Prove genetiche, trascrittomiche e a singola cellula multistadio prioritizzano MAP1LC3A tra i geni correlati alla ferroptosi nel glioblastoma

Zhirui Liao; Mingming Xian; Fanmeng Zeng; Weikun Zhou; Jinshui Lin; Bo Yang; Wanchun Yin; Jianjun Ye

È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo di ricerca

Prove genetiche, trascrittomiche e a singola cellula multistadio prioritizzano MAP1LC3A tra i geni correlati alla ferroptosi nel glioblastoma

94 visualizzazioni

⸱

11 settembre 2026

Zhirui Liao^*¹ , Mingming Xian^*² , Fanmeng Zeng¹ , Weikun Zhou¹ , Jinshui Lin¹ , Bo Yang¹ , Wanchun Yin¹ , Jianjun Ye¹

¹Department of Cerebrovascular Neurosurgery, The First People's Hospital of Zhaoqing, ²The National Key Clinical Specialty, Guangdong Provincial Key Laboratory on Brain Function Repair and Regeneration, Department of Neuro-oncological Surgery, Zhujiang Hospital, Southern Medical University

^* These authors contributed equally

In questo articolo

Sommario

Un framework multistadio ancorato geneticamente, che integra randomizzazione mendeliana, trascrittomica tumorale e analisi single-cell, ha identificato MAP1LC3A come gene associato alla ferroptosi e alla suscettibilità al glioblastoma, proponendolo come candidato per future validazioni sperimentali.

Abstract

Il glioblastoma (GBM) rimane una malignità altamente aggressiva e il contributo dei geni legati alla ferroptosi nella suscettibilità alla malattia non è ancora completamente compreso. È stato applicato un framework genetico multistadio per identificare i geni associati alla ferroptosi in relazione al GBM. Tra i 483 geni curati da FerrDb V2, 315 presentavano cis-expression quantitative trait loci (cis-eQTLs) candidati in eQTLGen, 250 mantenevano almeno tre strumenti indipendenti dopo il raggruppamento per disequilibrio di associazione (linkage disequilibrium clumping) e 226 fornivano stime valide di randomizzazione mendeliana pesate per la varianza inversa (IVW) utilizzando uno studio di associazione genomica (GWAS) sul GBM comprendente 6.183 casi e 18.169 controlli. Trentaquattro geni soddisfacevano i criteri esplorativi di scoperta con P < 0,05 e un tasso di scoperta falsa di Benjamini–Hochberg (BH-FDR) < 0,20, con stime concordanti in direzione della randomizzazione mendeliana pesata bayesiana (BWMR). La fase di replica mediante randomizzazione mendeliana, utilizzando cis-eQTLs da tessuto ematico intero di GTEx V10, ha confermato quattro geni: ATG7, RPTOR, MAP1LC3A e CHMP6. La valutazione su tre coorti trascrittomiche tumorali–controllo indipendenti ha dimostrato che MAP1LC3A era costantemente downregolato nel tessuto tumorale e mostrava una stima combinata ad effetti casuali significativa (variazione log₂, −1,273; intervallo di confidenza al 95%, −1,625 a −0,920; tasso di scoperta falsa = 0,016), mentre gli altri tre geni non presentavano supporto statistico comparabile tra le coorti. Successivamente, è stata effettuata un'analisi computazionale di knockout virtuale in un sottoinsieme bilanciato di pazienti composto da 2.400 cellule maligne selezionate tra 4.916 cellule idonee provenienti da 20 tumori di GBM adulto di tipo selvaggio per IDH. In cinque esecuzioni indipendenti, sono stati identificati rispettivamente 3, 15, 4 e 7 geni downstream robusti per ATG7, RPTOR, MAP1LC3A e CHMP6. Gli insiemi di consenso risultanti comprendevano 17 geni unici, con RND3 condiviso da tutti e quattro i bersagli. L'analisi Gene Ontology ha indicato un arricchimento nei processi di adesione cellulare e di superficie cellulare, mentre nessun percorso KEGG o Reactome è risultato significativo dopo la correzione per test multipli. Nel complesso, questi risultati identificano MAP1LC3A come priorità per future indagini sperimentali, distinguendo tuttavia l'associazione genetica, la concordanza nell'espressione tumorale e la perturbazione computazionale da prove definitive di causalità o meccanismo.

