需要JoVE订阅才能观看此内容。 请登录或开始免费试用

研究文章

长链非编码RNA IRAIN通过IGF1R-JAK-STAT-BIRC5轴驱动胶质瘤的免疫代谢重编程

329 次观看

⸱

DOI：

10.3791/69711

⸱

2025年12月12日

 ,  ,  ,  ,  , 
1Department of Neurosurgery, Zhangzhou Municipal Hospital of Fujian Province and Zhangzhou Affiliated Hospital of Fujian Medical University, 2The School of Clinical Medicine, Fujian Medical University, Zhangzhou Affiliated Hospital of Fujian Medical University

* These authors contributed equally

本文内容

摘要

通过在多个队列中整合机器学习方法，我们构建了一个稳健的胶质瘤IMRG预后标志物。IRAIN显著下调，其表达水平与肿瘤分级呈负相关，并与患者生存期呈正相关，同时IRAIN可抑制IGF1R-JAK2-STAT3-BIRC5信号通路，从而抑制肿瘤增殖、迁移和血管生成。研究结果提示IRAIN及IMRG可作为潜在的生物标志物和治疗靶点。

摘要

胶质瘤是一种侵袭性强、治疗选择有限且预后较差的恶性肿瘤。其进展与代谢重编程和免疫逃逸密切相关，凸显了识别整合这些过程的分子调控因子的重要性。本研究建立了一个稳健的免疫代谢相关基因（IMRG）预后标志物，并阐明了长链非编码RNA IRAIN通过IGF1R-JAK-STAT-BIRC5轴调控胶质瘤免疫代谢的作用机制。我们分析了来自TCGA、CGGA（693/325）和GEO（GSE43378）队列的转录组和临床数据。通过差异表达分析和加权基因共表达网络分析（β = 8）确保无标度拓扑结构，并采用结合十种机器学习算法的留一交叉验证框架构建了101个预后模型。最终确定的17个基因IMRG标志物在所有队列中均得到验证，且可独立预测总体生存率。功能实验证实，IRAIN过表达可抑制IGF1R，降低JAK2/STAT3磷酸化水平，并下调BIRC5表达，从而促进细胞凋亡并减少血管生成。IRAIN低表达与免疫抑制性Treg细胞和M2型巨噬细胞增多以及肿瘤微环境评分升高相关，提示其具有免疫逃逸表型。这些发现确立了IRAIN在胶质瘤免疫代谢重编程中的关键调控作用，并验证了IMRG标志物作为可靠预后工具的价值，揭示了IRAIN-IGF1R-JAK-STAT-BIRC5通路是连接胶质瘤免疫与代谢失调的机制桥梁，为精准治疗提供了潜在靶点。

引言

胶质瘤是中枢神经系统最常见的原发性恶性肿瘤，尽管神经外科手术、放射治疗和化学治疗已取得进展，但它仍然是人类最致命的癌症之一。高级别胶质瘤，尤其是多形性胶质母细胞瘤（GBM），具有快速增殖、弥漫性浸润和不可避免复发的特点1,2。近年来，一系列有效的治疗策略相继出现，如外科干预、免疫治疗和化疗3。即使接受最大程度的治疗，患者的中位生存期仍仅为约14-18个月，这凸显了开发新型治疗策略和预后生物标志物的迫切需求4。

肿瘤微环境（TME）与癌细胞之间的相互作用是驱动胶质瘤侵袭性生长和分子异质性的关键因素。多种免疫组分，包括小胶质细胞、神经前体细胞、血管细胞和适应性免疫细胞，均深度参与了TME的形成5,6,7。近年来，免疫治疗取得了显著进展，推动肿瘤学进入一个变革性时代。然而，免疫检查点阻断（ICB）及其他免疫治疗策略在胶质瘤中的疗效仍十分有限8。此类治疗在胶质瘤中失败的原因源于其微环境的若干内在特征，即肿瘤突变负荷低、瘤内异质性显著、血脑屏障通透性差、主要组织相容性复合物分子表达下调以及T细胞浸润稀少9,10,11,12。

越来越多的证据表明，表现出代谢功能障碍的肿瘤微环境（TME）具有酸性条件、营养缺乏以及抑制免疫反应的代谢物积累等特点。这种情况继而导致浸润肿瘤的免疫细胞功能失调，降低免疫治疗的效果13。同时，TME中的免疫细胞会发生依赖于环境的代谢转变，从而决定其分化状态和效应功能。例如，活化的T细胞依赖糖酵解实现快速增殖，而调节性T细胞（Tregs）和肿瘤相关巨噬细胞（TAMs），尤其是M2亚型，则依赖氧化磷酸化和脂肪酸代谢来维持其免疫抑制活性14,15。

