PDF下载 ( 6149 KB)
基于生物信息学分析构建肝细胞癌患者新型双硫死亡相关预后模型
DOI: 10.12449/JCH240917
Construction of a novel disulfidptosis-related prognostic model for patients with hepatocellular carcinoma based on bioinformatics analysis
-
摘要:
目的 探讨双硫死亡基因在肝细胞癌（HCC）中的表达情况，研究双硫死亡对HCC的预后价值并构建预后模型，分析其影响HCC的生物学过程和对索拉非尼耐药的影响。 方法 从TCGA-LIHC数据库中收集HCC患者的mRNA表达谱和相应临床数据。利用LASSO-Cox回归算法构建TCGA队列中的4基因预后预测模型。在外部数据集ICGC和GSE14520队列中验证模型的预后效能。基于癌症药物敏感性基因组学数据分析双硫死亡模型对索拉非尼治疗反应的预测作用。此外，进行GO和KEGG功能分析，以深入了解双硫死亡相关基因的生物学功能。计量资料两组间比较采用成组t检验；计数资料两组间比较采用χ2检验。采用Kaplan-Meier曲线和Log-rank检验评估预后差异；采用单因素和多因素Cox回归分析研究风险评分是否独立影响患者预后。 结果 在TCGA队列中行单因素Cox回归分析，7个已知的双硫死亡相关基因与HCC总生存期（OS）显著相关（P值均<0.05）；进一步通过LASSO-Cox回归分析，构建双硫死亡相关的基因（DRG）预后模型，并计算风险评分（RS-DRG），RS-DRG=0.061 6×GYS1表达水平+0.152 8×LRPPRC表达水平+0.268 3×RPN1表达水平+0.183 5×SLC7A11表达水平。Log-rank检验表明双硫死亡模型中高风险评分患者的OS明显低于低风险评分患者（P<0.001）。根据多因素Cox回归结果，在TCGA和ICGC队列中，风险评分都是OS的独立预测因子（TCGA：HR=1.869，P=0.002；ICGC：HR=3.469，P=0.004）。Spearman相关分析表明RS-DRG与肿瘤微环境中的多种免疫细胞类型（包括B淋巴细胞、CD4+ T淋巴细胞、中性粒细胞、巨噬细胞和树突状细胞）的浸润水平呈显著正相关（P值均<0.05）。高风险评分组患者索拉非尼IC50值更低，对索拉非尼更敏感（P<0.001）。KEGG/GO富集分析显示双硫死亡风险差异基因显著富集于多种有丝分裂相关的分子功能。 结论 本研究构建了一种新的双硫死亡相关基因预后模型，在预测HCC预后方面具有潜在的临床应用价值；以双硫死亡基因为靶点可能是治疗HCC的一种很有前景的方法。 Abstract:Objective To investigate the expression of disulfidptosis-related genes in hepatocellular carcinoma （HCC） and the prognostic value of disulfidptosis in HCC， to construct a prognostic model， and to analyze its impact on the biological processes of HCC and sorafenib resistance. Methods The TCGA-LIHC database was used to collect the mRNA expression profiles and corresponding clinical data of HCC patients， and the LASSO-Cox regression algorithm was used to construct a four-gene predictive model for prognosis in the TCGA cohort. The external datasets ICGC and GSE14520 were used to validate the prognostic efficacy of the model， and the Cancer Drug Sensitivity Genomics （GDSC） data were used to investigate the value of the disulfidptosis model in predicting sorafenib treatment response， and gene ontology （GO） and Kyoto Encyclopedia of Genes and Genomes （KEGG） analyses were used to investigate the biological functions of disulfidptosis-related genes. The independent-samples t test was used for comparison of continuous data between two groups， and the chi-square test was used for comparison of categorical data between two groups. The Kaplan-Meier curve and the log-rank test were used to evaluate the difference in prognosis， and univariate and multivariate Cox regression analyses were