Introduzione

Il glioblastoma (GBM) rimane una neoplasia paradigmatica refrattaria al trattamento. Nonostante una classificazione molecolare sempre più precisa e un approccio terapeutico multidisciplinare, i miglioramenti duraturi nei risultati per i pazienti sono stati limitati¹. Per i pazienti clinicamente idonei, la gestione attuale prevede la resezione massima sicura seguita da radioterapia con temozolomide somministrato in modo concomitante e adiuvante, un regime stabilito in un fondamentale studio randomizzato e confermato nelle attuali linee guida cliniche¹^,². Tuttavia, l'infiltrazione diffusa e l'elevata eterogeneità cellulare e molecolare limitano il controllo duraturo della malattia, e la maggior parte dei pazienti alla fine presenta progressione o recidiva, per le quali non esiste un trattamento standard universalmente efficace¹^,³. Questo persistente divario tra i progressi nella caratterizzazione della malattia e i risultati clinici sottolinea la necessità di identificare dipendenze molecolari biologicamente rilevanti che possano guidare nuove strategie terapeutiche per il GBM.

La ferroptosi è una forma dipendente dal ferro di morte cellulare regolata, caratterizzata da una perossidazione incontrollata dei fosfolipidi e dal fallimento delle difese antiossidanti cellulari, distinguendosi meccanicamente dall'apoptosi e da altri programmi canonici di morte cellulare⁴^,⁵. Questo processo è particolarmente rilevante nel GBM, dove alterazioni genetiche e plasticità metabolica rimodellano l'omeostasi del ferro, l'equilibrio redox e il metabolismo lipidico. Profilazioni genomiche e lipidomiche integrate hanno dimostrato che la delezione di CDKN2A ridistribuisce acidi grassi polinsaturi ossidabili, creando così una suscettibilità alla ferroptosi dipendente dal genotipo nei modelli di GBM⁶. Analogamente, analisi accoppiate di tumori primari e ricorrenti hanno identificato alterazioni associate alla ricaduta in GPX4, ACSL4 e altri regolatori della ferroptosi⁷. È stato inoltre dimostrato che la modulazione sperimentale delle vie di difesa dalla ferroptosi influenza la risposta al temozolomide in cellule di GBM e modelli xenotrapiantati⁸. Nel complesso, questi risultati identificano la ferroptosi come una vulnerabilità terapeutica biologicamente plausibile nel GBM. Tuttavia, essi riflettono principalmente associazioni allo stato tumorale o osservazioni sperimentali dipendenti dal contesto, e non stabiliscono se una variazione costitutiva nell'espressione genica legata alla ferroptosi contribuisca alla suscettibilità ereditaria al GBM.

La maggior parte degli studi umani che indagano la ferroptosi nel glioma si è basata su analisi di espressione differenziale, modellizzazione della sopravvivenza e sottotipizzazione molecolare mediante l'uso di dataset TCGA, CGGA e GEO⁹^,¹⁰. Sebbene questi studi abbiano stabilito la rilevanza prognostica dei programmi trascrizionali legati alla ferroptosi, il loro disegno osservazionale non consente di determinare se una alterata espressione genica contribuisca alla suscettibilità del GBM o rappresenti invece una conseguenza dello sviluppo tumorale. La randomizzazione mendeliana su scala trascrittoma ha successivamente identificato geni regolati geneticamente e dipendenti dal tessuto associati al rischio di glioma, mentre studi più recenti basati sui locus quantitativi per l'espressione genica (eQTL) e per il livello proteico (pQTL) hanno iniziato a individuare potenziali bersagli terapeutici per il GBM¹¹^,¹². Tuttavia, le indagini precedenti hanno generalmente adottato approcci basati sull'intero trascrittoma o orientati ai bersagli farmacologici, piuttosto che valutare un insieme predefinito e completo di geni legati alla ferroptosi. Inoltre, pochi studi hanno integrato un ampio studio d'associazione sull'intero genoma (GWAS) per il GBM con una randomizzazione mendeliana di replica utilizzando una risorsa eQTL indipendente, seguita da valutazione in più coorti trascrittomique tumore-controllo. Questa distinzione è importante poiché la regolazione genetica dell'espressione genica varia notevolmente tra i tessuti, e le associazioni eQTL derivate dal sangue non possono essere considerate rappresentative degli effetti regolatori all'interno dei tumori cerebrali¹¹^,¹³. Pertanto, è necessario un approccio integrato che combini associazioni genetiche, randomizzazione mendeliana con replica, trascrittomica tumorale trasversale a più coorti e previsione funzionale basata su singole cellule derivate da pazienti, al fine di identificare geni legati alla ferroptosi sostenuti da linee convergenti di evidenza del loro coinvolgimento nel GBM.

