È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.
Articolo di ricerca
* These authors contributed equally
Analisi integrate di metabolomica, trascrittomica, singole cellule e funzionali identificano SHMT2 come biomarcatore della riprogrammazione metabolica SGOC, del comportamento aggressivo e della ridotta risposta predetta all'immunoterapia nel carcinoma polmonare a cellule adenocarcinomatose.
Il metabolismo della serina/glicina/uno-carbonio (SGOC) è spesso alterato nel carcinoma polmonare adenoide (LUAD), ma il suo rapporto con il comportamento tumorale e la risposta predetta all'immunoterapia rimane in gran parte indefinito. È stata effettuata una profilatura metabolomica di 23 campioni appaiati di tessuto tumorale LUAD e tessuto polmonare normale adiacente mediante spettrometria di massa con ionizzazione elettrospray estrattiva interna. Sono stati analizzati dati trascrittomici e clinici del coorte LUAD del Cancer Genome Atlas (TCGA-LUAD) per valutare l'espressione di SHMT2, la prognosi, i geni differenzialmente espressi e le caratteristiche immuno-correlate. La risposta predetta al blocco dei checkpoint immunitari è stata valutata utilizzando Tumor Immune Dysfunction and Exclusion (TIDE) e The Cancer Immunome Atlas (TCIA), mentre la sensibilità ai farmaci è stata dedotta tramite oncoPredict. Sono stati utilizzati dati di singola cellula mediante RNA-seq per esaminare la distribuzione cellulare di SHMT2. La validazione sperimentale ha incluso PCR quantitativa a retrotrascrizione (RT-qPCR), immunoblotting, immunohistochimica dell'Human Protein Atlas (HPA) e silenziamento di SHMT2 mediato da RNA a corta sequenza in hairpin (shRNA), seguito da saggi di proliferazione, guarigione della ferita e formazione di colonie. L'analisi metabolomica ha identificato il metabolismo di glicina, serina e treonina come un pathway significativamente alterato nel LUAD. SHMT2 risultava sovraespresso nel LUAD ed era associato a una minore sopravvivenza complessiva e a caratteristiche clinicopatologiche sfavorevoli. I tumori con elevata espressione di SHMT2 mostravano un arricchimento di programmi trascrizionali legati al ciclo cellulare e al metabolismo SGOC, punteggi immunitari e stromali più bassi e una ridotta risposta predetta all'immunoterapia. L'analisi a singola cellula ha mostrato un relativo arricchimento dell'espressione di SHMT2 nelle popolazioni di linfociti B. in vitro, SHMT2 era sovraespresso nelle cellule LUAD e il suo silenziamento inibiva proliferazione, migrazione e crescita clonogenica. Nel complesso, SHMT2 è associato a una riprogrammazione metabolica SGOC, a fenotipi tumorali aggressivi e a uno stato svantaggiato dal punto di vista immunitario nel LUAD, suggerendone un potenziale ruolo come biomarcatore; ulteriori validazioni farmacologiche e in vivo sono necessarie per valutarne l'impiego terapeutico.
Il carcinoma polmonare a cellule non piccole di tipo adenocarcinoma (LUAD) rimane una delle principali cause di mortalità per cancro a livello mondiale, determinato da una marcata eterogeneità molecolare, da una spiccata tendenza alla metastatizzazione precoce e dalla limitata durata delle attuali strategie terapeutiche1,2. Sebbene gli inibitori dei checkpoint immunitari (ICIs) abbiano trasformato il panorama terapeutico del LUAD, il beneficio clinico sostenuto è limitato a un sottogruppo di pazienti, e si osservano frequentemente resistenza primaria e acquisita3,4. Questa notevole variabilità inter-paziente evidenzia la necessità urgente di definire i determinanti biologici che modellano il microambiente immunitario tumorale e regolano la risposta all'immunoterapia, identificando al contempo vulnerabilità terapeutiche sfruttabili per migliorare la stratificazione dei pazienti e gli esiti del trattamento.
