מאמר מחקר
* These authors contributed equally
מחקר זה זיהה סמנים ביולוגיים אבחנתיים ופרוגנוסטיים לאדנוקרצינומה ריאתית באמצעות נתוני TCGA-LUAD ו-GEO GSE115002 טרנסקריפטומיים. B3GNT3, FERMT1 ו-SPP1 עברו ויסות מוגבר, מה שהבדיל בין גידולים לרקמה תקינה. גנים אלו קשורים למעבר אפיתל למזנכימלי ולדיכוי מערכת החיסונית. נומוגרמה ששילבה ביטוי גנים עם שלב TNM הראתה ערך חיזוי אמין.
אדנוקרצינומה ריאתית (LUAD) היא הגורם המוביל לתמותה הקשורה לסרטן ברחבי העולם. למרות התקדמות בניתוחים, טיפול ממוקד ואימונותרפיה, שיעור ההישרדות של LUAD מתקדם במשך 5 שנים נותר מתחת ל-20%, מה שמעיד על צורך דחוף בסמנים מולקולריים אמינים לגילוי מוקדם ופרוגנוזה. במחקר זה, המחברים השערו ששלושה גנים שעברו ויסות באופן עקבי יכולים לשמש כסמנים אבחנתיים ותחזיתיים יעילים ל-LUAD. המחברים ניתחו נתונים טרנסקריפטומיים משתי קבוצות עצמאיות, TCGA-LUAD (535 גידולים, 59 דגימות תקינות) ו-GSE115002 (52 גידולים, 52 דגימות תקינות), כדי לסנן גנים מבוטאים באופן שונה. שלושה גנים מרכזיים — B3GNT3, FERMT1 ו-SPP1 — היו מוגזמים בעקביות בגידולי LUAD בשני מערכי הנתונים. גנים אלו הראו ביצועים אבחנתיים מצוינים, עם ערכי AUC מעל 0.95 ב-TCGA-LUAD ודיוק גבוה ב-GSE115002. ניתוח הישרדות הראה כי ביטוי גבוה של כל גן היה קשור באופן מובהק להישרדות כוללת קצרה יותר וללא מחלות, ורגרסיה מרובת משתנים של Cox אישרה את ערכם הפרוגנוסטי העצמאי. ניתוח העשרה פונקציונלית הראה כי שלושת הגנים הללו משתתפים במעבר אפיתלי-מזנכימלי, בעיצוב מחדש של מטריצת חוץ-תאית ובדיכוי חיסוני, כולם קשורים קשר הדוק לפלישה ולגרורות של LUAD. המחברים בנו עוד נומוגרפיה פרוגנוסטית המשלבת את שלושת הגנים ושלב TNM, והשיגו אינדקס קונקורדנס של 0.743 והפגינו ביצועים חיזויים טובים. ממצאים אלו מאשרים כי B3GNT3, FERMT1 ו-SPP1 הם סמנים ביולוגיים אבחוניים ופרוגנוסטיים מבטיחים ל-LUAD, התומכים ביישום הקליני בסטרטיפיקציה וניהול סיכונים.
סרטן הריאות הוא הגורם העיקרי לתמותה עולמית מסרטן, ואחראי לכ-1.8 מיליון מקרי מוות בשנת 2020. אדנוקרצינומה ריאתית (LUAD) מייצגת כמעט 40% מכלל מקרי סרטן הריאות2. למרות התקדמות בניתוחים, טיפול ממוקד ואימונותרפיה, שיעור ההישרדות של LUAD מתקדם במשך 5 שנים נותר מתחת ל-20%3,4. נדרשים בדחיפות סמנים ביולוגיים מולקולריים אמינים לגילוי מוקדם ולחיזוי מדויק. ריצוף בתפוקה גבוהה ומאגרי מידע ציבוריים כגון The Cancer Genome Atlas (TCGA) ו-Gene Expression Omnibus (GEO) מאפשרים פרופיל טרנסקריפטומי שיטתי של סרטן 5,6....
הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.
1. מקורות נתונים ועיבוד מוקדם
הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.
שינויים גלובליים בביטוי גנים ב-LUAD
השוואות טרנסקריפטומיות בין רקמות אדנוקרצינומה ריאתית לרקמות ריאה תקינות זיהו שינויים נרחבים בביטוי גנים. איור 1A מציג גרפים של הרי געש של גנים מבוטאים באופן שונה במאגר הנתונים TCGA-LUAD, ואיור 1B מציג את אלו שבמאגר הנתונים GSE115002. בקבוצת TCGA-LUAD (איור 1A), 1865 גנים הועברו לוויסות משמעותי, ו-1247 גנים הוסטו בוויסות מופחת. בקבוצת GSE115002 (
הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.