Questo studio ha indagato se l'espressione geneticamente regolata di geni correlati alla ferroptosi sia associata alla suscettibilità al GBM. Le analisi di randomizzazione mendeliana nelle fasi di scoperta e di replica sono state combinate con analisi dell'espressione genica su tre coorti trascrittomiche indipendenti di tumore e controllo. I geni supportati da entrambe le fasi della randomizzazione mendeliana sono stati successivamente valutati in dati trascrittomici single-cell derivati da pazienti, utilizzando una perturbazione virtuale per caratterizzare le risposte trascrittionali previste nelle cellule maligne. Piuttosto che privilegiare i geni esclusivamente in base alle firme di espressione tumorale, questo approccio multistadio ha innanzitutto sfruttato la variazione genetica ereditata, per poi valutare i modelli di espressione rilevanti per la malattia insieme ai profili computazionali di perturbazione risolti a livello cellulare. L'evidenza convergente ottenuta è stata utilizzata per identificare i geni correlati alla ferroptosi da indagare sperimentalmente in futuro nel GBM.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Lo studio ha ottenuto un'esenzione dalla revisione etica da parte del Comitato di Etica Medica del First People's Hospital di Zhaoqing (numero di riferimento B2026-08-03). Lo studio ha utilizzato dati genetici e trascritomici di livello riassuntivo, raccolti retrospettivamente e anonimizzati, inclusi dati con accesso controllato approvati dal Data Access Committee provenienti da EGAD00010001657 e dataset ottenuti da GEO, eQTLGen e GTEx, in conformità con le rispettive condizioni di accesso e utilizzo. Non sono stati reclutati nuovi partecipanti, non sono stati raccolti biospecimens e non sono stati consultati dati identificabili a livello individuale. L'approvazione etica e il consenso informato per gli studi originali sono stati ottenuti dai rispettivi generatori dei dati, e i dati con accesso controllato sono stati utilizzati in conformità con l'applicabile Data Access Agreement.

Progettazione dello studio

Questo studio ha impiegato un framework multistadio per individuare i geni associati alla ferroptosi legati alla suscettibilità del glioblastoma (GBM) e per valutarne gli effetti trascrizionali rilevanti per la malattia (Figura 1). In primo luogo, i geni associati alla ferroptosi, curati da FerrDb V2, sono stati valutati mediante randomizzazione mendeliana a due campioni (MR) utilizzando dati di locus quantitativi per l'espressione in cis (cis-eQTL) e uno studio di associazione genomica su larga scala per il GBM (GWAS). La randomizzazione mendeliana pesata per la varianza inversa (IVW MR) è stata utilizzata come metodo primario di screening, la randomizzazione mendeliana bayesiana pesata (BWMR) ha fornito una valutazione complementare della robustezza, e un dataset indipendente di eQTL è stato impiegato per la replica tramite analisi MR. In secondo luogo, i geni supportati dalle analisi genetiche sono stati valutati in tre coorti trascrittomique indipendenti di tumore–controllo, seguiti da un'analisi meta-complessiva tra le coorti. In terzo luogo, dati trascrittomique a singola cellula derivati da pazienti sono stati utilizzati per effettuare una perturbazione genica virtuale nelle cellule maligne e identificare risposte trascrizionali downstream riproducibili. Queste risposte sono state successivamente caratterizzate mediante analisi di arricchimento funzionale e analisi di reti condivise. Nel complesso, le analisi genetiche sono state progettate per identificare geni associati alla suscettibilità al GBM, mentre le analisi trascrittomique e a singola cellula hanno valutato la concordanza biologica e generato ipotesi per successive validazioni sperimentali.

