Research Article

يحدد التحليل المتكامل للمعلوماتية الحيوية لبيانات النسخ البشرية ثلاثة مؤشرات حيوية تشخيصية وتنبؤية رئيسية في سرطان الغدة في الرئة

DOI:

10.3791/71214

⸱

June 30th, 2026

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Laboratory Medicine, The Affiliated People's Hospital of Fujian University of Traditional Chinese Medicine, 2School of Medical Technology and Information Engineering, Zhejiang Chinese Medical University, 3Department of Laboratory Medicine, Fujian Nan'an Hospital, 4Department of Laboratory Medicine, Pujiang Tianxian Orthopedic Hospital, 5Department of Laboratory Medicine, People's Hospital of Dafang, 6Department of Laboratory Medicine, Fujian Medical University Union Hospital, 7Department of Laboratory Medicine, Fujian Pingtan Comprehensive Experimental Area Hospital, 8Medical Laboratory Center, Jinjiang Municipal Hospital, Shanghai Sixth People's Hospital, 9Medical Laboratory Center, Jinjiang Municipal Hospital, Teaching Hospital of Huaqiao University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

حددت هذه الدراسة مؤشرات تشخيصية وتنبؤية لسرطان الغدة في الرئة باستخدام بيانات TCGA-LUAD وGEO GSE115002 بيانات النسخ النصي. تم رفع التنظيم بين B3GNT3 وFERMT1 وSPP1 ، مما ميز الأورام عن الأنسجة الطبيعية. ترتبط هذه الجينات بالانتقال بين الظهارة والميزنكيميا وقمع المناعة. أظهر النوموجرام الذي يجمع بين التعبير الجيني ومرحلة TNM قيمة تنبؤية موثوقة.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

سرطان الغدة في الرئة (LUAD) هو السبب الرئيسي للوفاة المرتبطة بالسرطان على مستوى العالم. على الرغم من التقدم في الجراحة والعلاج الموجه والعلاج المناعي، لا يزال معدل البقاء على قيد الحياة لمدة 5 سنوات لمرض LUAD المتقدم أقل من 20٪، مما يشير إلى الحاجة الملحة إلى مؤشرات حيوية جزيئية موثوقة للكشف المبكر والتوقعات المبكرة. في هذه الدراسة، افترض المؤلفون أن ثلاثة جينات ترفع التنظيم باستمرار يمكن أن تعمل كمؤشرات حيوية تشخيصية وتنبؤية فعالة ل LUAD. قام المؤلفون بتحليل بيانات النسخ من مجموعتين مستقلتين، TCGA-LUAD (535 ورما، 59 عينة طبيعية) و GSE115002 (52 ورما، 52 عينة مطابقة للعينة الطبيعية)، لفحص الجينات المعبر عنها بشكل مختلف. ثلاثة جينات أساسية—B3GNT3، FERMT1، وSPP1—كانت معبر عنها بشكل مفرط باستمرار في أورام LUAD في كلا مجموعتي البيانات. أظهرت هذه الجينات أداء تشخيصي ممتازا، حيث كانت قيم AUC تجاوزت 0.95 في TCGA-LUAD ودقة عالية في GSE115002. أظهر تحليل البقاء أن التعبير العالي لكل جين مرتبط بشكل ملحوظ ببقاء أقصر بشكل عام وخالي من الأمراض، كما أن الانحدار متعدد المتغيرات في كوكس أكد قيمته التنبؤية المستقلة. أشارت تحليلات الإثراء الوظيفي إلى أن هذه الجينات الثلاثة تشارك في الانتقال بين الظهارة والميزنكيمية، وإعادة تشكيل المصفوفة خارج الخلية، وكبح المناعة، وكلها مرتبطة ارتباطا وثيقا بغزو LUAD والنقائل. قام المؤلفون أيضا ببناء مخطط نوموغرامي تنبؤي يجمع بين الجينات الثلاثة ومرحلة TNM، محققين مؤشر توافق يبلغ 0.743 وأظهروا أداء تنبؤيا جيدا. تؤكد هذه النتائج أن B3GNT3 وFERMT1 وSPP1 تعد مؤشرات حيوية تشخيصية وتوقعات واعدة ل LUAD، تدعم التطبيق السريري في تصنيف المخاطر وإدارتها.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