因此，整合免疫和代谢特征为更准确地对胶质瘤进行分类并预测患者预后提供了合理的框架。长链非编码RNA（lncRNA）近年来被发现是染色质结构、基因转录及转录后修饰的多功能调控因子。已有多个lncRNA被证实参与胶质瘤的发病过程，在肿瘤增殖、侵袭和免疫调节中发挥影响16。其中，印记反义转录本IRAIN（IGF1R反义印记非编码RNA）因其通过顺式作用的染色质互作调控胰岛素样生长因子1受体（IGF1R）基因的表达而受到关注。研究表明，IRAIN在多种癌细胞中（如乳腺癌、白血病细胞系、喉癌和急性髓系白血病）表达下调，导致顺式竞争性调控作用减弱，从而直接引起IGF1R的上调17,18,19。由于IGF1R信号通路可激活下游的JAK-STAT和PI3K-AKT通路——这两个通路在肿瘤生长和免疫调控中均起核心作用20,21 ——IRAIN表达的改变可能对肿瘤的免疫代谢产生关键影响。然而，IRAIN在胶质瘤中的作用及其对免疫代谢格局的潜在影响尚未明确。填补这一知识空白，有助于深入理解非编码RNA如何协调胶质瘤中的代谢适应与免疫逃逸机制。

本研究中，我们整合了多队列转录组数据并结合实验验证，探索胶质瘤中的免疫代谢调控。通过在TCGA、CGGA（693/325）和GEO（GSE43378）队列中应用集成的机器学习框架，我们鉴定出一个由17个免疫代谢相关基因（IMRG）组成的稳健预后标志物，能够在不同数据集中对患者生存率进行分层。随后，我们重点关注IRAIN作为该调控网络潜在的上游调节因子，因其被预测可与IGF1R-JAK-STAT信号轴相互作用。功能实验表明，IRAIN的过表达通过抑制IGF1R表达及下游STAT3的磷酸化，从而抑制胶质瘤的增殖和血管生成，并导致抗凋亡蛋白BIRC5（即Survivin）表达降低。综上所述，这些发现支持一个工作模型，即IRAIN在胶质瘤中作为连接免疫调控与代谢重编程的机制桥梁。我们推测，IRAIN表达失调会破坏这一平衡，促进肿瘤进展，进而形成免疫抑制微环境并导致治疗耐药。

访问受限。请登录或开始试用以查看此内容。

方案

所有涉及人体组织的操作均遵守机构指南和《赫尔辛基宣言》，并已获得福建医科大学伦理审查委员会的批准（批准号：2021KYB089）。在获取组织样本前，已从所有参与者处获得书面知情同意书。

基因表达与生存分析
从多个公共数据库获取了RNA测序数据及相应的临床信息。1）TCGA队列：从癌症基因组图谱（The Cancer Genome Atlas，https://portal.gdc.cancer.gov/）下载了175例多形性胶质母细胞瘤（GBM）和534例低级别胶质瘤（LGG）样本的RNA-seq（FPKM）数据；2）正常对照：从UCSC Xena数据库（https://xenabrowser.net/datapages/）下载了211例正常脑组织和662例胶质瘤组织的表达谱；3）外部验证：从中国胶质瘤基因组图谱（Chinese Glioma Genome Atlas，http://www.cgga.org.cn）获取了CGGA693和CGGA325队列的数据；4）GEO数据集：从基因表达综合数据库（Gene Expression Omnibus，https://www.ncbi.nlm.nih.gov/geo/）下载了包含50例胶质瘤样本表达和临床数据的GSE43378数据集。所有原始计数数据均转换为每百万转录本数（TPM），并进行log2转换。对于已标准化的数据集，检查其表达矩阵以确保分布具有可比性。排除在超过80%样本中TPM值<1的基因。通过完整病例筛选法剔除缺失临床信息（年龄、IDH状态、1p/19q共缺失、MGMT甲基化）的样本。使用R软件包sva中实现的ComBat算法校正不同数据集间的批次效应。在每个数据集中，采用z分数转换对表达值进行标准化。使用R软件包survival和survminer进行生存分析。根据IRAIN的中位表达水平将患者分为高表达组和低表达组。绘制Kaplan-Meier生存曲线，并通过log-rank检验评估统计学显著性。采用Cox比例风险回归模型估算风险比（HRs）及95%置信区间（CIs）。

免疫和代谢相关基因集的定义
免疫相关基因（IRGs，n = 2,483）来自 ImmPort 数据库（https://www.immport.org/shared/），代谢相关基因（MRGs，n = 948）来自分子特征数据库（MSigDB，https://www.gsea-msigdb.org/）。这些基因的合并集合被定义为免疫代谢相关基因（IMRGs）。这些基因列表作为后续差异表达和网络分析的参考依据。