Fonti dei dati

I geni associati alla ferroptosi sono stati ottenuti da FerrDb V2, ottenendo 483 geni unici codificanti proteine umane dopo l'armonizzazione dei simboli genici e la rimozione delle voci duplicate¹⁴. Per la scoperta nel randomizzazione mendeliana (MR), sono state utilizzate le statistiche riassuntive dei locus quantitativi di tratto per l'espressione cis (cis-eQTL) su sangue intero del Consorzio eQTLGen come dataset di esposizione, mentre i dati cis-eQTL su sangue intero della release V10 di GTEx sono stati impiegati come dataset di esposizione indipendente per la replica del MR¹¹^,¹⁵. Le associazioni con l'esito del GBM sono state ottenute da statistiche riassuntive di studi di associazione sull'intero genoma (GWAS) ad accesso controllato disponibili tramite l'European Genome-phenome Archive, comprendenti 6.183 casi e 18.169 controlli di origine europea¹⁶. L'espressione tissutale dei geni geneticamente prioritizzati è stata valutata attraverso tre coorti indipendenti del Gene Expression Omnibus (GEO): GSE196533, comprendente 61 campioni di glioma di grado 4 annotati come GBM nei metadati depositati e nove campioni cerebrali non neoplastici; GSE4290, comprendente campioni di GBM e campioni cerebrali non tumorali derivati da epilessia; e GSE116520, contenente campioni appaiati del nucleo tumorale e peritumorali insieme a controlli non neoplastici¹⁷^,¹⁸^,¹⁹. Dati Smart-seq2 derivati da pazienti da GSE131928 sono stati utilizzati per l'analisi di perturbazione virtuale delle cellule maligne²⁰. Le caratteristiche dei dataset e i rispettivi ruoli analitici sono riassunti nella Tabella 1. Tutte le analisi sono state eseguite utilizzando dataset precedentemente raccolti e anonimizzati, per i quali erano state ottenute approvazione etica e consenso informato negli studi originali.

Selezione dello strumento genetico e armonizzazione dei dati

Gli strumenti candidati sono stati limitati ai loci di tratto quantitativo dell'espressione in cis (cis-eQTLs) associati all'espressione genica a livello di significatività genomica (P < 5 × 10⁻⁸). Le varianti sono state raggruppate utilizzando il pannello di riferimento europeo del Progetto 1000 Genomi con una soglia di disequilibrio di associazione (LD) di r² < 0,001 all'interno di una finestra di 10.000 kb. I geni che presentavano meno di tre strumenti indipendenti dopo il raggruppamento sono stati esclusi dall'analisi primaria di randomizzazione mendeliana (MR). Considerando l'obiettivo di screening esplorativo, è stato predeterminato un minimo di tre strumenti per mantenere i geni con supporto cis-eQTL scarso ma forte, consentendo al contempo una stima IVW con più strumenti. Questa soglia è stata accompagnata da un rigoroso raggruppamento in base all'LD e da un filtro basato sulla statistica F; le stime basate su soli tre o quattro strumenti sono state interpretate con cautela, e le analisi di sensibilità sono state effettuate solo quando metodologicamente applicabili. La forza degli strumenti è stata valutata per ciascuna variante mediante la statistica F (F = β²/SE²), dove β e SE rappresentano rispettivamente la stima dell'effetto cis-eQTL e il suo errore standard. Sono state escluse le varianti con F < 10 per ridurre al minimo il bias dovuto a strumenti deboli²¹^,²². I set di dati relativi all'esposizione e all'esito sono stati armonizzati allineando gli alleli effetto e le direzioni dell'effetto. Sono state escluse le varianti duplicate, quelle non disponibili nel set di dati GWAS per il GBM e quelle con codifica allelica incompatibile. Poiché le frequenze degli alleli effetto non erano disponibili per il GWAS del GBM, le varianti palindromiche con orientamento del filamento ambiguo sono state rimosse anziché dedotte. Per lo stesso motivo, non è stato effettuato un test formale di direzionalità di Steiger.