سرطان الرئة هو السبب الرئيسي للوفيات العالمية بسبب السرطان، حيث يمثل حوالي 1.8 مليون حالة وفاة في عام 2020. سرطان الغدة في الرئة (LUAD) يمثل ما يقرب من 40٪ من جميع حالات سرطان الرئة2. على الرغم من التقدم في الجراحة والعلاج الموجه والعلاج المناعي، لا يزال معدل البقاء على قيد الحياة لمدة 5 سنوات لمرض LUAD المتقدم أقل من 20٪3.4. هناك حاجة ماسة إلى مؤشرات حيوية جزيئية موثوقة للكشف المبكر والتنبؤات الدقيقة. تتيح التسلسل عالي الإنتاجية وقواعد البيانات العامة مثل أطلس جينوم السرطان (TCGA) وMass Expression Gene Omnibus (GEO) التحليل المنهجي للسرطانات 5,6. المعلوماتية الحيوية التكاملية عبر الفئات تحسن موثوقية اكتشاف المؤشرات الحيوية المرشحة5.

تم ربط العديد من الجينات والمسارات ب LUAD، بما في ذلك تكاثر الخلايا، وإشارات EGFR، وهروب المناعة7. ومع ذلك، لم يتم تحويل الكثير منها إلى الاستخدام السريري. نماذج المخاطر التي تجمع بين التواقيع الجينية والميزات السريرية المرضية—وخاصة النوموغرامات—تحسن الدقة التنبؤية في LUAD8. بينما تم ربط B3GNT3 وFERMT1 وSPP1 بشكل فردي بتقدم السرطان، لم يتم التحقق من قيمتها التشخيصية والتنبؤية والتنظيمية المناعية-الميكروبية في LUAD بشكل منهجي عبر مجموعات مستقلة. توفر هذه الدراسة أول تحليل متكامل عبر المنصات لهذه الجينات الثلاثة كلوحة مؤشرات حيوية موحدة ل LUAD، مع تخطيط تنبؤي قابل للتطبيق سريريا.

يشفر B3GNT3 إنزيم جليكوزيل ترانسفيراز يثبت PD-L1 ويعزز التهرب المناعي 9,10. ينظم FERMT1 (كيندلين-1) تنشيط الإنتغرين ويدفع انتشار الانتشارات في سرطان الرئة غير صغير الخلايا (NSCLC)11,12. SPP1 (العظام) يتوسط إعادة تشكيل المصفوفة خارج الخلية، والانتقال الظهاري-الميزنشيمي (EMT)، ومقاومة الكيميائية 13,14,15. كما أظهرت الجينات المرتبطة بالساعة اليومية أنها تتنبأ بتوقعات وتشخيص LUAD16، بينما تم اكتشاف الفروق بين الجنسين في LUAD عبر شبكات إشارات بروتينية تكاملية متعددة الأوميكس17. يتم إفراز B3GNT3 وSPP1 أو موضعهما في الغشاء، مما يدعم الاستخدام المحتمل كمؤشرات حيوية طفيفة التوغل. يمكن أيضا تحقيق تصنيف LUAD الفعال وتحديد المؤشرات الحيوية من خلال طرق اختيار الميزات المتداخلة18، وتلعب التفاعلات متعددة الأوميكس أدوارا وظيفية مهمة في تقدم سرطان الرئة19. توقيعات جينات الميتوكوندريا، التي تم تحديدها من خلال دمج متعدد الأوميكس الشامل، تحمل أيضا قيمة لتوقعات LUAD والعلاج الشخصي20. يتم إفراز B3GNT3 وSPP1 أو موضعهما في الغشاء، مما يدعم الاستخدام المحتمل كمؤشرات حيوية طفيفة التوغل. هدفت هذه الدراسة إلى تحديد مؤشرات LUAD الحيوية القوية باستخدام المعلوماتية الحيوية التكاملية، وتقييم أدائها التشخيصي والتنبؤي، واستكشاف وظائفها البيولوجية وارتباطاتها المناعية، وبناء مخطط تنبؤي مفيد سريريا.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. مصادر البيانات والمعالجة المسبقة

  1. معالجة البيانات الخام في R (الإصدار 4.1.3؛ ويندوز 10 برو).
  2. بالنسبة GSE115002، تطبيق التطبيع الكمي باستخدام ليما (الإصدار 3.52.3).
  3. تصفية الجينات منخفضة التعبير ل TCGA: احتفظ بالجينات ذات CPM > 0.5 في ≥50٪ من العينات.
  4. تصفية الجينات منخفضة التعبير ل GSE115002: احتفظ بالجينات ذات الإشارة المتوسطة >50.
  5. log2تحويل قيم التعبيرات بعدد زائف +1.
    ملاحظة: تم الحصول على بيانات تعبير جينات LUAD والسريرية من TCGA-LUAD (الإصدار 33.0، بوابة GDC، تم التحميل في 7 أغسطس 2025) و GSE115002 (Agilent microarray، GEO، تم التحميل في 7 أغسطس 2025). شمل اختبار TCGA-LUAD 535 ورما و59 عينة طبيعية. شملت GSE115002 52 ورما و52 عينة مطابقة للطبيعية.