הנומוגרמה נבנתה באמצעות ניתוח רגרסיה רב-משתנית של Cox בהתבסס על קבוצת TCGA-LUAD. מנבאים כוללים שלב T פתולוגי, שלב N פתולוגי, ומצב ביטוי גנים של B3GNT3, FERMT1 ו-SPP1 (מסווגים כגבוה לעומת נמוך בהתבסס על ביטוי חציוני). עבור כל מטופל, הניקוד האישי של כל משתנה מסוכם ליצירת ערך "נקודות כולל", המתאים להסתברויות ההישרדות הכוללות של 1, 2 ו-3 שנים. ציונים כוללים גבוהים יותר מצביעים על סיכון מוגבר לתמותה. כלי זה מספק חיזוי הישרדות מותאם אישית ועוזר בסטרטיפיקציה של סיכוני.......
הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.
המחברים מצהירים שאין להם אינטרסים מתחרים.
עבודה זו נתמכה על ידי פרויקט ברמת אוניברסיטת הרפואה הסינית המסורתית של אוניברסיטת פוג'יאן לשנת 2024 (מספר מענק: XB2024012), בהובלת יוהוי לין מבית החולים העממי המסונף של אוניברסיטת פוג'יאן לרפואה סינית מסורתית. וקרנות משותפות לחדשנות במדע וטכנולוגיה, מחוז פוג'יאן (מענק מס' 2025Y9530), בהובלת שיאוטינג צ'ן מבית החולים העירוני ג'ינג'יאנג (בית החולים השישי של שנגחאי, פוג'יאן).
....הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.
| שם | חברה | מספר קטלוג | הערות |
|---|---|---|---|
| Publicly Available Datasets | TCGA-LUAD Dataset | The Cancer Genome Atlas (TCGA) Portal (https://portal.gdc.cancer.gov/); 535 LUAD tumor samples, 59 adjacent normal lung tissue samples (RNA-sequencing count/FPKM values + clinical data: survival, TNM staging) | Transcriptomic and clinical data for differential expression, survival, and nomogram analysis; primary study cohort |
| GSE115002 Dataset | Gene Expression Omnibus (GEO) (https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE115002); Agilent microarray, 52 LUAD tumor tissues, 52 matched adjacent normal lung tissues (treatment-naïve primary tumors) | Independent validation cohort for differential expression, diagnostic performance, and immune infiltration analysis | |
| Bioinformatics Software & Programming Environment | R Programming Language | Version 4.1 | Core platform for all transcriptomic, statistical, and graphical analyses |
| R Packages (Differential Expression) | DESeq2, limma | DESeq2: TCGA RNA-seq raw count differential expression analysis; limma: GSE115002 microarray normalization and differential expression analysis (Benjamini–Hochberg FDR correction) | |
| R Packages (Diagnostic Analysis) | pROC | Construction of ROC curves, calculation of AUC (95% CI), optimal cutoff determination (Youden’s index) for diagnostic performance assessment | |
| R Packages (Survival Analysis) | survival, survminer | Kaplan–Meier survival curve generation, log-rank test, univariate/multivariate Cox proportional hazards regression (HR + 95% CI); patient stratification by median gene expression | |
| R Packages (Functional Enrichment) | clusterProfiler, fgsea | clusterProfiler: GO (BP/CC/MF) and KEGG pathway enrichment analysis (adjusted P < 0.05); fgsea: GSEA for MSigDB Hallmark/KEGG gene sets (FDR < 0.25) | |
| R Packages (Nomogram Construction & Validation) | rms | Development of prognostic nomogram (integration of gene expression + TNM stage); Harrell’s C-index calculation, bootstrap resampling (1000 repetitions) for bias correction, calibration plot generation | |
| R Packages (Statistical & Visualization) | ggplot2, ComplexHeatmap, corrplot | Generation of volcano plots, bubble plots (enrichment), heatmaps (immune infiltration correlation), scatter plots (gene co-expression); Pearson/Spearman correlation analysis | |
| Bioinformatics Databases & Tools (Network/Immune Analysis) | STRING Database | Confidence score > 0.7 | Construction of protein–protein interaction (PPI) networks for B3GNT3/FERMT1/SPP1 and first-degree interactors |
| Cytoscape | - | Visualization of PPI and gene co-expression networks (edge weighting by correlation strength, hub gene identification) | |
| Immune Deconvolution Algorithm | CIBERSORT | Estimation of immune cell infiltration abundance (M2 macrophages, CD8+ T cells, neutrophils, NK cells, etc.) in LUAD samples; correlation with candidate gene expression | |
| Other Tools | Microsoft Office/LaTeX | - | Manuscript preparation, figure assembly, and table formatting; statistical result compilation |
בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה
בקש הרשאה