Analisi di randomizzazione mendeliana

L'associazione tra espressione genica predetta geneticamente e suscettibilità al GBM è stata valutata mediante randomizzazione mendeliana a due campioni (MR). Nella fase di scoperta, sono stati inclusi soltanto i geni con almeno tre strumenti indipendenti di locus quantitativo per l'espressione cis (cis-eQTL), e il metodo pesato per la varianza inversa (IVW) è stato utilizzato come approccio analitico principale. Le stime dell'effetto sono state riportate come odds ratio (OR) con intervalli di confidenza al 95% (IC) per ogni incremento unitario dell'espressione genica predetta geneticamente. Per tenere conto dei test multipli effettuati sui geni valutati, i valori P IVW sono stati corretti mediante la procedura di Benjamini–Hochberg²³. Sono stati considerati candidati esplorativi i geni con P < 0,05 e una falsa scoperta attesa secondo Benjamini–Hochberg (BH-FDR) < 0,20. È stata scelta questa soglia FDR relativamente permissiva per ridurre l'esclusione prematura di geni potenzialmente rilevanti nella fase di scoperta; pertanto, lo stato di candidato è stato interpretato in combinazione con analisi successive, piuttosto che come prova confermativa. Successivamente, la randomizzazione mendeliana pesata bayesiana (BWMR) è stata applicata ai candidati identificati nella fase di scoperta, utilizzando gli stessi strumenti armonizzati²⁴. La concordanza tra i risultati IVW e BWMR è stata valutata in base sia alla significatività statistica sia alla direzione dell'effetto. Laddove il numero di strumenti disponibili lo permetteva, sono stati eseguiti il test Q di Cochran, il test dell'intercetta MR-Egger, MR-PRESSO e analisi leave-one-out per valutare eterogeneità, pleiotropia orizzontale, varianti influenti anomale e l'influenza di singoli polimorfismi a singolo nucleotide (SNP)²².

È stata eseguita la replicazione nella fase MR utilizzando i dati cis-eQTL da sangue intero di GTEx V10. Il metodo del rapporto di Wald è stato applicato quando era disponibile un singolo strumento, mentre il metodo IVW è stato utilizzato per i geni con due o più strumenti. La replicazione è stata definita in base a P < 0,05, BH-FDR < 0,20 e una direzione dell'effetto coerente con la stima corrispondente della fase di scoperta. Poiché diverse stime di replicazione di GTEx si basavano su uno o due soli strumenti, sono state interpretate come evidenza di supporto alla replicazione piuttosto che come evidenza indipendente di causalità.

Valutazione trascrittomica trasversale tra coorti

I quattro geni selezionati tramite le analisi di randomizzazione mendeliana (MR) nelle fasi di scoperta e di replica sono stati valutati in tre coorti trascrittomici indipendenti. Per GSE196533, i dati grezzi di conteggio del sequenziamento dell'RNA sono stati analizzati utilizzando DESeq2²⁵. Sono stati esclusi i geni con conteggi inferiori a 10 in tutti i campioni tranne due, mentre i quattro geni bersaglio sono stati mantenuti indipendentemente dal filtro di espressione. L'espressione differenziale è stata valutata tra 61 campioni di glioma di grado 4 annotati come GBM nei metadati depositati e nove campioni di tessuto cerebrale non neoplastico.

Per GSE4290, sono stati esclusi quattro campioni privi di una diagnosi istopatologica esplicita, lasciando 77 campioni di GBM e 23 campioni di tessuto cerebrale non tumorale. Le intensità delle microarray processate sono state trasformate in log₂, normalizzate per quantili e analizzate utilizzando modelli lineari robusti di Bayes empirico implementati in limma²⁶. Quando più sonde corrispondevano allo stesso gene, è stata selezionata la sonda con l'espressione media più alta in tutti i campioni inclusi, indipendentemente dal significato dell'espressione differenziale.

GSE116520 comprendeva campioni accoppiati di area tumorale centrale e peritumorale provenienti da 17 pazienti, insieme a otto controlli non neoplastici. I dati di espressione depositati, trasformati in log e normalizzati per quantili, sono stati analizzati utilizzando limma. Le correlazioni intra-paziente tra i campioni dell'area tumorale centrale e quelli peritumorali sono state prese in considerazione mediante blocco a livello del paziente e la funzione duplicateCorrelation. Il confronto tra area tumorale centrale e controllo è stato il confronto predeterminato per la meta-analisi trasversale ai cohorti, mentre i confronti peritumorali e l'andamento ordinato controllo–peritumorale–area tumorale centrale sono stati valutati separatamente.

I cambiamenti specifici dello studio nel log₂ e gli errori standard sono stati raggruppati utilizzando un modello ad effetti casuali con massima verosimiglianza vincolata e inferenza di Hartung–Knapp, come implementato in metafor. L'eterogeneità tra studi è stata valutata mediante la statistica Q di Cochran e la I². I valori P aggregati per i quattro geni bersaglio sono stati corretti utilizzando la procedura di Benjamini–Hochberg. Un forte supporto trascrittomico è stato definito da un tasso di scoperte false (FDR) dell'analisi meta in cui FDR < 0,05, significatività dell'FDR a livello di coorte in almeno due set di dati e direzioni dell'effetto concordanti in tutte e tre le coorti.