used to investigate whether risk score was an independent influencing factor for patient prognosis. Results The univariate Cox regression analysis in the TCGA cohort showed that seven known disulfidptosis-related genes were significantly associated with overall survival （OS） in HCC （all P<0.05）. The LASSO-Cox regression analysis was used to construct a prognostic model based on disulfidptosis-related genes （DRG）， and the risk score RS-DRG was calculated as RS-DRG=（0.061 6）×GYS1 expression level+（0.152 8）×LRPPRC expression level+（0.268 3）×RPN1 expression level+（0.183 5）×SLC7A11 expression level. The log-rank test showed that the patients with a high risk score based on the disulfidptosis model had a significantly lower OS than those with a low risk score （P<0.001）. Based on the results of the multivariate Cox regression analysis， risk score was an independent predictive factor for OS in both TCGA and ICGC cohorts （TCGA： hazard ratio ［HR］=1.869， P=0.002； ICGC： HR=3.469， P=0.004）. The Spearman correlation analysis showed that RS-DRG was significantly positively correlated with the infiltration level of various immune cells （including B lymphocytes， CD4+ T lymphocytes， neutrophils， macrophages， and dendritic cells） in tumor microenvironment （all P<0.05）. The patients in the high-risk score group had a significantly lower IC50 value of sorafenib and were more sensitive to sorafenib （P<0.001）. The KEGG/GO enrichment analysis showed that the differentially expressed disulfidptosis-related genes were significantly enriched in various mitosis-related molecular functions. Conclusion This study constructed a novel prognostic model based on disulfidptosis-related genes， which has a potential clinical value in predicting the prognosis of HCC， and targeting disulfidptosis-related genes may provide a promising approach for HCC treatment. -
胰腺癌是全球癌症相关死亡的主要原因之一［1］，胰腺导管腺癌（pancreatic ductal adenocarcinoma，PDAC）是胰腺癌的主要类型。目前，PDAC已成为美国癌症相关死亡的第三大原因［2］。PDAC的早期症状通常是非特异性的，因此大多数PDAC患者确诊时肿瘤已不可切除或发生转移［3-4］。对于PDAC患者，手术切除是唯一能够提供长期生存的根治性治疗，但只有约20%的患者可施行手术治疗［5］。而在接受手术切除的患者中，5年生存率仅为15%～25%［6］。PDAC患者切除术后的早期复发是影响患者术后生存率的重要因素［7］。据报道［8-10］，胰腺癌术后中位复发时间为10～12个月。因此，有效预测PDAC术后早期复发，尽早采取针对性治疗措施，对于患者预后至关重要。胰十二指肠切除术（pancreaticoduodenectomy，PD）是治疗胰腺癌的标准术式，目前基于快速康复理念，腹腔镜胰十二指肠切除术（laparoscopic pancreaticoduodenectomy，LPD）逐渐增多。与PD手术相比，LPD具有创伤更小，术后恢复更快等优势，因此在国内外广泛开展，但探究PDAC患者行LPD术后的早期复发影响因素的相关研究仍然较少。本研究对行 LPD的PDAC患者进行分析总结，探究术后肿瘤早期复发的危险因素并构建早期复发预测模型。
1. 资料与方法
1.1 研究对象