差异表达与加权基因共表达网络分析
使用 R 软件包 limma 鉴定正常脑组织与胶质瘤组织之间的差异表达基因（DEGs）。对表达数据拟合线性模型，并采用经验贝叶斯方法进行校正。筛选标准为 |log₂ 倍数变化| > 1.5 且错误发现率（FDR）< 0.05 的基因，视为显著差异表达基因。使用 R 软件包 WGCNA 进行加权基因共表达网络分析（WGCNA）。通过层次聚类排除异常样本。设定软阈值幂次参数 β = 8，以达到无标度拓扑拟合指数（R2 ≥ 0.85），同时保持足够的平均连接度。构建拓扑重叠矩阵（TOM），并利用动态树剪切算法将基因聚类为模块，模块最小大小设为 50。计算模块特征基因与临床特征的相关性，选择与胶质瘤关联最强的模块（Pearson 相关系数 r > 0.7，P < 1×10-10）用于枢纽基因的鉴定。

基于机器学习的预后模型构建
采用整合了十种机器学习算法的综合留一交叉验证（LOOCV）框架，用于构建和评估预后模型。共使用TCGA队列作为训练数据集实现了101种组合式工作流程。首先通过单变量Cox回归（P < 0.05）鉴定与预后相关的免疫代谢相关基因（IMRGs）。通过在三个验证数据集（CGGA693、CGGA325和GSE43378）中最大化平均Harrell一致性指数（C指数）来确定最优模型。最终的RSF-Enet模型（α = 0.3）表现出最高的预测性能，并在独立队列中保持了稳健的泛化能力22。

肿瘤微环境与免疫浸润
为了全面表征免疫基因组特征，我们采用了一种多层次的分析方法。首先，使用 ESTIMATE 算法量化免疫细胞和基质细胞的浸润水平23。随后通过基于 limma 的分析评估关键免疫检查点分子（包括 PDCD1、CTLA4 和 LAG3）的差异表达，并利用相关性矩阵可视化检查点基因之间的关联。采用 TCGA 队列中 903 例胶质瘤样本的体细胞突变谱，计算肿瘤突变负荷（TMB）、微卫星不稳定性（MSI）以及肿瘤免疫功能障碍与排除（TIDE）评分，以预测对免疫治疗的潜在响应。随后根据 TMB 状态（高/低）与风险评分（高/低）的组合将患者分为四个预后组，并通过 Kaplan-Meier 分析比较其生存结果。

功能富集分析
使用 R 软件包 clusterProfiler 进行基因本体（Gene Ontology, GO）和京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes, KEGG）通路的富集分析。校正后 P 值 < 0.05 的富集结果被认为具有统计学显著性。采用点图和条形图对显著富集的生物过程、细胞组分和分子功能进行可视化。利用 STRING 数据库（置信度评分 ≥ 0.4）构建蛋白质-蛋白质相互作用（PPI）网络，并在 Cytoscape 中进行可视化。使用 MCODE 算法识别 PPI 网络中的功能模块。进一步利用 GeneMANIA（https://string-db.org；置信度评分 ≥ 0.4）分析基因-基因相互作用和共表达网络，并在 Cytoscape 中可视化。此外，使用 GeneMANIA（https://genemania.org）分析基因-基因相互作用和共表达网络，该工具整合了物理相互作用、遗传相互作用、共同参与的通路以及共表达模式等信息，以推断潜在的功能关联。

临床标本
新鲜胶质瘤组织（n = 6）及配对的邻近非肿瘤脑组织（n = 6；位于肿瘤边缘至少 3 cm 以外，并经组织学确认无肿瘤细胞）取自福建医科大学附属漳州医院接受初治性胶质瘤切除术的患者。所有患者术前均未接受过化疗或放疗。所有病理诊断均根据2021年世界卫生组织（WHO）中枢神经系统肿瘤分类标准，由两名神经病理学家独立复核确认。手术切除后，组织标本立即用预冷的磷酸盐缓冲液（PBS）冲洗以去除残留血液，随后在液氮（-196 °C）中速冻，并保存于 -80 °C，直至进行RNA提取。

细胞系与细胞培养
人胶质母细胞瘤细胞系 SHG44、U251、A172 和 T98G，以及正常人胶质细胞（HEB），均来源于经过认证的细胞库，并在使用前确认无支原体污染。细胞培养于含 10% 胎牛血清（FBS）、2 mM L-谷氨酰胺和 1% 青霉素-链霉素的高糖 Dulbecco 改良 Eagle 培养基（DMEM）中，置于 37 °C、5% CO₂ 的湿润培养箱内培养。细胞每 4–5 天传代一次，当融合度达到 80–90% 时进行。为建立 IRAIN 过表达及对照细胞系，采用携带全长 IRAIN 转录本的慢病毒载体或空载体（对照）对细胞进行转导。使用嘌呤霉素（2 µg/mL）筛选 14 天以获得稳定克隆。在进行后续实验前，通过定量反转录 PCR（qRT-PCR）验证过表达效率。