Analisi virtuale di knockout a singola cellula

I dati Smart-seq2 derivati da pazienti provenienti da GSE131928 sono stati utilizzati per valutare i quattro geni replicati tramite MR in cellule maligne. Le cellule maligne adulte sono state identificate in base alle annotazioni fornite nello studio originale, e un numero uguale di cellule è stato campionato casualmente da ciascun paziente idoneo per ridurre al minimo il disequilibrio nella rappresentanza dei pazienti. L'interruzione virtuale è stata eseguita utilizzando scTenifoldKnk e ripetuta in cinque esecuzioni indipendenti. I geni con un valore di P aggiustato secondo Benjamini–Hochberg < 0,05 in una singola esecuzione sono stati considerati significativi. I geni downstream riprodotti in almeno tre delle cinque esecuzioni sono stati definiti come insieme primario di consenso, mentre per l'analisi di sensibilità è stato adottato un criterio più rigoroso di quattro su cinque. Questi risultati sono stati interpretati come previsioni computazionali di perturbazione trascrizionale piuttosto che come evidenza di regolazione molecolare diretta.

Analisi dell'arricchimento funzionale e analisi della rete condivisa

L'analisi di arricchimento funzionale è stata eseguita utilizzando geni downstream specifici del bersaglio identificati in modo riproducibile in almeno tre dei cinque esperimenti virtuali di knockout. L'arricchimento dei percorsi di Gene Ontology (GO), Kyoto Encyclopedia of Genes and Genomes (KEGG) e Reactome è stato valutato mediante test ipergeometrici unilaterali, utilizzando come insieme genico di riferimento i 1.004 geni inclusi nell'inferenza della rete. I valori di P sono stati corretti separatamente per ciascun database di annotazione mediante la procedura di Benjamini–Hochberg, e un valore di P corretto < 0,05 è stato considerato statisticamente significativo.

È stato costruito un network bipartito per rappresentare le relazioni tra le quattro proteine bersaglio eliminate e i loro geni downstream in comune. I geni associati a più bersagli sono stati identificati in base al loro grado condiviso, e l'overlapping tra i set di geni specifici per ciascun bersaglio è stato quantificato mediante il conteggio delle intersezioni e gli indici di Jaccard. I collegamenti nel network rappresentano associazioni tra perturbazioni computazionali riproducibili e non devono essere interpretati come evidenza di interazioni molecolari dirette.

Analisi statistica e riproducibilità

Salvo diversa indicazione, i test statistici erano a due code e le comparazioni multiple sono state corrette mediante la procedura di Benjamini–Hochberg. I criteri di significatività specifici per ciascun'analisi sono descritti nelle relative sottosezioni. Tutte le analisi sono state eseguite utilizzando R o Python. Le procedure di randomizzazione hanno utilizzato semi predeterminati e il codice analitico, le versioni del software e le impostazioni dettagliate dei parametri sono stati archiviati per garantire la riproducibilità. Tutti i set di dati erano stati raccolti in precedenza e resi anonimi; l'approvazione etica e il consenso informato erano stati ottenuti negli studi originali.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Selezione di geni associati alla ferroptosi e strumenti genetici

Un totale di 483 geni correlati alla ferroptosi è stato ottenuto da FerrDb V2 (Figura 1). Tra questi, 315 geni sono stati abbinati al dataset eQTLGen e presentavano almeno un locus candidato cis di espressione quantitativa del tratto (cis-eQTL). Dopo il raggruppamento per disequilibrio di associazione, 250 geni hanno mantenuto almeno tre strumenti candidati indipendenti. Successivame...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Questo studio ha integrato associazioni genetiche, un'analisi di Mendelian randomization (MR) di replica, trascrittomica tumorale e modellizzazione di singole cellule derivate da pazienti per identificare geni legati alla ferroptosi associati alla suscettibilità al glioblastoma (GBM). Lo screening di 483 geni selezionati su uno studio di associazione genomica (GWAS) relativo al GBM, comprendente 6.183 casi e 18.169 controlli, ha identificato 34 candidati nella fase di scoperta, di cui quattro—ATG7, RPTOR, MAP1LC3A e CHMP...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori dichiarano di non avere interessi concorrenti.