回顾性收集2016年4月—2022年7月于吉林大学第一医院行LPD且术后病理为PDAC的患者的临床资料。纳入标准：（1）术后病理确诊为PDAC，术前未合并其他恶性肿瘤，可以耐受麻醉且术前未接受过针对PDAC的各类新辅助治疗。（2）术前增强CT或MRI、PET-CT提示，未发现肿瘤存在远处转移。术前经血管三维重建评估肿瘤与周围脏器解剖关系，预计病变可以完整切除的病例（肿瘤未侵犯腹主动脉、肠系膜上动脉和肝总动脉，或肿瘤未侵犯肠系膜上静脉或门静脉，或侵犯范围≤180°但无静脉边缘不规则）［11］。（3）手术由同一术者完成。（4）患者术中快速病理与术后病理需满足R0切除。（5）术后患者遵医嘱进行影像检查和/或实验室检查形式的复查，密切随访。排除标准：（1）未遵医嘱复查者；（2）未能按计划实施LPD者（如术中转为开腹手术或改行姑息性手术）；（3）临床病理资料、随访资料存在缺失者；（4）围术期死亡患者：指患者在术后90 d内死亡或在第一次住院期间死亡。
1.2 手术方式及围术期管理
所有患者均由同一手术团队完成，均采用“后入路、钩突先行、动脉优先”手术入路方式［12］。消化道的吻合重建采用Child吻合方式，胰肠吻合的重建采用改良双荷包胰肠吻合方式，并分别于胰肠、胆肠吻合口旁及肠系膜上静脉旁各留置1枚引流管。术后所有患者均给予抑酸，抑酶，抗炎，补液，补充白蛋白等对症治疗。
1.3 观察指标
（1）术前资料：年龄、性别、BMI、CA19-9、CA125、术前血清总胆红素水平、是否患有高血压、是否患有糖尿病、上腹部手术史、术前是否行胆道引流、美国麻醉医师协会（American Society of Anesthesiologists，ASA）分级。（2）术中临床资料：术中失血量、术中输血情况、胰腺质地、胰管直径。（3）术后临床资料：胰瘘、胆瘘、腹腔感染、肺部感染、延迟性胃瘫、术后出血发生情况、术后辅助化疗。（4）病理学资料：肿瘤最大直径、分化程度、是否存在淋巴结转移、肿瘤是否有神经浸润或脉管浸润。所有患者术中均未行血管切除吻合重建。术后出血［13］、胆瘘、延迟性胃瘫等并发症的定义及分级均依据相应的指南［14-16］。腹腔感染参考《胰腺术后外科常见并发症诊治及预防的专家共识（2017）》［17］诊断标准。目前，术后肺部感染判定标准尚未统一，本研究依照《医院感染诊断标准（试行）》［18］及Clavien-Dindo分级［19］将肺部感染定义为：患者术后出现咳嗽、咳痰症状，影像学检查提示肺部感染征象，实验室检查结果显示白细胞计数明显升高，和/或痰培养明确病原菌。依据《胰腺术后外科常见并发症诊治及预防的专家共识（2017）》［17］将术后胰瘘定义为：术后≥3 d任意量的引流液中淀粉酶浓度高于正常血清淀粉酶浓度上限3倍以上。
1.4 术后随访
通过门诊进行随访，患者前12个月每3个月复查一次，随后每6～12个月复查一次。在每次门诊复查时，患者均行一次腹部和胸部CT、血常规、肝功能、肿瘤标志物等检查，CT平扫结果提示可疑复发时均行腹部/胸部增强CT确认病灶情况。本研究随访以肿瘤出现早期复发为终点事件。目前国内外针对PDAC术后早期复发并无统一标准，参考相关研究［20-24］，本研究将PDAC早期复发定义为：行 LPD且术后病理回报为PDAC的患者，术后规律复查过程中，通过影像检查和/或实验室检查证实的手术区域新发（恶性）病变或远处转移，自手术后第1日起到确诊复发的时间≤12个月［25］。复发的诊断以影像学检查结果为主，同时参考肿瘤标志物（CA125和CA19-9）和临床表现，当临床症状提示可能存在复发时，即行影像学检查。随访截止日期为2023年8月31日，所有患者术后随访时间均>12个月。
1.5 统计学方法
采用SPSS 26.0和R 4.1.3统计软件进行数据分析。计数资料组间比较采用χ2检验或Fisher精确概率法。Logistic回归分析影响术后早期复发的危险因素。采用受试者工作特征曲线下面积（AUC）评估模型的区分度，AUC>0.75为该模型有足够的区分度。利用Bootstrap重采样法随机抽样1 000次验证，并利用验证组再次验证。使用校准曲线和Hosmer-Lemeshow拟合优度检验评估校准度，决策曲线（Decision curve analysis，DCA）评估临床实用性。P<0.05为差异有统计学意义。
2. 结果
2.1 一般资料
共纳入240例患者，采用随机数字表法，按照7∶3比例，分为训练组（n=168）与验证组（n=72）。其中男134例，女106例，年龄最大者为79岁，最小者为27岁，平均年龄（59.42±9.07）岁，BMI（22.8±2.9）kg/m2。所有患者均顺利完成LPD，术中出血量为（263.29±131.39）mL，淋巴结清扫数目为（20.39±3.58）枚。240例患者术后均获得随访，中位随访时间为17.23（3.10～91.70）个月。随访中，共102例（42.50%）术后早期复发，其中腹腔内复发89例（肝转移62例、术区转移12例、淋巴结转移15例）；腹腔外复发13例（肺转移10例，骨转移3例）。训练组术后早期复发70例（41.67%），非早期复发98例（58.33%）。验证组术后早期复发32例（44.44%），非早期复发40例（55.56%）。两组患者基线数据比较差异均无统计学意义（P值均>0.05）（表1）。
