Forschungsartikel

Die integrierte bioinformatische Analyse menschlicher transkriptomischer Daten identifiziert drei zentrale diagnostische und prognostische Biomarker im Lungenadenokarzinom

118 Ansichten

DOI:

10.3791/71214

30. Juni 2026

* These authors contributed equally

In diesem Artikel

Zusammenfassung

Diese Studie identifizierte diagnostische und prognostische Biomarker für Lungenadenokarzinom anhand von TCGA-LUAD- und GEO-GSE115002 Transkriptomdaten. B3GNT3, FERMT1 und SPP1 wurden hochreguliert und unterschieden Tumore von normalem Gewebe. Diese Gene sind mit dem epithelial-mesenchymalen Übergang und der Immunsuppression verbunden. Ein Nomogramm, das Genexpression mit der TNM-Stufe kombiniert, zeigte einen zuverlässigen Prädiktionswert.

Zusammenfassung

Das Lungenadenokarzinom (LUAD) ist weltweit die Hauptursache für krebsbedingte Todesfälle. Trotz Fortschritten in der Chirurgie, gezielten Therapie und Immuntherapie bleibt die 5-Jahres-Überlebensrate von fortgeschrittenem LUAD unter 20 %, was auf einen dringenden Bedarf an zuverlässigen molekularen Biomarkern für frühzeitige Erkennung und Prognose hinweist. In dieser Studie stellten die Autoren die Hypothese auf, dass drei konsequent hochregulierte Gene als wirksame diagnostische und prognostische Biomarker für LUAD wirken könnten. Die Autoren analysierten transkriptomische Daten von zwei unabhängigen Kohorten, TCGA-LUAD (535 Tumore, 59 normale Proben) und GSE115002 (52 Tumore, 52 übereinstimmende normale Proben), um differenziell exprimierte Gene zu screenen. Drei Kerngene – B3GNT3, FERMT1 und SPP1 – wurden in beiden Datensätzen in LUAD-Tumoren konstant überexprimiert. Diese Gene zeigten eine ausgezeichnete diagnostische Leistung, mit AUC-Werten über 0,95 bei TCGA-LUAD und hoher Genauigkeit in GSE115002. Die Überlebensanalyse zeigte, dass eine hohe Expression jedes Gens signifikant mit einem kürzeren Gesamt- und krankheitsfreien Überleben assoziiert war, und die multivariate Cox-Regression bestätigte ihren unabhängigen prognostischen Wert. Die Analyse der funktionellen Anreicherung zeigte, dass diese drei Gene am epithelial-mesenchymalen Übergang, der Remodellierung der extrazellulären Matrix und der Immunsuppression beteiligt sind, die alle eng mit der Invasion und Metastasierung von LUAD verbunden sind. Die Autoren entwickelten zudem ein prognostisches Nomogramm, das die drei Gene und die TNM-Stufe kombiniert, erreichte einen Konkordanzindex von 0,743 und zeigte eine gute prädiktive Leistung. Diese Ergebnisse bestätigen, dass B3GNT3, FERMT1 und SPP1 vielversprechende diagnostische und prognostische Biomarker für LUAD sind, was die klinische Anwendung in der Risikostratifizierung und -steuerung unterstützt.

Einleitung

Lungenkrebs ist die Hauptursache für die weltweite Krebssterblichkeit und verursachte im Jahr 2020 etwa 1,8 Millionen Todesfälle. Lungenadenokarzinom (LUAD) macht fast 40 % aller Lungenkrebsfälleaus 2. Trotz Fortschritten in der Chirurgie, gezielten Therapie und Immuntherapie bleibt die 5-Jahres-Überlebensrate für fortgeschrittenes LUAD unter 20 %. Zuverlässige molekulare Biomarker für die Früherkennung und präzise Prognose werden dringend benötigt. Hochdurchsatzsequenzierung und öffentliche Datenbanken wie The Cancer Genome Atla....

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

1. Datenquellen und Vorverarbeitung

  1. Rohdaten in R verarbeiten (Version 4.1.3; Windows 10 Pro).
  2. Für GSE115002 wenden Sie die Quantilnormalisierung mit Limma an (Version 3.52.3).
  3. Filter von Gene mit niedriger Expression für TCGA: Gene mit CPM > 0,5 in ≥50 % der Proben behalten.
  4. Gene mit niedriger Expression filtern auf GSE115002: Gene mit durchschnittlichem Signal >50 behalten.
  5. log2Transformationsausdruckswerte mit einem Pseudocount von +1.
    HINWEIS: LUAD-Genexpressions- und klinische Daten wurden von TCGA-LUAD (Version 33.0, GDC Portal, h....

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Globale Genexpressionsänderungen bei LUAD

Transkriptomische Vergleiche zwischen Adenokarzinomgeweben der Lunge und normalen Lungengeweben zeigten weit verbreitete Veränderungen in der Genexpression. Abbildung 1A zeigt Vulkandiagramme unterschiedlich exprimierter Gene im TCGA-LUAD-Datensatz, und Abbildung 1B zeigt diese im GSE115002-Datensatz. In der TCGA-LUAD-Kohorte (Abbildung 1A) wu.......