La riprogrammazione metabolica è un tratto distintivo centrale della progressione maligna5. Tra i programmi metabolici, il metabolismo SGOC collega gli input glicolitici al metabolismo degli amminoacidi e alla sintesi dei nucleotidi, fornendo unità a carbonio singolo per la produzione di purine/pirimidine e la generazione di gruppi metilici donatori6. Oltre alla produzione di biomassa, il metabolismo SGOC contribuisce all'omeostasi redox e interagisce con il ciclo della metionina per influenzare la metilazione del DNA, dell'RNA e delle istoni, posizionandosi così al crocevia tra proliferazione e regolazione epigenetica7,8. La serina idrossimetiltransferasi 2 (SHMT2), l'isoforma mitocondriale della serina idrossimetiltransferasi, converte la serina in glicina generando contemporaneamente 5,10-metilenotetraidrofolato e costituisce un importante punto di ingresso per il rifornimento mitocondriale di unità a carbonio singolo all'interno della rete SGOC9. SHMT2 risulta anomalo aumentata in molteplici neoplasie ed è stata associata a una maggiore proliferazione, invasività, resistenza terapeutica e adattamento allo stress ossidativo10,11,12,13. SHMT2 interagisce inoltre con i segnali infiammatori attraverso il complesso BRISC, sebbene un meccanismo immunitario diretto mediato da SHMT2 nel carcinoma polmonare a cellule adenoidi (LUAD) rimanga da dimostrare14,15. Di conseguenza, è necessaria una valutazione integrata per determinare se SHMT2 rappresenti un fenotipo metabolico clinicamente rilevante nel LUAD e come questo si relazioni alle caratteristiche del microambiente immunitario e alla risposta predetta all'immunoterapia.
L'interazione bidirezionale tra il metabolismo tumorale e l'immunità antitumorale è centrale nella biologia del cancro contemporanea16. Le cellule tumorali possono compromettere la competenza immunitaria attraverso l'esaurimento competitivo di nutrienti, l'accumulo di metaboliti immunomodulatori e un'accoppiamento metabolico-epigenetico che riconfigura la differenziazione e i programmi effettori delle cellule immunitarie7,16,17. Un aumento del metabolismo a uno-carbonio può influenzare i programmi dipendenti dalla metilazione e l'idoneità metabolica nelle cellule T, ma il senso e l'entità di questi effetti dipendono dal tipo cellulare e dal contesto nutrizionale17. La regolazione immunitaria adattativa si estende anche oltre le cellule T: le cellule B, le risposte anticorpali, la presentazione dell'antigene e le strutture linfoidi terziarie (TLS) sono state associate all'efficacia dell'immunoterapia18. Queste osservazioni motivano un'analisi articolata che possa collocare un candidato metabolico nei contesti di massa tumorale, a singola cellula e funzionale, senza presupporre che la concordanza tra piattaforme da sola dimostri una relazione di causalità.
A differenza di una progettazione basata esclusivamente su metabolomica, che identifica metaboliti alterati senza stabilirne l'origine cellulare o la rilevanza fenotipica, e a differenza di una progettazione basata esclusivamente su trascrittomica su campione totale, che può inferire l'attività delle vie senza osservare direttamente le alterazioni dei metaboliti, il presente protocollo integra metabolomica su tessuti accoppiati, trascrittomica su campione totale e su singola cellula, e saggi funzionali in vitro. La concordanza tra questi livelli supporta la priorizzazione dei candidati e riduce la dipendenza da una singola piattaforma analitica; tuttavia, le evidenze ottenute rimangono di tipo associativo per quanto riguarda la regolazione immunitaria, a meno che non vengano convalidate in sistemi di co-coltura immunitaria o in vivo.
