調和下調的靶基因被上傳到CMap，根據表達譜之間的接近程度來鑒定潛在的治療分子。
9.列線圖的構建和評估
執行rms R軟件包以構建包含模型和臨床病理signature的列線圖。應用C指數和校準圖來評估預測概率。
三、結果
1.DRGs的鑒定及預測乳腺癌預后風險模型的建立
研究納入了1027例來自TCGA隊列的原發性乳腺癌患者，最終共鑒定出358個上調的DRGs和400個下調的DRGs(圖2A, B)，建立了基于差異表達基因(DEGs)的蛋白-蛋白相互作用(PPI)網絡,流程圖及臨床信息見圖1和表S1。
分子復合物檢測( MCODE)對網絡進行模塊分析獲得hub基因(圖2C)；篩選出5個顯著模塊，并進一步分析被鑒定樞紐基因的基因。單因素Cox發現與OS顯著相關的34個DRGs(圖2D)；lasso回歸分析進一步鑒定15個預后相關基因(圖2E)；多變量Cox分析確認了用于構建風險模型10個DRGs:MT3、SORBS1、IGFALS、AMH、IL12B、TP53AIP1、PXDNL、MC5R、FOXD1和LHX1。
2.模型預測乳腺癌OS的預后效果
根據公式計算訓練和驗證隊列的風險評分，將患者分為低風險組和高風險組，生存分析，以探索該模型的預測效果。生存分析顯示分數越高，患者死亡比例越高，生存時間越短（p<0.001）(圖3A-C)；低風險組的MT3，SORBS1，IGFALS，IL12B和TP53AIP1過表達，而高風險組的AMH，PXDNL，MC5R，FOXD1和LHX1過表達（圖3D）；ROC曲線下的最大面積（AUC）值為0.789，表明該模型具有良好的敏感性和特異性(圖3E)。以上分析在驗證隊列也得到相似結果。
3.模型與病理參數的相關性分析
風險模型與病理參數之間相關性分析，顯示風險模型與年齡，分子亞型，臨床分期，T分期和M分期相關，而N分期則不然。在驗證隊列也觀察到包括包括年齡，分子亞型，腫瘤大小和陽性淋巴結在內的顯著差異；
單因素Cox和多變量Cox分析，顯示風險評分模型是一個獨立預后因素（HR=1.075，95%CI:1.058-1.092），并在驗證組也得到類似結果（圖4）。
4.模型預測預后的分子機制分析
GSEA顯示，高危組主要在萜類骨架生物合成，細胞周期，戊糖和葡萄糖醛酸相互轉化，DNA復制，類固醇生物合成，果糖和甘露糖代謝以及錯配修復通路富集。相比之下，低風險組顯著富集細胞粘附分子，IgA產生的腸道免疫網絡，細胞因子-細胞因子受體相互作用，JAK-STAT信號通路，趨化因子信號通路，T細胞受體信號通路和白細胞跨內皮遷移等（圖 5A）。
GSEA分析表明模型與免疫途徑密切相關，因為許多研究已經表明，抑郁癥可以抑制免疫效應細胞并促進免疫逃逸，從而保護癌細胞免受免疫殺傷,作者進一步分析低風險和高風險病例中22種免疫細胞的豐度，結果顯示高危患者的免疫抑制細胞豐度較高(圖5B-C)。綜上，免疫抑制微環境可能是導致高危病例預后較差的原因。
免疫檢查點調節因子表達分析，顯示PD-1，PD-L1和CTLA-4的表達在低分患者中顯著增加（p＜0.05），而LAG3無統計學差異。這些結果意味著低風險患者可能對免疫檢查點阻斷療法敏感（圖5D）。
此外，低危組GZMA、GZMB和IFNG高表達，而高危乳腺癌患者TGFB1升高（p<0.001）(圖5E）。
5.模型在預測治療敏感性方面的臨床效果
作者進一步分析了模型與化療藥物，內分泌藥物和靶向制劑治療效果之間的關系。除紫杉醇外，低風險患者的化療藥物，內分泌治療和靶向治療的最大抑制濃度（IC50）較低(圖6A-B)，而高風險患者的靶向治療的IC50較低(圖6C)。
此外，對DEG進行CMap分析顯示包括普萘洛爾，嘌呤霉素，氯苯那敏，甲地孕酮，塞莫司汀和阿卡西汀等六種藥物適用于高危乳腺癌患者(圖6D)。
6.基于10基因風險模型的列線圖構建
為了建立一種定量預測OS的方法，作者開發了用于預測術后1年，3年和5年OS的列線圖。列線圖中包括四個風險因素，包括年齡，分期，分子亞型和風險評分（圖7A）。校準曲線顯示實際和預測的OS具有較高一致性（圖7B-D）。
討論
這項研究提供了一個新的10個DRG風險模型來預測乳腺癌的生存率。該模型對TNBC特別重要，有望預測藥物敏感性，因此有助于設計最佳治療策略以改善臨床預后。作者的研究結果進一步強調了監測和治療心理壓力在預防乳腺癌復發和轉移中的重要性，這對乳腺癌患者個性化管理和隨訪策略的制定具有重要的指導意義。
PXDNL是模型中的高風險基因，也是是抑郁癥患者的易感基因。MC5R是一種黑皮質素受體，可以介導軸對晝夜節律和皮質醇負反饋綜合信號的反應。據報道，MC5R拮抗劑可以治療抑郁癥或廣泛性焦慮癥。MT3可能與丁香酚的抗抑郁樣活性有關，導致腦源性神經營養因子的表達增加。
這10個基因除了與抑郁癥有關，還與抑郁、焦慮和恐慌在內的精神障礙相關。與沒有精神障礙的患者相比，患有抑郁癥，焦慮癥或恐慌癥的患者生活質量下降，治療依從性差。已有的研究表明抑郁和焦慮會增加乳腺癌復發和死亡的風險。
研究發現，乳腺導管癌患者的MT3表達低于非惡性乳腺組織，有淋巴結轉移的乳腺癌患者的MT3水平低于無轉移的乳腺癌患者。此外，乳腺癌細胞系中MT3的表達低于正常人乳腺上皮細胞系。這些發現表明MT3可能與乳腺上皮細胞的惡性轉化和腫瘤進展有關。除此之外，據報道，PXDNL和FOXD1參與了乳腺癌的發病機制，并且對預測預后具有重要意義，而FOXD1還與基底樣乳腺癌的預后顯著相關。
該模型與腫瘤浸潤性免疫細胞有關，高危患者中M2巨噬細胞和嗜中性粒細胞的豐度顯著增加。眾所周知，細胞因子在腫瘤免疫微環境中起著至關重要的作用。本研究中的高危患者免疫抑制細胞豐度較高，但M1巨噬細胞，幼稚B細胞，CD8 T細胞，靜息記憶CD4 T細胞，靜息樹突狀細胞，靜息肥大細胞和免疫抑制細胞因子（如TGFB1）的比例顯著降低。
此外，作者的研究為高危患者提供了潛在的治療選擇。事實證明，抗抑郁藥在乳腺癌中的應用可能會降低死亡風險。然而，抗抑郁藥，如選擇性5-羥色胺再攝取抑制劑，可以降低他莫昔芬的有效性并增加死亡風險。因此，有必要進行進一步的研究以進行驗證。Acacetin是一種天然類黃酮，可抑制致癌雌激素代謝產物的分泌，以及腫瘤細胞的增殖，侵襲和遷移。其在乳腺癌治療過程中調節DRG的潛在作用值得進一步探索。