2. تحديد الجينات المعبر عنها بشكل مختلف

  1. استخدم DESeq2 (الإصدار 1.36.0) لتسلسل RNA في TCGA وLIMMA (الإصدار 3.52.3) ل GSE115002 لتحليل التعبير التفاضلي. حساب قيم P المعدلة (FDR) باستخدام طريقة بنجاميني-هوشبرغ.
  2. لضمان قابلية المقارنة بين مجموعات البيانات، يوجد |log₂FC| موحد تم تقديم ≥ 1.0 لكلا الفئتين. تم تعريف DEGs على أنها FDR < 0.05 و |log₂FC| ≥ 1.0. تم تحديد مستويات DEG المتداخلة باستخدام VennDiagram (الإصدار 1.7.3). تم اختيار B3GNT3 وFERMT1 وSPP1 كمرشحين تم تنظيمهم باستمرار مع صلة معروفة بالسرطان.

3. تقييم القيمة التشخيصية

  1. قم بإنشاء منحنيات ROC لكل جين مرشح.
  2. حدد قيم القطع المثلى باستخدام مؤشر يودن.
  3. احسب AUC، والحساسية، والنوعية لكل جين.
  4. بناء لوحة تشخيص مشتركة باستخدام الانحدار اللوجستي متعدد المتغيرات.
    ملاحظة: تم استخدام حزمة pROC v1.18.0 لتحليل ROC. تم استخدام دالة glm مع العائلة الثنائية لبناء النموذج التشخيصي.

4. تحليل البقاء

  1. تقسيم المرضى إلى مجموعات عالية ومنخفضة التعبير باستخدام التعبير الوسيط.
  2. توليد منحنيات بقاء Kaplan–Meier لكل جين.
  3. إجراء اختبارات التصنيف اللوغاريتمي لمقارنة فروق البقاء.
  4. إجراء تحليل الانحدار أحادي المتغيرات لكوكس.
  5. إجراء تحليل الانحدار متعدد المتغيرات لكوكس.
  6. تضمين المتغيرات السريرية في نماذج الانحدار.
  7. تحقق من افتراض المخاطر النسبية باستخدام بقايا شونفيلد.
  8. احسب درجة المخاطر الثلاثية الجينية.
    ملاحظة: تم استخدام Survival v3.3.1 وsurvminer v0.4.9. شملت المتغيرات العمر، الجنس، المرحلة T، المرحلة N، والمرحلة M. تم حساب درجة المخاطر كما يلي:
    درجة المخاطر = (0.328 × B3GNT3) + (0.331 × FERMT1) + (0.321 × SPP1). (1)

5. إثراء مجموعة الجينات والتعليقات الوظيفية

  1. قم بإجراء تحليل إثراء GO باستخدام DEGs.
  2. قم بإجراء تحليل إثراء مسار KEGG باستخدام DEGs.
  3. إجراء تحليل تخصيب مجموعات الجينات (GSEA).
  4. ترتيب الجينات حسب بيرسون مع تعبير الجين المرشح.
  5. حدد الحدود المهمة باستخدام P < 0.05 المعدل.
    ملاحظة: تم استخدام clusterProfiler v4.6.2 لتحليلات GO وKEGG. تم استخدام FGSEA v1.22.0 وMSigDB Hallmark v7.5 في GSEA.

6. الارتباط وتحليل الشبكات

ملاحظة: تم استخدام ارتباط بيرسون للتعبير الجيني الموزع بشكل طبيعي؛ ارتباط سبيرمان لكسر الخلايا المناعية. تم توليد شبكات PPI باستخدام STRING (الإصدار 11.5، الثقة > 0.7) وتم تصورها في Cytoscape (الإصدار 3.9.1). تم تقدير التسلل المناعي باستخدام CIBERSORT (الوضع المطلق، 100 تبديل). لقد أظهر تسلسل الحمض النووي الريبي أحادي الخلية أنه يكشف عن انتقالات مميزة في البيئة الدقيقة ل NSCLC، وهو أمر ذو صلة بتحليل تسرب المناعة21،22، ويمكن للتحليل التكاملي للخلية الواحدة أن يفحص أدوار الخلايا المناعية مثل خلايا CD8+ في LUAD 23,24,25.