3-(4,5-二甲基噻唑-2-基)-2,5-二苯基四氮唑溴盐（MTT）细胞增殖实验
将细胞以每孔100 µL完全培养基中接种密度为1 × 104 个细胞的条件接种于96孔板中。接种后24、48和72小时，每孔加入20 µL MTT溶液（5 mg/mL，溶于磷酸盐缓冲液），在37 °C下孵育4小时。随后吸除上清液，每孔加入150 µL二甲基亚砜（DMSO）以溶解甲臜结晶。将96孔板轻轻振荡10分钟，确保结晶完全溶解。使用酶标分光光度计在490 nm处测定吸光度，并扣除空白孔的背景值。细胞活力以24小时组或对照组（设定为1.0）为基准进行相对计算。所有实验均设置六个技术重复孔和三个独立的生物学重复。数据以均值±标准差（SD）表示，采用双尾t检验确定统计学显著性。

细胞凋亡的流式细胞术检测（Annexin V - FITC/PI 染色）
将细胞以60-70%融合度接种，并在指定条件下处理24小时。用不含EDTA的胰蛋白酶收集悬浮和贴壁细胞，合并后用冰预冷的PBS洗涤两次。细胞沉淀重悬于Annexin V结合缓冲液（10 mM HEPES，pH 7.4，140 mM NaCl，2.5 mM CaCl2）中，浓度为1 × 106 个细胞/mL。每个样本取100 µL细胞悬液，加入5 µL Annexin V-FITC和5 µL碘化丙啶（PI；储存液浓度50 µg/mL），避光、室温孵育15分钟。加入400 µL结合缓冲液后，样本置于冰上，1小时内使用流式细胞仪检测（激发波长488 nm；FITC检测使用530/30 nm滤光片，PI检测使用>585 nm滤光片）。设置单染和荧光减一对照用于补偿调节。每个样本至少记录10,000个事件。采用象限门控分析数据：活细胞（Annexin V⁻/PI⁻）、早期凋亡细胞（Annexin V⁺/PI⁻）、晚期凋亡细胞（Annexin V⁺/PI⁺）和坏死细胞（Annexin V⁻/PI⁺）。报告早期与晚期凋亡细胞百分比的总和（均值 ± 标准差，n = 3）。

定量实时 PCR（qRT-PCR）
使用酸性酚-胍盐试剂按照制造商说明书提取总 RNA。通过分光光度法检测 RNA 纯度（A₂₆₀/A₂₈₀ = 1.8–2.1），并通过凝胶电泳确认其完整性（RNA 完整性数值 ≥ 7）。取 1 微克总 RNA，用 DNase I 处理后，在 20 µL 反应体系中使用随机六聚体和寡聚(dT)引物进行逆转录。反应条件为：25 °C 反应 10 分钟，50 °C 反应 30 分钟，85 °C 反应 5 分钟。定量 PCR 在 10 µL 体系中进行，包含 5 µL 2× SYBR Green Master Mix、每种引物 0.3 µM 以及 1 µL cDNA（约相当于 20 ng RNA）。扩增程序为：95 °C 预变性 5 分钟，随后进行 40 个循环（95 °C 变性 15 秒，60 °C 退火延伸 30 秒），最后从 65 °C 到 95 °C 以每步 0.3 °C 升温进行熔解曲线分析。所有反应均设三个技术重复，并同时设置无模板对照和无逆转录酶对照。Ct 值 > 35 或技术重复间标准差 SD > 0.5 的数据予以剔除。相对表达量采用 2⁻ΔΔCt 法计算，以内参基因 GAPDH 进行标准化。结果以三次独立生物学重复的均值 ± 标准差表示，组间差异采用双尾 t 检验进行分析。