La metabolomica su tessuti accoppiati di adenocarcinoma polmonare (LUAD) e tessuto polmonare normale adiacente è stata inizialmente utilizzata per identificare alterazioni metaboliche associate alla glicina. Successivamente, i dati trascrittomici e clinici del TCGA sono stati integrati per valutare SHMT2, un enzima mitocondriale del percorso SGOC, supportato dalla rilevanza del percorso metabolico, dall'upregolazione tumorale, dall'associazione prognostica e dalla trattabilità sperimentale. L'analisi del microambiente immunitario, la mappatura a singola cellula e la validazione funzionale in vitro hanno poi stabilito un quadro articolato, generativo di ipotesi, che comprende modificazioni metaboliche, disregolazione enzimatica, distribuzione cellulare e fenotipo delle cellule tumorali. Da un punto di vista pratico, questo flusso di lavoro richiede tessuti accoppiati freschi congelati. L'identificazione dei metaboliti mediante spettrometria di massa è semiquantitativa; i metaboliti candidati devono essere validati indipendentemente. Le previsioni sull'immunoterapia (TIDE/TCIA) e le inferenze sulla sensibilità ai farmaci (oncoPredict) sono stime computazionali basate sul trascrittoma che non sostituiscono la validazione clinica in coorti reali trattate con inibitori del checkpoint immunitario (ICI) e devono essere interpretate come generatrici di ipotesi.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Lo studio è stato approvato dal Comitato Etico dell'Ospedale Affiliato N. 2 dell'Università di Nanchang (CDEFYYLK 3-05). A tutti i pazienti è stato richiesto il consenso informato scritto prima della raccolta dei campioni, in conformità con la Dichiarazione di Helsinki. I dati grezzi sono stati esportati e analizzati utilizzando il software e le risorse web elencati nella Tabella dei Materiali.
Raccolta di tessuti clinici
Campioni accoppiati di tessuto tumorale e di tessuto polmonare normale distante sono stati raccolti da pazienti sottoposti a resezione chirurgica tra gennaio e giugno 2024 e diagnosticati istopatologicamente con adenocarcinoma polmonare invasivo. I campioni sono stati escissi dal chirurgo durante l'intervento, processati entro 5 minuti dalla resezione, congelati rapidamente in azoto liquido e conservati fino all'analisi. Le caratteristiche clinico-patologiche anonimizzate sono riportate nella Tabella Supplementare 1.
Spettrometria di massa con ionizzazione elettrospray estrattiva interna (iEESI-MS) per discriminare il carcinoma polmonare a cellule adenocinque (LUAD) dai tessuti polmonari normali
Campioni di tessuto (1 mm3) sono stati analizzati mediante iEESI-MS utilizzando un analizzatore di massa ibrido con trappola ionica lineare e trappola orbitrap elettrostatica in modalità ioni positivi. Il solvente di estrazione metanolo (100%) è stato erogato a 3,0 µL/min con un bias di +5 kV. L'intervallo di scansione dell'iEESI-MS1 era m/z 50–2.000. L'iEESI-MS2 ha utilizzato la dissociazione per collisione indotta con un'energia di collisione normalizzata del 25–35%, una finestra di isolamento di m/z 2,0 e un tempo di esclusione dinamica di 30 s. Una calibrazione esterna giornaliera, eseguita secondo la procedura standard dello strumento, ha mantenuto un errore di massa <5 ppm. Dopo normalizzazione mediana, trasformazione log₂ e autoscalatura, è stata eseguita l'analisi OPLS-DA con 200 test di permutazione. I metaboliti sono stati annotati utilizzando HMDB e l'arricchimento dei percorsi metabolici è stato effettuato mediante annotazioni KEGG.
Elaborazione dei dati di spettrometria di massa e identificazione dei metaboliti
I dati grezzi di spettrometria di massa (MS) sono stati normalizzati mediante normalizzazione mediana, seguita da trasformazione log₂ e autoscalatura (centratura rispetto alla media e divisione per la deviazione standard di ciascuna variabile). È stata utilizzata l'analisi discriminante basata su minimi quadrati parziali ortogonali (OPLS-DA) per identificare le caratteristiche m/z discriminanti. Le caratteristiche sono state considerate differenziali quando VIP > 1,0, |log₂(FC)| > 0,58 e p < 0,05. Le caratteristiche differenziali sono state sottoposte ad analisi MS2 e annotate utilizzando il Human Metabolome Database. Successivamente, è stata applicata l'arricchimento del percorso basato su KEGG per identificare i percorsi alterati e prioritizzare gli enzimi rilevanti per il percorso. I metaboliti differenziali annotati sono riportati nella Tabella Supplementare 2.