7. بناء والتحقق من الرسم النوموغرامي

ملاحظة: تم اختيار المتغيرات الخاصة برسم النوموجرام بناء على دلالة كوكس متعددة المتغيرات (P < 0.05): المرحلة T، المرحلة N، B3GNT3، FERMT1، وSPP1. تم بناء النوموجرام باستخدام rms (الإصدار 6.5.0). استخدم التحقق الداخلي إعادة أخذ عينات bootstrap 1000 مع الاستبدال. تم إجراء منحنيات المعايرة وتحليل منحنيات القرار (DCA) باستخدام RMDA (الإصدار 1.7). شملت البيئة الحاسوبية R 4.1.3، ويندوز 10 برو، وبيوكوندكت 3.15. تتوفر نصوص التحليل على https://github.com/[محذوف]/LUAD-biomarker-2025 عند الطلب المعقول.

8. التحليل الإحصائي

ملاحظة: جميع الاختبارات الإحصائية كانت ذات جانبين؛ اعتبر P < 0.05 ذا دلالة كبيرة.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

التغيرات العالمية في التعبير الجيني في LUAD

أظهرت المقارنات النصية بين أنسجة سرطان الغدة في الرئة وأنسجة الرئة الطبيعية تغيرات واسعة في التعبير الجني. يوضح الشكل 1A مخططات براكينية للجينات المعبر عنها بشكل تفاضلي في مجموعة بيانات TCGA-LUAD، ويعرض الشكل 1B تلك الموجودة في مجموعة البيانات GSE115002. في مجموعة TCGA-LUAD (الشكل 1A)، تم رفع تنظيم 1865 جينا بشكل كبير، وتم تقليل تنظيم 1247 جينا. في المجموعة GSE115002 (الشكل 1B)، تم رفع تنظيم 645 جينا و609 جينا منخفضا. تم رفع تنظيم ما مجموعه 421 جينا بشكل مستمر في كلا مجموعتي البيانات. من بين هذه الجينات المتداخلة، تم تصنيف B3GNT3 وFERMT1 وSPP1 في الشكل 1A و1B على أنها معبر عنها بشكل مفرط في عينات الأورام. في TCGA-LUAD، زاد تعبير B3GNT3 بحوالي 5 أضعاف، وFERMT1 8 أضعاف، وSPP1 10 أضعاف مقارنة بالأنسجة الطبيعية. تم تأكيد زيادة مماثلة في عام GSE115002، حيث أظهرت جميع الجينات الثلاثة ارتفاعا يزيد عن مرتين.

الأداء التشخيصي ل B3GNT3 وFERMT1 وSPP1

تم استخدام تحليل منحنى خصائص تشغيل المستقبل لتقييم الأداء التشخيصي ل B3GNT3 وFERMT1 وSPP1. يعرض الشكل 2A منحنيات ROC في مجموعة TCGA-LUAD، ويعرض الشكل 2B تلك الموجودة في مجموعة GSE115002. حققت جميع الجينات الثلاثة دقة تشخيصية عالية في كلا المجموعتين. في مجموعة TCGA-LUAD (الشكل 2A)، تجاوزت المساحة تحت قيم المنحنى 0.95 لجميع المؤشرات. في مجموعة GSE115002 المستقلة (الشكل 2B)، لوحظت قيم مساحة مرتفعة تحت المنحنى مماثلة. تراوحت الحساسية والنوعية بين 85٪ و95٪ عند قيم القطع المثالية. تؤكد هذه النتائج أن كل جين يوفر تمييزا ممتازا بين الأنسجة الورمية والطبيعية.