表 1 训练组和验证组基线数据特征比较Table 1. Comparison of baseline data characteristics between training group and verification group项目 训练组（n=168） 验证组（n=72） χ²值 P值 <60岁/≥60岁（例） 88/80 35/37 0.287 0.592 男/女（例） 92/76 42/30 0.261 0.610 BMI［例（%）］ 0.008 0.928 <24.0 kg/m3 113（67.26） 48（66.67） ≥24.0 kg/m3 55（32.74） 24（33.33） 高血压［例（%）］ 29（17.26） 12（16.67） 0.013 0.911 糖尿病［例（%）］ 37（22.02） 12（16.67） 0.890 0.345 上腹部手术史［例（%）］ 17（10.12） 10（13.89） 0.717 0.397 术前CA19-9［例（%）］ 0.512 0.474 <37 U/mL 46（27.38） 23（31.94） ≥37 U/mL 122（72.62） 49（68.06） 术前CA125［例（%）］ 0.540 0.463 <35 U/mL 146（86.90） 65（90.28） ≥35 U/mL 22（13.10） 7（9.72） 术前总胆红素［例（%）］ 0.003 0.953 ≤170 μmol /L 109（64.88） 47（65.28） >170 μmol /L 59（35.12） 25（34.72） 术前胆道引流［例（%）］ 73（43.45） 25（34.72） 1.590 0.207 ASA［例（%）］ 0.224 0.636 1+2 144（85.71） 60（83.33） 3+4 24（14.29） 12（16.67） 术中失血量［例（%）］ 0.025 0.874 ≤400 mL 122（72.62） 53（73.61） >400 mL 46（27.38） 19（26.39） 术中输血［例（%）］ 40（23.80） 18（25.00） 0.039 0.843 胰腺质地［例（%）］ 0.167 0.682 软 63（37.50） 25（34.72） 硬 105（62.50） 47（65.28） 胰管直径［例（%）］ 0.185 0.667 ≤3 mm 49（29.17） 23（31.94） >3 mm 119（70.83） 49（68.06） 胰瘘［例（%）］ 15（8.93） 7（9.72） 0.038 0.845 胆瘘［例（%）］ 4（2.38） 5（6.94） 2.908 0.088 延迟性胃瘫 ［例（%）］ 7（4.17） 3（4.17） 0.222 0.637 腹腔感染［例（%）］ 10（5.95） 4（5.56） 0.085 0.771 肺部感染［例（%）］ 3（1.79） 2（2.78） 0.6381） 术后出血［例（%）］ 3（1.79） 5（6.94） 4.163 0.055 肿瘤最大直径［例（%）］ 0.067 0.796 ≤3cm 67（39.88） 30（41.67） >3cm 101（60.12） 42（58.33） 肿瘤分化程度［例（%）］ 0.013 0.909 低分化 97（57.74） 41（56.94） 中分化或高分化 71（42.26） 31（43.06） 淋巴结转移［例（%）］ 109（64.88） 49（68.06） 0.226 0.635 神经浸润［例（%）］ 142（84.52） 61（84.72） 0.002 0.969 脉管浸润［例（%）］ 108（64.29） 45（62.50） 0.070 0.792 术后辅助化疗［例（%）］ 49（29.17） 24（33.33） 0.413 0.520 注：1）为Fisher精确概率法。 2.2 PDAC患者LPD术后早期复发的单因素分析
在训练组中，早期复发组和非早期复发组在术前CA19-9、肿瘤最大直径、肿瘤分化程度、淋巴结转移情况、术后辅助化疗方面比较差异均有统计学意义（P值均<0.05）（表2）。
表 2 PDAC患者行LPD术后早期复发单因素分析Table 2. Univariate analysis of early recurrence after radical LPD in PDAC patients项目 训练组（n=168） 验证组（n=72） χ²值 P值 <60岁/≥60岁（例） 47/51 41/29 1.844 0.175 男/女（例） 58/40 34/36 1.856 0.173 BMI［例（%）］ 2.874 0.090 <24.0 kg/m3 71（72.45） 42（60.00） ≥24.0 kg/m3 27（27.55） 28（40.00） 高血压［例（%）］ 18（18.37） 11（15.71） 0.201 0.654 糖尿病［例（%）］ 20（20.41） 17（24.29） 0.357 0.550 上腹部手术史［例（%）］ 12（12.24） 5（7.14） 1.169 0.280 术前总胆红素［例（%）］ 0.269 0.604 ≤170 μmol /L 62（63.27） 47（67.14） >170 μmol /L 36（36.73） 23（32.86） 术前胆道引流［例（%）］ 46（46.94） 27（38.57） 1.163 0.281 ASA［例（%）］ 0.200 0.655 1+2 83（84.69） 61（87.14） 3+4 15（15.31） 9（12.86） 术前CA19-9［例（%）］ 24.718 <0.001 <37 U/mL 41（41.84） 5（7.14） ≥37 U/mL 57（58.16） 65（92.86） 术前CA125［例（%）］ 0.149 0.699 <35 U/mL 86（87.76） 60（85.71） ≥35 U/mL 12（12.24） 10（14.29） 术中失血量［例（%）］ 0.168 0.682 ≤400 mL 70（71.43） 52（74.29） >400 mL 28（28.57） 18（25.71） 术中是否输血［例（%）］ 23（23.47） 17（24.29） 0.015 0.903 胰腺质地［例（%）］ 0.059 