Western blot 分析
细胞在冰上用 RIPA 裂解缓冲液（50 mM Tris-HCl，pH 7.4，150 mM NaCl，1% NP-40，0.5% 脱氧胆酸钠，0.1% SDS）裂解，同时加入蛋白酶和磷酸酶抑制剂。裂解液在冰上孵育 30 分钟，期间间歇性涡旋混匀，随后在 4 °C 下以 12,000 × g 离心 15 分钟以去除碎片。采用 BCA 法测定蛋白浓度，调整至 1–2 µg/µL，并按 1:3 体积比加入 4× Laemmli 缓冲液（终浓度为 1×，含 100 mM DTT）。样品于 95 °C 变性 5 分钟。等量蛋白（50 µg）在 100 V 条件下电泳 90 分钟，通过 12% SDS-PAGE 分离，随后在 250 mA 条件下电转 90 分钟至 PVDF 膜。膜在室温下用含 5% 脱脂奶粉的 TBST（0.1% Tween-20）封闭 1 小时（磷酸化蛋白则使用 5% BSA 封闭），然后在 4 °C 与针对 IGF1、IGF1R、JAK2、p-JAK2（Y1007/1008）、STAT3、p-STAT3（Y705）、BIRC5 和 β-actin 的一抗孵育过夜（通常稀释比例为 1:1000，β-actin 为 1:5000）。TBST 洗涤 3 次，每次 10 分钟后，膜与 HRP 标记的二抗（1:5000）在室温孵育 1 小时，再次洗涤后使用化学发光底物显影。使用 ImageJ 对条带强度进行定量，以 β-actin 或总蛋白为内参归一化，数据表示为三次独立实验的平均值 ± 标准差。

免疫细胞化学
在无菌玻璃盖玻片上培养的细胞用 PBS 漂洗两次，随后在室温下用 4% 多聚甲醛固定 15 分钟。经三次 PBS 洗涤后，细胞用 0.2% Triton X-100 透化处理 10 分钟，再用 5% 牛血清白蛋白（BSA）封闭 1 小时，并在 4 °C 下与一抗抗 CD31 抗体（1:200 稀释于 1% BSA 中）孵育过夜。经过三次 PBS 洗涤后，细胞在避光条件下与 Alexa Fluor 标记的二抗（1:500 稀释）孵育 1 小时，用 DAPI（1 µg/mL，5 分钟）复染，然后封片于抗荧光淬灭封片剂中。使用荧光显微镜在相同的曝光和增益设置下采集图像。每样本随机选取五个无重叠的视野，利用 ImageJ 软件定量 CD31 阳性区域的百分比。该实验在细胞模型中进行，而非组织切片。

统计分析
统计分析使用 R 4.3.0 版本及其相关软件包完成。对于分类变量的比较，采用卡方检验；而对于连续变量，则使用 Wilcoxon 秩和检验或 T 检验进行评估。连续变量的相关性通过 Pearson 相关系数进行评价。生存分析使用 survival 软件包完成，包括 Cox 比例风险模型构建和 Kaplan-Meier 曲线的生成，其中最优分层阈值由 survminer 软件包确定，风险评分公式为 Riskscore = 数学求和公式 Σ(表达值 × 系数)，含下标，公式展示。。CompareC 软件包用于评估不同变量的 C 指数。用于预测二分类变量的受试者工作特征曲线（ROC）由 pROC 软件包生成。此外，使用 timeROC 软件包分析生存指标的时间依赖性 ROC 曲线下面积（AUC）。所有统计检验均采用双侧检验方法。以 P < 0.05 为差异具有统计学意义的标准。

访问受限。请登录或开始试用以查看此内容。

结果

IRAIN 在胶质瘤中表达下调，并与不良的临床病理特征相关
分析流程如图1所示。首先通过qRT-PCR检测了原代星形胶质细胞、胶质瘤组织及胶质瘤细胞系中IRAIN的表达水平。与正常星形胶质细胞相比，低级别和高级别胶质瘤组织以及四种胶质瘤细胞系（SHG44、A172、U251和T98G）中的IRAIN水平均显著降低（图2A）。与上述结果一致，对TCGA和CGGA队列RNA-seq数据的分析显示，胶质瘤样本中IRAIN的表达显著低于正常脑组织（图2B）。当根据IRAIN表达水平对患者进行分组时，低IRAIN表达组患者的总生存期和无进展生存期均显著短于高IRAIN表达组患者（两者P < 0.001；图2C）。亚组分析进一步显示，在1p/19q非共缺失、IDH野生型、MGMT未甲基化以及胶质母细胞瘤（GBM）病例中，IRAIN表达均降低，老年患者（>65岁...

访问受限。请登录或开始试用以查看此内容。

讨论

胶质瘤仍然是中枢神经系统最具致死性的恶性肿瘤之一，其特征是显著的瘤内异质性和对常规治疗的耐药性。尽管采用手术切除联合放化疗，复发率和死亡率仍然很高，尤其是胶质母细胞瘤患者的中位生存期在过去几十年中改善有限4,24。越来越多的证据表明，肿瘤微环境（TME）中的代谢重编程和免疫抑制是决定胶质瘤侵袭性的关键因素15,25。然而，具有相似临床特征的患者往往表现出显著的分子和代谢异质性，这凸显了开发能够同时反映胶质瘤生物学中免疫和代谢维度的整合型生物标志物的必要性。

本研究中，我们鉴定并功能表征了与IRAIN失调相关的免疫代谢相关基因（IMRGs）。通过差异表达分析、WGCNA分析和Cox回归分析，结合十种机器学习算法及101种模型组合，采用集成的留一交叉验证框架，构建了一个包含17个基因的IMRG预后标志物。最优的随机生存森林-弹性网络模型（α = 0.3）...