Ringraziamenti

Gli autori ringraziano il team di Cancer Genomics presso l'Institute of Cancer Research per aver fornito accesso alle statistiche riassuntive dello studio di associazione sull'intero genoma relativo al glioma tramite l'European Genome-phenome Archive (set di dati EGAD00010001657). La generazione originale di questi dati è stata sostenuta da Cancer Research UK, inclusi il Bobby Moore Fund, il Wellcome Trust e il DJ Fielding Medical Research Trust (C1298/A8362).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
Nome	Azienda	Numero di catalogo	Commenti
BWMR	Pacchetto R	BWMR	Randomizzazione mendeliana bayesiana pesata
DESeq2	Bioconductor	Versione 1.46.0	Analisi del differenziale di espressione da sequenziamento dell'RNA
FerrDb V2	FerrDb	Versione 2	Fonte di 483 geni correlati alla ferroptosi curati
Microarray bulk di glioblastoma	NCBI Gene Expression Omnibus	GSE4290	Cohorte di valutazione trascrittomica
Statistiche riassuntive GWAS di glioblastoma	European Genome-phenome Archive	EGAD00010001657	Dati di outcome ad accesso controllato; 6.183 casi e 18.169 controlli
Sequenziamento dell'RNA a singola cellula Smart-seq2 di glioblastoma	NCBI Gene Expression Omnibus	GSE131928	Analisi di knockout virtuale su cellule maligne
Sequenziamento bulk dell'RNA di glioma di grado 4	NCBI Gene Expression Omnibus	GSE196533	Cohorte di valutazione trascrittomica
Statistiche riassuntive cis-eQTL da sangue intero GTEx	Progetto Genotype-Tissue Expression	GTEx V10	Dati di esposizione nella fase di replica
limma	Bioconductor	Versione 3.62.2	Analisi del differenziale di espressione su microarray
metafor	Pacchetto R	Versione 4.8-0	Meta-analisi a effetti random
R	Fondazione R per il Calcolo Statistico	Versione 4.4.2	Ambiente computazionale statistico
scTenifoldKnk	Pacchetto R	Versione 1.0.3	Analisi di knockout virtuale a singola cellula
Microarray bulk del nucleo tumorale e peritumorale	NCBI Gene Expression Omnibus	GSE116520	Cohorte di valutazione trascrittomica
TwoSampleMR	Pacchetto R	Versione 0.6.29	Randomizzazione mendeliana a due campioni
Statistiche riassuntive cis-eQTL da sangue intero	Consorzio eQTLGen	eQTLGen	Dati di esposizione nella fase di scoperta