الأهمية التنبؤية لتعبير B3GNT3 وFERMT1 وSPP1

تكشف منحنيات بقاء كابلان–ماير في الشكل 3 أن زيادة التعبير عن كل جين ارتبطت بشكل كبير ببقاء أقصر في كلا المجموعتين. تظهر الأشكال 3A–3C منحنيات البقاء العامة ل B3GNT3 وFERMT1 وSPP1 في مجموعة TCGA-LUAD. تظهر الأشكال 3D–3F المنحنيات المقابلة في مجموعة GSE115002. أظهر المرضى الذين لديهم تعبير مرتفع من B3GNT3 أو FERMT1 أو SPP1 انخفاضا في متوسط البقاء ومعدلات بقاء أقل خلال 5 سنوات. أكد تحليل الانحدار متعدد المتغيرات أن التعبير العالي ل SPP1 لا يزال عاملا تنبؤيا ضعيفا مستقلا. كما ارتبط ارتفاع التعبير عن جميع الجينات الثلاثة بفترة بقاء أقصر بدون مرض. تشير الاتجاهات المتسقة عبر كلا المجموعتين إلى أن الإفراط في التعبير عن B3GNT3 وFERMT1 وSPP1 يتنبأ بنتائج سريرية سلبية في سرطان الغدة في الرئة.

تحليل الإثراء الوظيفي

تلخص نتائج تحليل الإثراء الوظيفي في الشكل 4. يظهر الشكل 4A إثراء GO وKEGG في مجموعة TCGA-LUAD، ويظهر الشكل 4B الإثراء في مجموعة GSE115002. كانت الجينات المرتفعة غنية بقوة في تقدم دورة الخلية، وتنظيم المصفوفة خارج الخلية، والالتصاق البؤري، والإشارات المسرطة. ارتبطت الجينات المنخفضة التنظيم بتمايز الظهارة الطبيعية وإشارات p53. تشير هذه الملاحظات إلى أن الجينات الثلاثة المرشحة تشارك في مسارات تعزز التكاثر، والغزو، واضطراب المناعة في سرطان الغدة الرئية.

شبكات التعبيرات المشتركة

تعرض شبكات التعبير المشترك المرتبطة ب B3GNT3 وFERMT1 وSPP1 في الشكل 5. يوضح الشكل 5A الشبكة ضمن مجموعة TCGA-LUAD، ويعرض الشكل 5B الشبكة ضمن مجموعة GSE115002. تمثل العقد الجينات والحواف تمثل معاملات الارتباط. تتجمع الجينات الثلاثة الرئيسية مع جينات إعادة تشكيل ECM، وتنظيم المناعة، وتنظيم الخلايا الهيكلية. تشير هذه النتائج إلى أن الإفراط في التعبير عن الجينات الثلاثة مرتبط ببيئة ورم مثبطة للمناعة.

أداء التصوير التنبؤي

يتم عرض الرسم التنبؤي في الشكل 6. تم بناء النموذج من خلال دمج مستويات المرض في المرحلة التائية، والمرحلة المرضية N، ومستويات التعبير ل B3GNT3 وFERMT1 وSPP1 للتنبؤ بالبقاء العام لمدة سنة واحدة وسنتين وثلاث سنوات في LUAD. يتم تخصيص نقاط لكل متغير، وتتوافق مجموع النقاط مع احتمال البقاء المتوقع للبقا. حقق النموذج مؤشر توافق يبلغ 0.743، مما يشير إلى أداء تنبؤي جيد. أظهرت منحنيات المعايرة توافقا وثيقا بين احتمالات البقاء المتوقعة والفعلية. أكد تحليل منحنى القرار الفائدة الصافية السريرية. يحسن هذا التصوير النوموغرامي التنبؤ بالبقاء بشكل فردي يتجاوز مرحلة TNM التقليدية.

باختصار، تبرز هذه الدراسة B3GNT3 وFERMT1 وSPP1 كلاعبين جزيئيين أساسيين في مسببات مرض LUAD. يرتبط تعبيرها الزائد بأنماط الورم الغازية، وإعادة تشكيل العضلات البثية، والتهرب المناعي. من خلال دمج الجينات متعددة الأوميكس، نظهر القيمة المشتركة لهذه الجينات في التشخيص، والتشخيص، وتقسيم المرضى. يجب أن تستكشف الأبحاث المستقبلية أهميتها التنبؤية لاستجابة العلاج المناعي وتقيم إمكاناتها كأهداف علاجية في LUAD.