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

感谢所有参与基因型-组织表达（GTEx）项目以及TCGA、CGGA数据库的研究人员和参与者共享可用数据。本研究由福建省卫生科技项目（2024GG01010154）和漳州市医院博士后工作站攀登项目（PDA202306）资助。资助方为我们的研究提供了资金支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
Annexin V-PI 凋亡检测试剂盒 Southern Biotechnology，美国阿拉巴马州伯明翰NA用于评估细胞凋亡
Annexin V-PI 凋亡检测试剂盒Southern Biotechnology10010-02用于通过流式细胞术评估细胞凋亡。
抗IGF1，抗IGF1R，抗JAK2，抗STAT3，抗Survivin，抗β-肌动蛋白Abcamab182408, ab108596, ab109085, ab76424, ab8227用于信号通路 Western Blot 分析的抗体。
BiocManagerCRAN1.30.25在 R 中安装和管理 Bioconductor 软件包 ≥ 3.6.
伯乐Cfx96系统Bioconductor1.5.1程序化访问 STRING 蛋白质–蛋白质相互作用。
CaretCRAN0.4生存模型的时间依赖性ROC/AUC
中国胶质瘤基因组图谱（CGGA）NACGGA693 和 CGGA325 用于模型构建与验证
clusterprofilerBioconductor2.18.0解析MAF文件；计算肿瘤突变负荷（TMB）和突变图谱。
相关图CRAN3.5.0常规绘图（箱线图、小提琴图、散点图、趋势线）。
CoxboostCRAN7.3-60逐步Cox模型选择的stepAIC方法。
数据表CRANreadr 2.1.5快速读取分隔符文件；强大的 UTF-8 处理能力。
剂量Bioconductor3.17.0人类基因注释（Entrez、Ensembl、SYMBOL 映射）
动态树切割CRAN1.73加权基因共表达网络分析；pickSoftThreshold，TOM，模块检测
埃德格Bioconductor3.56.2差异表达分析（voom/线性模型）；Wilcoxon/经验贝叶斯方法；火山图/热图输入数据
EnrichplotBioconductor3.26.2疾病本体富集与GSEA辅助工具（与clusterProfiler联用）。
FlashclustCRAN1.63-1WGCNA模块检测中的自适应分支剪切法
GbmCRAN1.12用于生存分析的有监督主成分方法
基因表达综合数据库（GEO）NAGSE43378用于模型构建与验证
GEOqueryBioconductorNA下载并解析 GEO 数据集。
ggplot2CRAN1.0.12表达特征的出版级热图。
GlmnetCRAN3.3.1用于右删失结果的随机生存森林。
辣根过氧化物酶标记的兔二抗Abcamab6721用于 Western Blot 检测的二抗。
人胶质母细胞瘤细胞系（SHG44、U251、A172、T98G）美国组织培养收藏中心NA用于胶质瘤研究的人类胶母细胞瘤细胞系。细胞在 DMEM + 10% FBS、2 mM L-谷氨酰胺中培养。
IgraphCRAN10.0.1访问 MSigDB 基因集（例如，代谢相关 MRG）；提供便捷的整洁数据框。
Image J 软件 美国媒体网络学公司152用于可视化
编码lncRNA-IRAIN的慢病毒载体GeneChem，中国上海 NA用于转染胶质瘤细胞和HEB细胞以建立稳定克隆的慢病毒载体。
LimmaBioconductor3.48.0批次校正（ComBat）与替代变量分析。
MaftoolsBioconductor1.52.0Harrell’一致性指数（C指数）和生存比较工具。
质量CRAN4.1-8惩罚性Cox模型：Lasso、Ridge和Elastic Net
MsigdbrCRAN0.0.5生存数据的支持向量机方法
MTTSigma-AldrichM2128用于细胞增殖检测。
正常胶质细胞（HEB）美国组织培养收集中心NA用于对比研究的正常人胶质细胞系。培养于DMEM + 10% FBS培养基中。
Org.Hs.Eg.DbBioconductor4.8.3GO/KEGG 富集分析和 GSEA；支持多种 ID 类型。
PheatmapCRAN2.0.0数据科学语法；包括用于数据处理与绘图的 dplyr、tidyr、purrr、ggplot2。
PlsrcoxCRAN1.5基于似然的Cox模型提升方法
PVDF膜MilliporeIPVH00010用于SDS-PAGE后蛋白质转印的膜。
RandomforestsrcCRAN6.0-94统一重采样（包括留一交叉验证）、调参网格和模型流程。
ReadrCRANNA从 UCSC Xena 获取矩阵/表型数据（例如 TCGA/GTEx 数据中心）。
SDS-聚丙烯酰胺凝胶（12%）伯乐（Bio-Rad）185-5096用于定量 PCR 的系统。
StringdbBioconductor1.20.3富集结果的可视化（点图、cnet图、脊线图）。
SuperpcCRAN1.7.7适用于Cox模型的偏最小二乘回归。
SurvcompBioconductor3.42.4在需要时进行计数标准化和离散度估计（可选，用于补充 limma voom）。
存活率CRAN1.01-2WGCNA 使用的快速层次聚类（可选）。
SurvivalsvmCRAN2.2.2广义提升回归建模（梯度提升）。
SurvminerCRAN3.8-3Cox 比例风险模型；Kaplan–生存曲线。
TCGAbiolinksBioconductorT9039程序化访问 TCGA 数据；下载并准备表达数据和临床数据。
癌症基因组图谱计划（TCGA）NAhttps://www.cancer.gov/tcga；175 例 GBM 和 534 例 LGG用于模型构建与验证
TidyverseCRAN1.17.6大规模矩阵/表格的高性能数据处理
TimerocCRAN0.5.0KM可视化与风险表绘制。
TRIzolInvitrogen15596026细胞RNA提取试剂
UCSC XenaNAhttps://xenabrowser.net/datapages/用于模型构建与验证
Ucscxenatools伯乐（Bio-Rad）4561044用于蛋白质印迹分析中的蛋白质分离。
WgcnaCRAN0.95检查点基因与特征关系的关联矩阵