0.808 软 36（36.73） 27（38.57） 硬 62（63.27） 43（61.43） 胰管直径［例（%）］ 0.297 0.586 ≤3 mm 27（27.55） 22（31.43） >3 mm 71（72.45） 48（68.57） 胰瘘［例（%）］ 7（7.14） 8（11.43） 0.922 0.337 胆瘘［例（%）］ 5（2.04） 2（2.86） 1.0001） 延迟性胃瘫［例（%）］ 2（2.04） 5（7.14） 0.1291） 术后腹腔感染［例（%）］ 5（5.10） 5（7.14） 0.304 0.743 术后肺部感染［例（%）］ 2（2.04） 1（1.43） 1.0001） 术后出血［例（%）］ 2（2.04） 1（1.43） 1.0001） 肿瘤最大直径［例（%）］ 32.789 <0.001 ≤3 cm 57（58.16） 10（14.29） >3 cm 41（41.84） 60（85.71） 肿瘤分化程度［例（%）］ 15.892 <0.001 低分化 44（44.90） 53（75.71） 中分化或高分化［例（%）］ 54（55.10） 17（24.29） 淋巴结转移［例（%）］ 49（50.00） 60（85.71） 22.858 <0.001 神经浸润［例（%）］ 83（84.69） 59（84.29） 0.005 0.943 脉管浸润［例（%）］ 64（65.31） 44（62.86） 0.107 0.744 术后辅助化疗［例（%）］ 36（36.73） 13（18.57） 6.520 0.011 注：1）为Fisher精确概率法。 2.3 PDAC患者行LPD术后早期复发多因素分析
基于训练组单因素回归结果进行的多因素分析结果显示：术前CA19-9水平≥37 U/mL、肿瘤最大直径>3 cm、肿瘤低分化、有淋巴结转移、术后未行辅助化疗是影响PDAC患者行LPD术后早期复发的独立危险因素（P<0.05）（表3）。
表 3 PDAC患者行LPD术后早期复发的多因素Logistic回归分析Table 3. Multivariate Logistic regression analysis of early recurrence after radical LPD in PDAC patients相关因素 偏回归系数 标准误差 Wald值 P值 OR 95%CI 术前CA19-9 1.835 0.599 9.398 0.002 6.265 1.938～20.249 肿瘤最大直径 2.387 0.499 22.869 <0.001 10.878 4.090～28.932 淋巴结转移 1.303 0.480 7.356 0.007 3.679 1.435～9.433 肿瘤分化程度 -1.563 0.493 10.037 0.002 0.209 0.080～0.551 术后辅助化疗 -1.791 0.539 11.035 0.001 0.167 0.058～0.480 常量 -3.167 0.721 19.279 <0.001 0.042 2.4 建立列线图模型
以术前CA19-9水平、肿瘤最大直径、肿瘤分化程度、有无淋巴结转移、有无术后辅助化疗为预测因素构建预测PDAC患者行LPD术后早期复发的列线图，其中对预测复发影响最大的因素为肿瘤最大直径（图1）。
图 1 预测 PDAC患者行LPD术后早期复发的列线图Figure 1. A nomogram predicting early recurrence after radical LPD with resectable PDAC2.5 列线图预测价值检验
该列线图模型在训练组中的AUC=0.895（95%CI：0.846～0.943，P<0.001），最佳截断为0.270，学习率参数为0.201，敏感度为92.9%，特异度为73.5%，阳性预测为71.4%，阴性预测值为93.5%，该模型的区分度较好（图2）。Youden指数计算列线图最佳总分截断值为248.894分，≥248.894分为早期复发高风险人群，<248.894分为早期复发低风险人群。验证组预测PDAC患者发生LPD术后早期复发的AUC=0.835（95%CI：0.741～0.930，P<0.001），最佳截断为0.270，学习率参数为0.309，敏感度93.8%，特异度70.0%，阳性预测值71.4%，阴性预测值93.3%（图3），表明预测模型准确度良好。
图 2 列线图预测 PDAC患者行LPD术后早期复发的ROC曲线（训练组）Figure 2. The nomogram predicts the ROC curve of early recurrence after radical LPD with resectable PDAC （Training group）
图 3 列线图预测 PDAC患者行LPD术后早期复发的ROC曲线（验证组）Figure 3. The nomogram predicts the ROC curve of early recurrence after radical LPD with resectable PDAC （Validation group）对训练组构建的模型行Hosmer-Lemeshow检验，结果显示拟合良好（χ2=11.529，P=0.173），验证组Hosmer-Lemeshow检验结果为（χ2=3.489，P=0.836），利用Bootstrap重采样法随机抽样1 000次对模型进行验证，校准曲线中标准曲线与校准预测曲线基本贴近（图4、5），表明列线图预测的早期复发与实际的早期复发的一致性良好。
图 4 PDAC患者行LPD术后早期复发的校准曲线（训练组）Figure 4. Calibration curve for early postoperative recurrence of radical LPD with resectable PDAC （Training group）