Analisi basate su TCGA dell'espressione di SHMT2, sopravvivenza e associazioni clinicopatologiche
I profili di espressione RNA-seq e le relative annotazioni cliniche per TCGA-LUAD sono stati scaricati dal Genomic Data Commons il 18 dicembre 2025; tumore (n = 542) e normale (n = 59). I valori di frammenti per chilobase di trascritto per milione di letture mappate (FPKM) sono stati trasformati come log2(FPKM + 1). Solo i campioni con informazioni complete sulla sopravvivenza sono stati inclusi nelle analisi prognostiche. I valori di espressione di SHMT2 in tessuto tumorale e normale sono stati confrontati utilizzando il test di Wilcoxon per il confronto tra ranghi. I pazienti sono stati suddivisi in gruppi con espressione elevata (SHMT2-alta) e bassa (SHMT2-bassa) in corrispondenza del valore mediano di espressione. La sopravvivenza globale è stata valutata mediante analisi di Kaplan-Meier e test del log-rank. Le associazioni con lo stadio tumorale-nodale-metastatico (TNM), l'età e il sesso sono state valutate utilizzando test chi-quadrato o test di Wilcoxon, secondo opportunità. Sono state generate curve caratteristiche operative del ricevitore (ROC) dipendenti dal tempo per la sopravvivenza a 1, 3 e 5 anni. Tutti i test statistici erano a due code.
Analisi dell'espressione differenziale e arricchimento funzionale (GO/KEGG)
I geni differenzialmente espressi (DEG) tra i gruppi con espressione elevata e ridotta di SHMT2 sono stati identificati utilizzando una false-discovery rate < 0,05 e |log₂(FC)| ≥ 1. I risultati sono stati visualizzati mediante un grafico a vulcano e una mappa termica dei 40 DEG principali, con normalizzazione z-score per riga. Per le analisi di arricchimento Gene Ontology (GO) e KEGG è stato utilizzato un valore di p aggiustato < 0,05. Le annotazioni dei geni umani sono state ottenute da Ensembl nel dicembre 2025.
Infiltrazione immunitaria, previsione della risposta all'immunoterapia e inferenza della sensibilità ai farmaci
I punteggi del microambiente tumorale, inclusi ImmuneScore, StromalScore ed ESTIMATEScore, sono stati calcolati utilizzando ESTIMATE. La composizione delle cellule immunitarie è stata dedotta mediante CIBERSORT con il set di riferimento LM22 (scaricato il 5 dicembre 2025), 1.000 permutazioni e mantenimento dei campioni con p di deconvoluzione < 0,05. Sono stati effettuati confronti tra gruppi di tumori con elevata espressione di SHMT2 (SHMT2-high) e tumori con bassa espressione di SHMT2 (SHMT2-low). Le correlazioni di Spearman tra SHMT2 e geni associati ai checkpoint immunitari sono state visualizzate come matrice di correlazione. Gli Immunophenoscore sono stati ottenuti da TCIA, e TIDE è stato utilizzato per una previsione complementare della risposta alla immunoterapia. La sensibilità ai farmaci è stata dedotta utilizzando oncoPredict, addestrato sulla versione di GDSC del dicembre 2023, per stimare i valori di IC50. Le differenze tra gruppi sono state analizzate con il test di Wilcoxon, mentre le associazioni continue sono state valutate mediante correlazioni di Spearman.
Analisi di RNA-seq a singola cellula di LUAD
I dati trascrittomici a singola cellula19 sono stati scaricati da Gene Expression Omnibus il 20 dicembre 2025 ed analizzati. Sono state mantenute le cellule con 200–6.000 caratteristiche rilevate e < 10% di trascritti mitocondriali. I conteggi sono stati normalizzati utilizzando LogNormalize con un fattore di scala di 10.000; sono stati selezionati i primi 2.000 geni variabili e tutti i geni sono stati standardizzati. L'analisi delle componenti principali ha utilizzato le prime 20 componenti, UMAP ha utilizzato le dimensioni 1–20 e il clustering è stato effettuato con una risoluzione di 0,5. I tipi cellulari sono stati annotati utilizzando il riferimento Human Primary Cell Atlas. Le proporzioni dei tipi cellulari sono state confrontate tra campioni tumorali e normali e sono state generate matrici di correlazione di Spearman. Le distribuzioni di SHMT2 sono state esaminate attraverso i tipi cellulari annotati. Gli stati del ciclo cellulare sono stati inferiti utilizzando cyclone e visualizzati con grafici a cresta.