参考文献

  1. Goodenberger, M. L., Jenkins, R. B. Genetics of adult glioma. Cancer Genet. 205 (12), 613-621 (2012).
  2. Cordier, D., Krolicki, L., Morgenstern, A., Merlo, A. Targeted radiolabeled compounds in glioma therapy. Semin Nucl Med. 46 (3), 243-249 (2016).
  3. Jiang, T., et al. Clinical practice guidelines for the management of adult diffuse gliomas. Cancer Lett. 499, 60-72 (2021).
  4. Huang, X., et al. Immune-Related Gene SERPINE1 Is a Novel Biomarker for Diffuse Lower-Grade Gliomas via Large-Scale Analysis. Front Oncol. 11, 646060(2021).
  5. Cole, A. P., et al. Microglia in the Brain Tumor Microenvironment. Adv Exp Med Biol. 1273, 197-208 (2020).
  6. Vitale, I., Manic, G., Coussens, L. M., Kroemer, G., Galluzzi, L. Macrophages and metabolism in the tumor microenvironment. Cell Metab. 30 (1), 36-50 (2019).
  7. Cheng, W., et al. Bioinformatic profiling identifies an immune-related risk signature for glioblastoma. Neurology. 86 (24), 2226-2234 (2016).
  8. Rodriguez, S. M. B., et al. Glioblastoma and immune checkpoint inhibitors: a glance at available treatment options and future directions. Int J Mol Sci. 25 (19), (2024).
  9. Arrieta, V. A., et al. Immune checkpoint blockade in glioblastoma: from tumor heterogeneity to personalized treatment. J Clin Invest. 133 (2), (2023).
  10. Kadry, H., Noorani, B., Cucullo, L. A blood-brain barrier overview on structure, function, impairment, and biomarkers of integrity. Fluids Barriers CNS. 17 (1), 69(2020).
  11. Wang, Q., et al. Tumor evolution of glioma-intrinsic gene expression subtypes associates with immunological changes in the microenvironment. Cancer Cell. 32 (1), 42-56.e6 (2017).
  12. Jansen, J. A., Omuro, A., Lucca, L. E. T-cell dysfunction in glioblastoma: a barrier and an opportunity for the development of successful immunotherapies. Curr Opin Neurol. 34 (6), 827-833 (2021).
  13. Vander Heiden, M. G., Cantley, L. C., Thompson, C. B. Understanding the Warburg effect: the metabolic requirements of cell proliferation. Science. 324 (5930), 1029-1033 (2009).
  14. Dong, X., et al. Tumor metabolism-rewriting nanomedicines for cancer immunotherapy. ACS Cent Sci. 9 (10), 1864-1893 (2023).
  15. Kesarwani, P., Prabhu, A., Kant, S., Chinnaiyan, P. Metabolic remodeling contributes towards an immune-suppressive phenotype in glioblastoma. Cancer Immunol Immunother. 68 (7), 1107-1120 (2019).
  16. Xu, X., et al. LncRNA as potential biomarker and therapeutic target in glioma. Mol Biol Rep. 50 (1), 841-851 (2023).
  17. Sun, J., et al. A novel antisense long noncoding RNA within the IGF1R gene locus is imprinted in hematopoietic malignancies. Nucleic Acids Res. 42 (15), 9588-9601 (2014).
  18. Wang, J. Y., Liu, D., Meng, Y. D., Guo, Y. Y., Zhao, M. Aberrant allelic switch of antisense lncRNA IRAIN may be an early diagnostic marker in laryngeal cancer. Oncol Lett. 20 (4), 65(2020).
  19. Pian, L., et al. Targeting the IGF1R pathway in breast cancer using antisense lncRNA-mediated promoter cis-competition. Mol Ther Nucleic Acids. 12, 105-117 (2018).
  20. Salminen, A., Kaarniranta, K., Kauppinen, A. Insulin/IGF-1 signaling promotes immunosuppression via the STAT3 pathway: impact on the aging process and age-related diseases. Inflamm Res. 70 (10-12), 1043-1061 (2021).