figure-results-1
الشكل 1: رسوم بركانية للجينات المعبر عنها بشكل مختلف في ورم LUAD مقابل الأنسجة الطبيعية. (A) مجموعة بيانات TCGA-LUAD. (ب) مجموعة بيانات GSE115002. الأحمر يشير إلى زيادة كبيرة في الجينات؛ الأزرق يشير إلى انخفاض الجينات. يتم تصنيف B3GNT3 وFERMT1 وSPP1 على أنها موجهة بشكل مستمر للتنظيم. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

figure-results-2
الشكل 2: منحنيات ROC ل B3GNT3 وFERMT1 وSPP1 في التمييز بين LUAD والأنسجة الطبيعية. (A) مجموعة TCGA-LUAD. (ب) GSE115002 الدفعة. تظهر قيم AUC دقة تشخيصية عالية. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

figure-results-3
الشكل 3: منحنيات البقاء الكلية لكابلان-ماير مقسمة حسب مستويات تعبير B3GNT3 وFERMT1 وSPP1 . (A–C)مجموعة TCGA-LUAD. (أ) B3GNT3، (ب) فيرمت1، (ج) SPP1. (D–F) GSE115002 الدفعة. (د) B3GNT3، (E) FERMT1، (F) SPP1. يرتبط التعبير العالي لكل جين بشكل ملحوظ ببقاء أقصر في كلا المجموعتين. يتم توفير قيم HR وP من اختبارات الترتيب-اللوغاريتمية. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

figure-results-4
الشكل 4: تحليل إثراء GO وKEGG لمستويات DEGs مرتبط بالجينات الثلاثة الرئيسية. (أ) مجموعة TCGA-LUAD. (ب) GSE115002 الدفعة. تشمل مصطلحات الإثراء مسارات العمليات البيولوجية (BP)، والمكون الخلوي (CC)، والوظيفة الجزيئية (MF)، ومسارات KEGG. تثري الجينات المرتفعة التنظيم في التكاثر، وإعادة تشكيل ECM، والإشارات المسرطة. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

figure-results-5
الشكل 5: شبكات التعبير الجيني المرتبطة ب B3GNT3 وFERMT1 وSPP1. (أ) مجموعة TCGA-LUAD. (ب) GSE115002 الدفعة. تمثل العقد الجينات، والحواف تمثل معاملات الارتباط. تتجمع الجينات الثلاثة الرئيسية مع جينات إعادة تشكيل ECM، وتنظيم المناعة، وتنظيم الخلايا الهيكلية. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

figure-results-6
الشكل 6: تصوير النوم التنبؤي الذي يدمج مرحلة T المرضية، ومرحلة N المرضية، وB3GNT3، وFERMT1، وSPP1 للتنبؤ بالبقاء العام لمدة سنة واحدة، و2، و3 سنوات في LUAD. يتم تخصيص نقاط لكل متغير، وتتوافق مجموع النقاط مع احتمال البقاء المتوقع للبقا. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم بناء الرسم النوموغرامي باستخدام تحليل الانحدار متعدد المتغيرات لكوكس بناء على مجموعة TCGA-LUAD. تشمل المؤشرات مرحلة T المرضية، والمرحلة N المرضية، وحالة التعبير الجيني ل B3GNT3 وFERMT1 وSPP1 (المصنفة كعالية مقابل منخفضة بناء على التعبير الوسيط). لكل مريض، يتم جمع الدرجات الفردية لكل متغير لتوليد قيمة "إجمالي النقاط"، والتي تتوافق مع احتمالات البقاء الإجمالية المقدرة لمدة 1 و2 و3 سنوات. تشير الدرجات الإجمالية الأعلى إلى زيادة خطر الوفاة. توفر هذه الأداة تنبؤا فرديا للبقاء وتساعد في تصنيف المخاطر في LUAD. تم استخدام التعلم الآلي للكشف عن أنماط موت الخلايا المتنوعة في توقعات وعلاج LUAD 21,22,23، والتي يمكن أن تعزز نموذج النوموغرام لدينا بشكل أكبر.

حددت هذه الدراسة B3GNT3 وFERMT1 وSPP1 كمؤشرات حيوية تشخيصية وتنبؤية قوية في LUAD باستخدام تحليل المعلوماتية الحيوية المتكامل. جميع هذه الجينات الثلاثة تعبر بشكل مفرط باستمرار في الأورام، وتميز الأورام عن الأنسجة الطبيعية بدقة عالية، وتتنبأ ببقاء ضعيف، وتنظم المسارات المتعلقة بEMT، وإعادة تشكيل المصفوفات، والتهرب المناعي. يحسن التصوير النوموغرامي المشترك تصنيف المخاطر إلى ما يتجاوز مرحلة TNM. يعزز B3GNT3 التهرب المناعي من خلال تثبيت PD-L1 عبر الجليكوزلة 9,10. يعزز FERMT1 إشارات الإنتجين وحركة الخلايا، مما يدفع الغزو والانتشار11,12. يعمل SPP1 كمحرك إفراز للEMT، وتكوين الأوعية، واستقطاب البلعم M213،14،15. معا، يحددون نوعا فرعيا عدوانيا من LUAD يتميز بالتوغل وقمع المناعة.