图 5 PDAC患者行LPD术后早期复发的校准曲线（验证组）Figure 5. Calibration curve for early postoperative recurrence of radical LPD with resectable PDAC （Validation group）DCA分析显示该模型在训练组及验证组中具有明显的正向净收益，表明列线图具有较好的临床应用价值（图6、7）。
图 6 PDAC患者行LPD术后早期复发的决策曲线（训练组）Figure 6. Decision curve for early postoperative recurrence of radical LPD with resectable PDAC （Training group）
图 7 PDAC患者行LPD术后早期复发的决策曲线（验证组）Figure 7. Decision curve for early postoperative recurrence of radical LPD with resectable PDAC （Validation group）3. 讨论
虽然针对可切除胰腺癌的LPD技术已经成熟，但术后仍有超过50%的患者出现肿瘤早期复发，严重影响患者术后生存质量［26-31］。
本研究用于构建模型的训练组中，早期复发组患者和非早期复发组患者在年龄、性别、BMI、是否患有高血压、是否患有糖尿病、上腹部手术史、术前总胆红素、术前胆道引流、ASA分级、术前CA125、术中失血量、术中是否输血、胰腺质地、胰管直径、胰瘘、胆瘘、术后腹腔感染、术后肺部感染、延迟性胃瘫、术后出血、肿瘤是否有神经浸润或脉管浸润方面进行比较，其差异均无统计学意义（P>0.05），两组数据均衡可比。单、多因素分析结果显示：术前CA19-9水平≥37 U/ml、肿瘤最大直径>3 cm、肿瘤低分化、有淋巴结转移、术后未行辅助化疗是影响PDAC患者行LPD术后早期复发的独立危险因素（P<0.05）。
CA19-9是目前评估胰腺癌最理想的生物标志物和异常糖基化的指标，其在胰腺癌中具有生物标志物、预测因子和启动剂的多重作用［32］。研究［33-37］表明，CA19‑9升高提示肿瘤具有较高的恶性生物学行为，是PDAC术后复发的可靠证据，与本研究结果提示术前CA19⁃9水平>37 U/mL可影响PDAC早期复发的结论一致。既往研究［38-40］表明，肿瘤大小与肿瘤预后及术后复发关系密切，随着肿瘤体积增大，其侵袭能力及恶性程度也不断增加，术后更易出现复发转移。本研究结论中的肿瘤最大直径>3 cm的患者表现出了更高的早期复发风险，亦支持上述观点，且与Imamura等［24］的研究结论相符。分化程度更低的肿瘤往往具有更强的侵袭性和转移倾向，低分化的原发肿瘤也被认为是术后复发的独立影响因素［34-41］。本研究表明，肿瘤分化程度越低，早期复发风险越高，与既往研究结论一致。因此，当术后病理报告提示低分化时，应警惕PDAC术后早期复发可能。淋巴结转移是公认的影响胰腺癌切除预后的重要因素［42］，国际胰腺外科研究小组［43］建议胰腺癌根治术中应至少清扫15枚淋巴结，本研究结论也表明有淋巴结转移的患者术后早期复发风险明显增加，因此术中彻底清扫淋巴结并确认是否存在淋巴结转移对于患者预后极为重要。PDAC恶性程度高且术后易复发，本研究结果提示根治术后行辅助化疗可有效降低早期复发风险。国内外多部胰腺癌诊治指南［11，44-45］建议根治术后的胰腺癌患者如无禁忌证，均应行辅助化疗，本研究结论一致。
本研究基于以上独立危险因素建立的列线图模型（AUC=0.895，95%CI：0.846～0.943，P<0.001）具有良好的区分度，校准曲线和Hosmer-Lemeshow检验评估校准度良好，且在训练组及验证组中均具有明显的正向净收益，表明列线图具有较好的临床应用价值，在临床实践中可以综合分析影响患者术后肿瘤早期复发的风险，有助于指导临床医师制订个体化的肿瘤综合治疗方案，预防术后早期复发，改善患者预后。
本研究仍存在一些不足，为单中心回顾性的非随机化研究，研究样本量较小，具有一定局限性，希望后续能够开展大样本量的多中心研究并延长随访时间以进一步验证模型有效性。
-
注： a，SLC7A11在HCC和癌旁组织中的表达；b，GSE146609中细胞簇划分；c，SLC7A11在HCC组织不同细胞簇中的表达；d，SLC7A11高、低表达的HCC患者免疫细胞评分；e，SLC7A11高、低表达的HCC患者免疫检查点水平；f，qRT-PCR检测SLC7A11在肝癌细胞和肝细胞中表达水平；g、h，qRT-PCR检测HepG2细胞、Huh7细胞中SLC7A11过表达；i、j，Western Blot检测HepG2细胞、Huh7细胞中SLC7A11过表达；k、l，CCK8实验检测过表达SLC7A11的HepG2细胞、Huh7细胞在葡萄糖缺乏的环境下24 h后的细胞活力。
图 1 SLC7A11在HCC中的差异表达和潜在生物学功能
Figure 1. Differential expression and potential biological function of SLC7A11 in HCC
注： a，NADPH；b，ATP；c，胱氨酸摄取率。
图 2 SLC7A11影响HepG2细胞在葡萄糖饥饿环境下发生双硫死亡
Figure 2. The effect of SLC7A11 on disulfidptosis in HepG2 cells under glucose starvation conditions
注： a，DRG在HCC组织和癌旁组织中的表达差异；b，DRG表达与OS之间的单因素Cox回归分析结果。