  21. Cortés-Ballinas, L., López-Pérez, T. V., Rocha-Zavaleta, L. STAT3 and the STAT3-regulated inhibitor of apoptosis protein survivin as potential therapeutic targets in colorectal cancer (Review). Biomed Rep. 21 (6), 175(2024).
  22. Liu, Z., et al. Machine learning-based integration develops an immune-derived lncRNA signature for improving outcomes in colorectal cancer. Nat Commun. 13 (1), 816(2022).
  23. Yoshihara, K., et al. Inferring tumour purity and stromal and immune cell admixture from expression data. Nat Commun. 4, 2612(2013).
  24. Ostrom, Q. T., et al. The epidemiology of glioma in adults: a "state of the science" review. Neuro Oncol. 16 (7), 896-913 (2014).
  25. Weidner, N., Semple, J. P., Welch, W. R., Folkman, J. Tumor angiogenesis and metastasis-correlation in invasive breast carcinoma. N Engl J Med. 324 (1), 1-8 (1991).
  26. Perrin, S. L., et al. Glioblastoma heterogeneity and the tumour microenvironment: implications for preclinical research and development of new treatments. Biochem Soc Trans. 47 (2), 625-638 (2019).
  27. Justus, C. R., Sanderlin, E. J., Yang, L. V. Molecular connections between cancer cell metabolism and the tumor microenvironment. Int J Mol Sci. 16 (5), 11055-11086 (2015).
  28. Boedtkjer, E., Pedersen, S. F. The acidic tumor microenvironment as a driver of cancer. Annu Rev Physiol. 82, 103-126 (2020).
  29. Bernhard, C., Reita, D., Martin, S., Entz-Werle, N., Dontenwill, M. Glioblastoma metabolism: insights and therapeutic strategies. Int J Mol Sci. 24 (11), 9137(2023).
  30. Kesarwani, P., Kant, S., Prabhu, A., Chinnaiyan, P. The interplay between metabolic remodeling and immune regulation in glioblastoma. Neuro Oncol. 19 (10), 1308-1315 (2017).
  31. Pellegrino, M., et al. Manipulating the tumor immune microenvironment to improve cancer immunotherapy: IGF1R, a promising target. Front Immunol. 15, 1356321(2024).
  32. Zhang, W., et al. Polarization of macrophages in the tumor microenvironment is influenced by EGFR signaling within colon cancer cells. Oncotarget. 7 (46), 75366-75378 (2016).
  33. DiToro, D., et al. Insulin-like growth factors are key regulators of T helper 17/regulatory T cell balance in autoimmunity. Immunity. 52 (4), 650-667.e10 (2020).
  34. Pennati, M., Folini, M., Zaffaroni, N. Targeting survivin in cancer therapy: fulfilled promises and open questions. Carcinogenesis. 28 (6), 1133-1139 (2007).
  35. Sah, N. K., Khan, Z., Khan, G. J., Bisen, P. S. Structural, functional and therapeutic biology of survivin. Cancer Lett. 244 (2), 164-171 (2006).
  36. Altieri, D. C. Survivin apoptosis: an interloper between cell death and cell proliferation in cancer. Lab Invest. 79, 1327-1333 (1999).
  37. Feng, J., et al. A novel long noncoding RNA IRAIN regulates cell proliferation in non-small cell lung cancer. Int J Clin Exp Pathol. 8 (10), 12268-12275 (2015).
  38. Zhang, H., Zhang, D., Luan, X., Xie, G., Pan, X. Inhibition of the signal transducers and activators of transcription (STAT) 3 signalling pathway by AG490 in laryngeal carcinoma cells. J Int Med Res. 38 (5), 1673-1681 (2010).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

联系我们
向图书馆推荐

隐私

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。