أفادت دراسات سابقة بأدوار فردية ل B3GNT3 أو FERMT1 أو SPP1 في LUAD. تعد هذه الدراسة الأولى التي تحقق من صحة الثلاثة جميعا كلوحة موحدة عبر مجموعات النسخ المستقلة، مع تأكيد الأداء التشخيصي والتنبؤي في كل من بيانات TCGA وGEO. تدعم الأعمال الحديثة على مؤشرات LUAD الحيوية قيمة التواقيع الجينية المرتبطة بالمناعة في التوقعات وتوجيه العلاج المناعي. الدراسات الحديثة التي استخدمت المعلوماتية الحيوية المتكاملة وتعلم الآلة حددت توقيعات جينية متعددة لتشخيص وتوقعات LUAD21,22. تبرز هذه الأساليب، المشابهة للجنة الجينات الثلاثة، قيمة المؤشرات الحيوية القائمة على النسخ في الطبقات السريرية.

إعادة تشكيل المصفوفة خارج الخلوية هي ميزة أساسية في LUAD العدواني، وقد تم التحقق من صحة التوقيعات المرتبطة ب ECM كعوامل تنبؤية مستقلة. نتائجنا التي تشير إلى أن FERMT1 وSPP1 مرتبطان ارتباطا وثيقا بالالتصاق البؤري وتفاعل ECM–المستقبلات تدعم الدور الحاسم لإعادة تشكيل المصفوفة في تقدم LUAD. مماثل للتواقيع الجينية المرتبطة ب CHAF1B واليوبيكويتين التي تم الإبلاغ عنها في الطب متعدد التخصصات (IMed)21,23، ترتبط جيناتنا الثلاثة ارتباطا وثيقا بتسلل المناعة وقد تعمل كعلامات تنبؤية وتنبؤية. تشمل الاستراتيجيات البديلة لتحديد مؤشرات LUAD تسلسل الحمض النووي الريبي أحادي الخلية، وعلم النسخ المكاني، واختيار الميزات المعتمد على التعلم الآلي، والتحليل البروتيومي للبلازما 24,25,26. يمكن لخوارزميات التعلم الآلي مثل الغابة العشوائية أو LASSO تحسين اختيار المؤشرات الحيوية بشكل أكبر. التحقق من المختبر الرطب باستخدام qPCR وIHC وELISA ضروري لتأكيد الترجمة السريرية27، 28، 29، 30.

هذه الدراسة محدودة بتصميمها الاستعادي، واعتمادها على بيانات النسخ النصية العامة، ونقص التحقق السريري الخارجي. اقتصر التحقق من النوموجرام على إعادة العينات الداخلية للتمهيد. لا يمكن لبيانات النسخ الجماعي حل التعبير على مستوى الخلية. السببية الميكانيكية تتطلب تجارب وظيفية. تعتمد الارتباطات مع التسلل المناعي على فك الالتفاف الحاسوبي ويجب تفسيرها بحذر. يجب أن تتحقق الدراسات المستقبلية من صحة هذه المؤشرات الحيوية في المجموعات المستقبلية باستخدام IHC وqPCR وELISA في المصل. سيقوم علم النسخ الخلوي الواحد والمكاني بتوضيح مصادر الخلايا والتوزيع المكاني. يجب تقييم القيمة التنبؤية للعلاج المناعي والاستجابة المستهدفة للعلاج. قد يقدم الاستهداف العلاجي ل B3GNT3 وFERMT1 وSPP1 استراتيجيات جديدة لعلاج LUAD.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعلن المؤلفون عدم وجود مصالح متنافسة.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وقد دعم هذا العمل مشروع جامعة فوجيان للطب الصيني التقليدي لعام 2024 (رقم المنحة: XB2024012)، بقيادة يوهوي لين من مستشفى الشعب التابع لجامعة فوجيان للطب الصيني التقليدي. وصناديق مشتركة لابتكار العلوم والتكنولوجيا، مقاطعة فوجيان (المنحة رقم: 2025Y9530)، بقيادة شياوتينغ تشن من مستشفى جينجيانغ البلدي (مستشفى شنغهاي للشعب السادس، فوجيان).