图 3 TCGA队列中HCC预后相关DRG的鉴定
Figure 3. Identification of prognostic related DRG in the TCGA cohort
注： a、b，采用10折交叉验证的LASSO Cox回归分析评估DRG的预后价值；c，TCGA队列中不同风险组HCC患者的生存状况；d，高RS-DRG组和低RS-DRG组HCC患者Kaplan-Meier曲线；e，时间依赖ROC曲线；f，6种免疫细胞浸润与RS-DRG之间的Spearman相关性。
图 4 依据TCGA队列构建的预后模型及免疫相关性分析
Figure 4. Construction of a prognostic model in the TCGA cohort and immune correlation analysis
注： a，ICGC队列中单因素Cox回归分析与OS有关的基因；b，ICGC队列中不同风险组HCC患者的生存分布；c，ICGC队列中高风险组和低风险组HCC患者OS的Kaplan-Meier曲线；d，ICGC队列中时间依赖ROC曲线验；e，GSE14520队列中不同风险组HCC患者的生存分布；f，GSE14520队列中高风险组和低风险组HCC患者OS的Kaplan-Meier曲线；g，GSE14520队列中时间依赖ROC曲线。
图 5 在ICGC队列和GSE14520队列中验证预后模型
Figure 5. Validation of the prognostic model in the ICGC and GSE14520 cohort
注： a，不同风险评分组中索拉非尼IC50分数的分布；b，风险评分预测HCC患者对索拉非尼疗效的AUC值；c～f，索拉非尼IC50分数与GYS1、LRPPRC、RPN1和SLC7A11表达的Spearman相关性分析。
图 7 RS-DRG预测HCC患者使用索拉非尼治疗的反应
Figure 7. RS-DRG predicted the response of sorafenib treatment in HCC
注： a、b，根据风险评分高低筛选差异表达基因；c，两个数据集的差异表达基因的交集；d，差异基因GO和KEGG通路富集分析；e，差异基因PPI网络分析；f，差异基因的GSEA富集分析。
图 8 TCGA和ICGC队列中风险评分功能分析
Figure 8. Functional analyses of risk score in the TCGA and ICGC cohort
-
[1] CAO PB, YANG AQ, LI PY, et al. Genomic gain of RRS1 promotes hepatocellular carcinoma through reducing the RPL11-MDM2-p53 signaling[J]. Sci Adv, 2021, 7( 35): eabf4304. DOI: 10.1126/sciadv.abf4304. [2] FENG M, SURESH K, SCHIPPER MJ, et al. Individualized adaptive stereotactic body radiotherapy for liver tumors in patients at high risk for liver damage: A phase 2 clinical trial[J]. JAMA Oncol, 2018, 4( 1): 40- 47. DOI: 10.1001/jamaoncol.2017.2303. [3] WEI L, LEE D, LAW CT, et al. Genome-wide CRISPR/Cas9 library screening identified PHGDH as a critical driver for Sorafenib resistance in HCC[J]. Nat Commun, 2019, 10( 1): 4681. DOI: 10.1038/s41467-019-12606-7. [4] FENG MX, MA MZ, FU Y, et al. Elevated autocrine EDIL3 protects hepatocellular carcinoma from anoikis through RGD-mediated integrin activation[J]. Mol Cancer, 2014, 13: 226. DOI: 10.1186/1476-4598-13-226. [5] LIU XG, NIE LT, ZHANG YL, et al. Actin cytoskeleton vulnerability to disulfide stress mediates disulfidptosis[J]. Nat Cell Biol, 2023, 25( 3): 404- 414. DOI: 10.1038/s41556-023-01091-2. [6] ZHENG PJ, ZHOU CT, DING YM, et al. Disulfidptosis: A new target for metabolic cancer therapy[J]. J Exp Clin Cancer Res, 2023, 42( 1): 103. DOI: 10.1186/s13046-023-02675-4. [7] ZHAO SY, WANG LY, DING W, et al. Crosstalk of disulfidptosis-related subtypes, establishment of a prognostic signature and