Riferimenti

Weller M, et al. EANO guidelines on the diagnosis and treatment of diffuse gliomas of adulthood. Nat Rev Clin Oncol. 2021;18:170-186.
Stupp R, et al. Radiotherapy plus concomitant and adjuvant temozolomide for glioblastoma. N Engl J Med. 2005;352:987-996.
McBain C, et al. Treatment options for progression or recurrence of glioblastoma: a network meta-analysis. Cochrane Database Syst Rev. 2021;5:CD013579.
Dixon SJ, et al. Ferroptosis: an iron-dependent form of nonapoptotic cell death. Cell. 2012;149:1060-1072.
Stockwell BR, et al. Ferroptosis: A regulated cell death nexus linking metabolism, redox biology, and disease. Cell. 2017;171:273-285.
Minami JK, et al. CDKN2A deletion remodels lipid metabolism, priming glioblastoma for ferroptosis. Cancer Cell. 2023;41:1048-1060.e1049.
Kram H, et al. Glioblastoma relapses show increased markers of vulnerability to ferroptosis. Front Oncol. 2022;12:841418.
Miao Z, et al. A targetable PRR11-DHODH axis drives ferroptosis- and temozolomide-resistance in glioblastoma. Redox Biol. 2024;73:103220.
Liu HJ, et al. Ferroptosis-related gene signature predicts glioma cell death and glioma patient progression. Front Cell Dev Biol. 2020;8:538.
Dong J, et al. Ferroptosis-related gene contributes to immunity, stemness, and predicts prognosis in glioblastoma multiforme. Front Neurol. 2022;13:829926.
Robinson JW, et al. Transcriptome-wide Mendelian randomization study prioritizing novel tissue-dependent genes for glioma susceptibility. Sci Rep. 2021;11:2329.
Zhang H, Wang Z, Qiao X, Wu J, Cheng C. Investigating potential drug targets for the treatment of glioblastoma: a Mendelian randomization study. BMC Cancer. 2025;25:654.
GTEx Consortium. The GTEx Consortium atlas of genetic regulatory effects across human tissues. Science. 2020;369:1318-1330.
Zhou N, et al. FerrDb V2: update of the manually curated database of ferroptosis regulators and ferroptosis-disease associations. Nucleic Acids Res. 2023;51:D571-D582.
Võsa U, et al. Large-scale cis- and trans-eQTL analyses identify thousands of genetic loci and polygenic scores that regulate blood gene expression. Nat Genet. 2021;53:1300-1310.
Melin BS, et al. Genome-wide association study of glioma subtypes identifies specific differences in genetic susceptibility to glioblastoma and non-glioblastoma tumors. Nat Genet. 2017;49:789-794.
Zeng C, et al. Dissection of transcriptomic and epigenetic heterogeneity of grade 4 gliomas: implications for prognosis. Acta Neuropathol Commun. 2023;11:133.
Sun L, et al. Neuronal and glioma-derived stem cell factor induces angiogenesis within the brain. Cancer Cell. 2006;9:287-300.
Kruthika BS, et al. Transcriptome profiling reveals PDZ binding kinase as a novel biomarker in peritumoral brain zone of glioblastoma. J Neurooncol. 2019;141:315-325.
Neftel C, et al. An integrative model of cellular states, plasticity, and genetics for glioblastoma. Cell. 2019;178:835-849.e821.
Burgess S, Thompson SG. Avoiding bias from weak instruments in Mendelian randomization studies. Int J Epidemiol. 2011;40:755-764.
Papadimitriou N, et al. Physical activity and risks of breast and colorectal cancer: a Mendelian randomisation analysis. Nat Commun. 2020;11:597.
Song W, et al. Causal relationship between gut microbiota and lung squamous cell carcinoma: a bidirectional two-sample Mendelian randomization study. Postgrad Med J. 2025;101:526-534.
Zhao J, et al. Bayesian weighted Mendelian randomization for causal inference based on summary statistics. Bioinformatics. 2020;36:1501-1508.
Love MI, Huber W, Anders S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 2014;15:550.
Ritchie ME, et al. limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res. 2015;43:e47.
Yun D, et al. A novel prognostic signature based on glioma essential ferroptosis-related genes predicts clinical outcomes and indicates treatment in glioma. Front Oncol. 2022;12:897702.
Li R, et al. Identification of candidate genes associated with prognosis in glioblastoma. Front Mol Neurosci. 2022;15:913328.
Bai H, Inoue J, Kawano T, Inazawa J. A transcriptional variant of the LC3A gene is involved in autophagy and frequently inactivated in human cancers. Oncogene. 2012;31:4397-4408.
Hayashima K, Kimura I, Katoh H. Role of ferritinophagy in cystine deprivation-induced cell death in glioblastoma cells. Biochem Biophys Res Commun. 2021;539:56-63.
Wu Y, et al. ALDH1-mediated autophagy sensitizes glioblastoma cells to ferroptosis. Cells. 2022;11:4015.
Carriere A, et al. ERK1/2 phosphorylate Raptor to promote Ras-dependent activation of mTOR complex 1 (mTORC1). J Biol Chem. 2011;286:567-577.
Dai E, Meng L, Kang R, Wang X, Tang D. ESCRT-III-dependent membrane repair blocks ferroptosis. Biochem Biophys Res Commun. 2020;522:415-421.
Comincini S, et al. microRNA-17 regulates the expression of ATG7 and modulates the autophagy process, improving the sensitivity to temozolomide and low-dose ionizing radiation treatments in human glioblastoma cells. Cancer Biol Ther. 2013;14:574-586.
Wang L, et al. Autophagy mediates glucose starvation-induced glioblastoma cell quiescence and chemoresistance through coordinating cell metabolism, cell cycle, and survival. Cell Death Dis. 2018;9:213.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Esplora altri articoli

Geni della ferroptosi suscettibilità al glioblastoma randomizzazione mendeliana analisi a singola cellula coorti trascrittomiche analisi eQTL Gene Ontology downregolazione tumorale associazione genetica