Coltura cellulare
Le cellule BEAS-2B, H1299 e A549 sono state coltivate a 37 °C in un incubatore umidificato impostato al 5% di CO2 e a un'umidità relativa di circa il 95%, utilizzando i mezzi e i supplementi specificati nella Tabella dei Materiali.
PCR quantitativa in tempo reale con trascrizione inversa (RT-qPCR)
L'RNA totale è stato estratto utilizzando un reagente per l'estrazione di RNA a base di fenolo. L'RNA estratto è stato retrotrascritto in cDNA utilizzando una miscela master per la retrotrascrizione. La retrotrascrizione è stata eseguita in un sistema da 20 µL con rimozione del DNA genomico a 42 °C per 2 min, retrotrascrizione a 50 °C per 15 min e terminazione a 85 °C per 5 s. La PCR quantitativa è stata effettuata con una miscela master per qPCR basata su colorante legante il DNA su un sistema di PCR in tempo reale, utilizzando 95 °C per 3 min, seguiti da 40 cicli di 95 °C per 10 s e 60 °C per 30 s, e un passaggio di curva di denaturazione di 95 °C per 15 s, 60 °C per 60 s e 95 °C per 15 s. Tutte le reazioni sono state eseguite in triplice replicato. L'espressione relativa è stata calcolata utilizzando il metodo 2−ΔΔCt con GAPDH come gene di controllo. Le soluzioni stock dei primer sono state preparate a 10 µM in acqua bidistillata e conservate a -20 °C al buio. Le sequenze dei primer sono riportate nella Tabella Supplementare 3.
Immunoblotting
Le proteine cellulari totali sono state estratte utilizzando un buffer per saggio di immunoprecipitazione radioattiva su ghiaccio per 30 minuti, quindi centrifugate a 12.000 x g per 15 minuti a 4 °C. Le proteine sono state separate mediante elettroforesi su gel di poliacrilammide in presenza di dodecilsolfato di sodio al 12% e trasferite su membrane in fluoruro di polivinilidene da 0,22 µm. Le membrane sono state bloccate con latte scremato al 5% (p/v) in soluzione salina tamponata al Tris contenente lo 0,1% di Tween 20 (TBST) per 2 ore a temperatura ambiente e incubate inoltre per tutta la notte a 4 °C con gli anticorpi primari anti-SHMT2 (1:1.000) e anti-GAPDH (1:2.000) diluiti in TBST con latte scremato al 5%. Dopo tre lavaggi di 8 minuti ciascuno con TBST (20 mM Tris-HCl, 150 mM NaCl, 0,1% Tween-20), le membrane sono state incubate con anticorpi secondari marcati con perossidasi di rafano (1:5.000) per 1 ora a temperatura ambiente. I segnali sono stati rivelati utilizzando un substrato di chemiluminescenza potenziato, preparato mescolando volumi uguali delle soluzioni A e B, incubato per 2 minuti a temperatura ambiente al buio e rilevato mediante un sistema di imaging chemiluminescente.
Validazione dell'immunoeistochemia con HPA
I modelli di espressione proteica di SHMT2 nel tessuto polmonare normale e nel carcinoma polmonare a cellule adenocarcinoma (LUAD) sono stati valutati utilizzando la HPA. È stato effettuato un interrogativo per «SHMT2» nella HPA, e sono state scaricate immagini rappresentative di immunohistochimica (IHC) e le relative annotazioni patologiche per il confronto. Per ridurre al minimo il bias dovuto alla specificità dell'anticorpo, sono stati prioritizzati gli anticorpi con livelli più elevati di validazione nella HPA. Ove disponibili, i risultati di IHC ottenuti con multipli anticorpi sono stati incrociati (HPA020543 e HPA020549).