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
مجموعات البيانات المتاحة للجمهورمجموعة بيانات TCGA-LUADبوابة أطلس جينوم السرطان (TCGA) (https://portal.gdc.cancer.gov/)؛ 535 عينة من أورام LUAD، و59 عينة متجاورة من أنسجة الرئة الطبيعية (عدد تسلسل RNA/قيم FPKM + البيانات السريرية: البقاء، مرحلة TNM)البيانات النصية والسريرية للتعبير التفريقي، والبقاء، وتحليل النوموغرام؛ مجموعة الدراسة الأساسية
مجموعة البيانات GSE115002مجموعة التعبير الجيني (GEO) (https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE115002)؛ مصفوفة دقيقة للرئة، 52 نسيج ورمي LUAD، 52 متطابقة مع أنسجة رئة طبيعية مجاورة (علاج-naï؛ أورام أولية في الداخل)مجموعة التحقق المستقلة للتعبير التفريقي، والأداء التشخيصي، وتحليل التسلل المناعي
برمجيات المعلوماتية الحيوية بيئة البرمجةلغة البرمجة Rالإصدار 4.1المنصة الأساسية لجميع التحليلات النصية والإحصائية والرسومية
حزم R (التعبير التفاضلي)DESeq2، ليماDESeq2: تحليل تفاضلية للتعبيرات الخام لعدد RNA-seq من TCGA؛ ليما: GSE115002 تطبيع المصفوفة الدقيقة وتحليل التعبير التفاضلي (Benjamini&ndash؛ هوشبرغ تصحيح روزفلت)
حزم R (التحليل التشخيصي)بروكبناء منحنيات ROC، حساب AUC (فاصل الثقة 95٪)، تحديد الحد الأمثل (Youden' s index) لتقييم الأداء التشخيصي
حزم R (تحليل البقاء)البقاء، الناجمKaplan– توليد منحنى البقاء على قيد الحياة في ماير، اختبار الرتبة اللوغارتمية، انحدار المخاطر النسبية أحادية المتغير/متعددة المتغيرات في كوكس (معدل ضربات القلب + 95٪ CI)؛ التصنيف الطبقي للمريض حسب التعبير الجيني الوسيط
حزم R (الإثراء الوظيفي)clusterProfiler، fgseaclusterProfiler: تحليل إثراء مسار GO (BP/CC/MF) وKEGG (معدل P < 0.05); fgsea: GSEA لمجموعات جينات MSigDB Hallmark/KEGG (FDR <.25)
حزم R (بناء نوموجرام و التحقق)RMSتطوير التصوير التنبؤي (دمج التعبير الجيني + مرحلة TNM)؛ هاريل' s حساب مؤشر C، إعادة العينات التمهيدية (1000 تكرار) لتصحيح التحيز، توليد مخطط المعايرة
حزم R (إحصائية وموضوعية التصوير)ggplot2، ComplexHeatmap، corrplotتوليد مخططات البراكين، مخططات الفقاعات (الإثراء)، خرائط الحرارة (ارتباط تسرب المناعة)، مخططات التشتت (التعبير المشترك للجينات)؛ تحليل الارتباط بين بيرسون/سبيرمان
قواعد بيانات المعلوماتية الحيوية والمعلومات الأدوات (تحليل الشبكة/المناعة)قاعدة بيانات السلاسل النصيةدرجة الثقة > 0.7بناء البروتين – شبكات تفاعل البروتين (PPI) للمتفاعلات B3GNT3/FERMT1/SPP1 والمتفاعلات من الدرجة الأولى
سيتوسكيب-تصور مثبطات مضخة البروتون وشبكات التعبير المشترك للجينات (وزن الحواف حسب قوة الارتباط، تحديد جين المحور)
خوارزمية فك الالالتفاف المناعيسيبرسورتتقدير وفرة تسرب الخلايا المناعية (بلاعم M2، CD8+ خلايا تائية، عدلات، خلايا NK، إلخ) في عينات LUAD؛ الارتباط مع التعبير الجيني المرشح
أدوات أخرىمايكروسوفت أوفيس/لاتيكس-إعداد المخطوطات، تجميع الصورات، وتنسيق الجداول؛ تجميع النتائج الإحصائية

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Cancer ResearchLung adenocarcinomaB3GNT3FERMT1SPP1biomarkerprognosisgene expressionnomogramBioinformatics

Related Articles