immune infiltration characteristics in bladder cancer based on a machine learning survival framework[J]. Front Endocrinol(Lausanne), 2023, 14: 1180404. DOI: 10.3389/fendo.2023.1180404. [8] KUDO Y, SUGIMOTO M, ARIAS E, et al. PKCλ/ι loss induces autophagy, oxidative phosphorylation, and NRF2 to promote liver cancer progression[J]. Cancer Cell, 2020, 38( 2): 247- 262.e11. DOI: 10.1016/j.ccell.2020.05.018. [9] WU QC, ZHOU WH, YIN SY, et al. Blocking triggering receptor expressed on myeloid cells-1-positive tumor-associated macrophages induced by hypoxia reverses immunosuppression and anti-programmed cell death ligand 1 resistance in liver cancer[J]. Hepatology, 2019, 70( 1): 198- 214. DOI: 10.1002/hep.30593. [10] CALDERARO J, ZIOL M, PARADIS V, et al. Molecular and histological correlations in liver cancer[J]. J Hepatol, 2019, 71( 3): 616- 630. DOI: 10.1016/j.jhep.2019.06.001. [11] ZHONG ZY, ZHANG CJ, NI S, et al. NFATc1-mediated expression of SLC7A11 drives sensitivity to TXNRD1 inhibitors in osteoclast precursors[J]. Redox Biol, 2023, 63: 102711. DOI: 10.1016/j.redox.2023.102711. [12] FAVARO E, BENSAAD K, CHONG MG, et al. Glucose utilization via glycogen phosphorylase sustains proliferation and prevents premature senescence in cancer cells[J]. Cell Metab, 2012, 16( 6): 751- 764. DOI: 10.1016/j.cmet.2012.10.017. [13] XIE H, SONG J, GODFREY J, et al. Glycogen metabolism is dispensable for tumour progression in clear cell renal cell carcinoma[J]. Nat Metab, 2021, 3( 3): 327- 336. DOI: 10.1038/s42255-021-00367-x. [14] LIU JY, CHEN YJ, FENG HH, et al. LncRNA SNHG17 interacts with LRPPRC to stabilize c-Myc protein and promote G1/S transition and cell proliferation[J]. Cell Death Dis, 2021, 12( 11): 970. DOI: 10.1038/s41419-021-04238-x. [15] WANG HH, TANG AM, CUI YY, et al. LRPPRC facilitates tumor progression and immune evasion through upregulation of m6A modification of PD-L1 mRNA in hepatocellular carcinoma[J]. Front Immunol, 2023, 14: 1144774. DOI: 10.3389/fimmu.2023.1144774. [16] LIU XY, XIAO WD, ZHANG YN, et al. Reversible phosphorylation of Rpn1 regulates 26S proteasome assembly and function[J]. Proc Natl Acad Sci USA, 2020, 117( 1): 328- 336. DOI: 10.1073/pnas.1912531117. [17] CHEN X, KANG R, KROEMER G, et al. Broadening horizons: The role of ferroptosis in cancer[J]. Nat Rev Clin Oncol, 2021, 18( 5): 280- 296. DOI: 10.1038/s41571-020-00462-0. -
附录A 和B 见二维码.pdf
-
下载:
下载:
本文二维码
计量
- 文章访问数: 481
- HTML全文浏览量: 1026
- PDF下载量: 28
- 被引次数: 0