Silenziamento di SHMT2 in cellule LUAD
Per studiare il ruolo intrinseco delle cellule tumorali di SHMT2 nel carcinoma polmonare a cellule non piccole (LUAD), è stato effettuato un knockdown di SHMT2 nelle cellule H1299 e A549 utilizzando shRNA. L'shRNA era trasportato da un vettore lentivirale selezionabile con puromicina e guidato dal promotore H1; i plasmidi di impacchettamento sono stati co-trasfettati durante la produzione del virus. sh-SHMT2 mirava alla regione codificante umana di SHMT2, mentre sh-NC era un controllo negativo randomizzato. I ceppi virali preparati avevano un titolo di ≥ 1 x 108 unità trasduttive/mL e sono stati conservati a -80 °C. Le cellule sono state infettate con le particelle lentivirali sh-SHMT2 o sh-NC preparate, come descritto nella Tabella dei Materiali. Dopo 48 ore, l'efficienza del knockdown è stata valutata mediante RT-qPCR e immunoblotting. Solo le cellule con silenziamento confermato di SHMT2 sono state utilizzate per saggi di proliferazione, migrazione e formazione di colonie.
Saggio di proliferazione cellulare
La proliferazione cellulare è stata valutata mediante saggio CCK-8. Le cellule H1299 e A549 trasfettate sono state seminate in piastre a 96 pozzetti a una densità di 5 x 103 cellule per pozzetto, in sestuplicato. Nei giorni 1, 2, 3, 4 e 5, sono stati aggiunti 10 µL di reagente CCK-8 in ciascun pozzetto (10% del volume del mezzo di coltura) e incubati per 2 h a 37 °C. L'assorbanza è stata misurata a 450 nm ed è stata utilizzata come indice di vitalità cellulare.
Saggio di guarigione delle ferite
La migrazione cellulare è stata valutata mediante saggio di guarigione della ferita. Le cellule H1299 e A549 transfezionate sono state seminate in piastre da 6 pozzetti e coltivate fino a raggiungere una confluenza del 90–95%. Una ferita lineare è stata creata utilizzando una punta da pipetta sterile da 200 µL, e le cellule staccate sono state rimosse con un delicato lavaggio in soluzione salina tamponata al fosfato. Le cellule sono state quindi mantenute in mezzo privo di siero o a basso contenuto di siero, e l'area della ferita è stata acquisita a 0 h e 24 h mediante microscopio invertito. La chiusura della ferita è stata quantificata utilizzando il software di analisi dell'immagine indicato nella Tabella dei Materiali e calcolata come riduzione percentuale rispetto all'area iniziale della ferita.
Saggio di formazione di colonie
Per l'analisi della formazione di colonie, le cellule H1299 e A549 transfezionate sono state seminate in piastre a 6 pozzetti con 800 cellule per pozzetto e coltivate per circa 10–14 giorni fino alla formazione di colonie visibili, con monitoraggio microscopico durante la coltura. Le colonie sono state fissate con paraformaldeide al 4% per 30 min a temperatura ambiente e colorate con violetto cristallo allo 0,1% per 15 min a temperatura ambiente. Sono state contate al microscopio ottico le colonie contenenti più di 50 cellule.
Analisi statistica per esperimenti in vitro
Tutti gli esperimenti in vitro sono stati eseguiti indipendentemente almeno tre volte. I dati sono riportati come media ± deviazione standard. Per il confronto tra due gruppi è stato utilizzato il test t di Student, e un valore di p < 0,05 è stato considerato statisticamente significativo.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
La metabolomica dei tessuti rivela un rimodellamento metabolico esteso nel carcinoma polmonare a cellule adenoidi (LUAD) con un evidente arricchimento di vie metaboliche associate alla glicina
Tessuti polmonari tumorali accoppiati e tessuti normali adiacenti provenienti da 23 pazienti con LUAD sono stati analizzati mediante iEESI-MS diretto; le caratteristiche dei pazienti e le annotazioni dei metaboliti differenziali sono riportate nella Tabella Supplementare 1
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Questo studio ha utilizzato un approccio sequenziale che comprende la scoperta metabolomica, la priorizzazione degli enzimi, l'interpretazione trascrittomico, la valutazione del contesto immunitario, la localizzazione a singola cellula e la validazione funzionale delle cellule tumorali. Le analisi identificano un rimodellamento metabolico legato alla glicina e al percorso SGOC nel carcinoma polmonare a cellule squamose (LUAD) e associano SHMT2 a esiti sfavorevoli e a un beneficio terapeutico calcolato più basso in seguit...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Gli autori dichiarano di non avere interessi in conflitto.