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Das Nomogramm wurde mittels multivariater Cox-Regressionsanalyse auf Basis der TCGA-LUAD-Kohorte konstruiert. Prädiktoren sind das pathologische T-Stadium, das pathologische N-Stadium und der Genexpressionsstatus von B3GNT3, FERMT1 und SPP1 (kategorisiert als High vs. Low basierend auf medianer Expression). Für jeden Patienten werden die individuellen Werte für jede Variable summiert, um einen "Gesamtpunkt"-Wert zu erzeugen, der den geschätzten Überlebenswahrsc.......

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren erklären keine konkurrierenden Interessen.

Danksagungen

Diese Arbeit wurde 2024 vom Universitätsprojekt der Fujian University of Traditional Chinese Medicine (Fördernummer: XB2024012) unterstützt, geleitet von Yuhui Lin vom Affiliated People's Hospital der Fujian University of Traditional Chinese Medicine. und gemeinsame Mittel für die Innovation von Wissenschaft und Technologie, Provinz Fujian (Zuschussnummer: 2025Y9530), geleitet von Xiaoting Chen vom Jinjiang Municipal Hospital (Shanghai Sixth People's Hospital, Fujian).

....

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Publicly Available DatasetsTCGA-LUAD DatasetThe Cancer Genome Atlas (TCGA) Portal (https://portal.gdc.cancer.gov/); 535 LUAD-Tumorproben, 59 angrenzende normale Lungengewebeproben (RNA-Sequenzierungszählung/FPKM-Werte + klinische Daten: Überleben, TNM-Stadieneinteilung)Transkriptomische und klinische Daten für Differentialexpressions-, Überlebens- und Nomogrammanalyse; primäre Studienkohorte
GSE115002 DatasetGene Expression Omnibus (GEO) (https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE115002); Agilent-Mikroarray, 52 LUAD-Tumorgewebe, 52 passende angrenzende normale Lungengewebe (behandlungsnaive Primärtumoren)Unabhängige Validierungskohorte für Differentialexpression, diagnostische Leistung und Analyse der Immuninfiltration
Bioinformatics Software & Programming EnvironmentR Programming LanguageVersion 4.1Kernplattform für alle transkriptomischen, statistischen und grafischen Analysen
R Packages (Differential Expression)DESeq2, limmaDESeq2: TCGA RNA-seq Rohzählungs-Differentialexpressionsanalyse; limma: GSE115002 Mikroarray-Normalisierung und Differentialexpressionsanalyse (Benjamini–Hochberg FDR-Korrektur)
R Packages (Diagnostic Analysis)pROCKonstruktion von ROC-Kurven, Berechnung von AUC (95% CI), optimale Cutoff-Bestimmung (Youden’s Index) für die Beurteilung der diagnostischen Leistung
R Packages (Survival Analysis)survival, survminerKaplan–Meier-Überlebenskurvengenerierung, Log-Rank-Test, univariate/multivariate Cox-proportionale Hazards-Regression (HR + 95% CI); Patientenstratifizierung nach medianer Genexpression
R Packages (Functional Enrichment)clusterProfiler, fgseaclusterProfiler: GO (BP/CC/MF) und KEGG-Weganalyse (angepasstes P < 0,05); fgsea: GSEA für MSigDB-Hallmark/KEGG-Gensets (FDR < 0,25)
R Packages (Nomogram Construction & Validation)rmsEntwicklung eines prognostischen Nomogramms (Integration von Genexpression + TNM-Stadium); Harrell’s C-Index-Berechnung, Bootstrap-Resampling (1000 Wiederholungen) zur Bias-Korrektur, Generierung von Kalibrierplots
R Packages (Statistical & Visualization)ggplot2, ComplexHeatmap, corrplotGenerierung von Vulkanplots, Blasenplots (Anreicherung), Heatmaps (Immuninfiltrationskorrelierung), Streudiagrammen (Genkoexpression); Pearson/Spearman-Korrelationsanalyse
Bioinformatics Databases & Tools (Network/Immune Analysis)STRING DatabaseKonfidenzscore > 0,7Aufbau von Protein-Protein-Interaktionsnetzwerken (PPI) für B3GNT3/FERMT1/SPP1 und Interaktoren ersten Grades
Cytoscape-Visualisierung von PPI- und Genkoexpressionsnetzwerken (Kantengewichtung nach Korrelationsstärke, Hub-Gen-Identifizierung)
Immune Deconvolution AlgorithmCIBERSORTSchätzung der Immunzellinfiltrationshäufigkeit (M2-Makrophagen, CD8+ T-Zellen, Neutrophile, NK-Zellen usw.) in LUAD-Proben; Korrelation mit der Kandidatengenexpression
Other ToolsMicrosoft Office/LaTeX-Manuskriptvorbereitung, Figurenmontage und Tabellenformatierung; statistische Ergebniszusammenstellung

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

KrebsforschungAusgabe 232Ausgabe 232Dieser Monat in JoVEAusgabeB3GNT3FERMT1SPP1BiomarkerPrognoseGenexpressionNomogramm

Verwandte Artikel