Gli autori ringraziano i pazienti e le loro famiglie per aver partecipato a questo studio. Gli autori ringraziano inoltre i contributori dei database TCGA, GEO e HPA per aver reso pubblicamente disponibili i loro dati. Questa ricerca è stata finanziata dal Programma chiave per la ricerca e lo sviluppo della provincia di Jiangxi (numero di concessione 20223BBG71009) e dalla National Natural Science Foundation of China (numeri di concessione 81860379 e 82160410).
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
| Nome | Azienda | Numero di catalogo | Commenti |
|---|---|---|---|
| Celle A549 | CCL-185 | ATCC | |
| anticorpo anti-GAPDH | M1310-2 | Huaan Biotechnology | |
| anticorpo anti-SHMT2 | D197021 | Sangon Biotech | |
| Celle BEAS-2B | CRL-9609 | ATCC | |
| Cell Counting Kit-8 (CCK-8) | K1018 | APExBIO | |
| Database: TCGA / GDC | Accesso effettuato il 2025-12-18 | Istituto Nazionale del Cancro (NCI) | |
| Database: GEO | Accesso effettuato il 2025-12-20 | NCBI | |
| Database: HMDB | Accesso effettuato il 2025-12-12 | Human Metabolome Database | |
| Database: KEGG | Accesso effettuato il 2025-12-11 | Kanehisa Laboratories | |
| Database: Human Protein Atlas | Protein Atlas | ||
| Database: GDSC | versione 2023-12 | Sanger Institute | |
| Database: Ensembl | 2025-12 | EMBL-EBI | |
| Database: TCIA | Accesso effettuato il 2025-12-10 | The Cancer Immunome Atlas | |
| Celle H1299 (NCI-H1299) | CRL-5803 | ATCC | |
| anticorpo secondario coniugato con HRP | D110087 | Sangon Biotech | |
| HiScript II Q Select RT SuperMix | KR116 | Tiangen Biotech | |
| LightCycler 480 System | 5015278001 | Roche | |
| Latte scremato | reagente di laboratorio comune | BD (o come utilizzato) | |
| membrana PVDF, 0.22 µm | GVHP00010 (o reagente di laboratorio comune) | MilliporeSigma (o come utilizzato) | |
| Pacchetto R: pRoloc | 1.40.0 | Bioconductor | |
| Pacchetto R: TCGAbiolinks | 2.26.0 | Bioconductor | |
| Pacchetto R: survival | 3.4-0 | CRAN | |
| Pacchetto R: survminer | 0.4.9 | CRAN | |
| Pacchetto R: timeROC | 1.0.4 | CRAN | |
| Pacchetto R: DESeq2 | 1.38.1 | Bioconductor | |
| Pacchetto R: ggplot2 | 3.4.4 | CRAN | |
| Pacchetto R: pheatmap | 1.0.12 | CRAN | |
| Pacchetto R: clusterProfiler | 4.6.2 | Bioconductor | |
| Pacchetto R: org.Hs.eg.db | 3.16.0 | Bioconductor | |
| Pacchetto R: estimate | 1.0.13 | Bioconductor / GitHub | |
| Pacchetto R: CIBERSORT | 1 | (script R autonomo) | |
| Pacchetto R: corrplot | 0.92 | CRAN | |
| Pacchetto R: TIDE | 0.3.0 | Pacchetto R | |
| Pacchetto R: oncoPredict | 1.1.1 | CRAN / GitHub | |
| Pacchetto R: GEOquery | 2.66.0 | Bioconductor | |
| Pacchetto R: Seurat | 4.3.0 | CRAN | |
| Pacchetto R: SingleR | 1.10.0 | Bioconductor | |
| Pacchetto R: scran | 1.26.0 | Bioconductor | |
| SYBR Green qPCR Master Mix (Universale) | HY-K0501A | MedChemExpress (MCE) | |
| TRIzol Universal Reagent | DP424 | Tiangen Biotech |
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.