複数のコホートにまたがる統合機械学習を用いて、膠腫の堅牢なIMRG予後シグネチャーを構築しました。IRAINは著しくダウンレギュレーションされ、グレードや生存率に逆相関し、IGF1R-JAK2-STAT3-BIRC5シグナル伝達を抑制し、増殖、移動、血管新生を抑制します。研究結果はIRAINおよびIMRGをバイオマーカーおよび治療対象として指名しています。
研究記事
長く非コードRNAのIRAINは、IGF1R-JAK-STAT-BIRC5軸を介して膠質腫における免疫代謝再プログラミングを駆動します
* These authors contributed equally
この記事について
サマリー
要約
膠腫は攻撃的な悪性腫瘍で、治療法が限られており予後も悪いです。その進行は代謝の再プログラミングや免疫回避と密接に関連しており、これらのプロセスを統合する分子調節因子の特定の必要性を強調しています。本研究では、堅牢な免疫代謝関連遺伝子(IMRG)予後シグネチャーを確立し、IGF1R-JAK-STAT-BIRC5軸を通じて膠質腫免疫代謝を調節する長非コードRNA IRAINの役割を明らかにしました。TCGA、CGGA(693/325)、およびGEO(GSE43378)コホートのトランスクリプトミクスおよび臨床データを解析しました。差異発現と加重遺伝子共発現ネットワーク解析(β = 8)によりスケールフリートポロジーが保証され、10の機械学習アルゴリズムを組み合わせたリーブワンアウトクロスバリデーションフレームワークにより101の予後モデルが生成されました。最適な17遺伝子IMRGシグネチャは全コホートで検証され、独立して総合生存を予測しました。機能的アッセイにより、IRAINの過剰発現はIGF1Rを阻害し、JAK2/STAT3のリン酸化を抑制し、BIRC5をダウンレギュレーションすることでアポトーシスを促進し血管新生を減少させることが示されました。IRAIN発現の低下は免疫抑制性TregsおよびM2マクロファージ、腫瘍微小環境スコアの上昇と相関し、免疫回避表現型を示唆しました。これらの発見はIRAINが膠質腫免疫代謝再プログラミングの主要な調節因子であることを確立し、IMRGシグネチャーが信頼できる予後ツールであることを検証し、IRAIN-IGF1R-JAK-STAT-BIRC5経路がグリオーマにおける免疫および代謝調節障害を結ぶ機序的架け橋として機能し、精密治療の標的となる可能性を示しています。
概要
膠腫は中枢神経系で最も一般的な原発悪性腫瘍であり、脳神経外科、放射線療法、化学療法の進歩にもかかわらず、依然として最も致死率の高いヒトがんの一つです。高悪性度の膠腫、特に多形膠芽腫(GBM)は、急速な増殖、びまん性侵襲、そして必然的な再発を特徴とします1,2。近年では、外科的介入、免疫療法、化学療法3など、さまざまな効果的な治療アプローチが登場しています。最大限の治療を行っても中央値生存期間は約14〜18か月であり、新規治療戦略と予後バイオマーカーの必要性を強調しています4。
腫瘍微小環境(TME)とがん細胞の相互作用は、膠質腫の積極的な成長と分子異質性を決定的に促進します。ミクログリア、神経前駆細胞、血管細胞、適応免疫細胞など多くの免疫成分がTME 5,6,7の形成に密接に関与しています。近年、免疫療法の進歩が目覚ましく、腫瘍学における変革の時代が幕開けています。それにもかかわらず、免疫チェックポイント遮断法(ICB)やその他の免疫療法は、8号膠腫において限定的な成功しか示していません。この文脈での免疫療法の失敗は、膠質腫微小環境のいくつかの内在的特徴、すなわち腫瘍変異負荷の低さ、腫瘍内の顕著な異質性、血液脳関門の透過性の低さ、主要な組織適合性複合体分子のダウンレギュレーション、そしてT細胞浸潤の乏しさ(9,10,11,12)に起因しています。
代謝機能障害を示す腫瘍微小環境(TME)は、酸性状態、栄養不足、免疫応答を抑制する代謝物の蓄積によって特徴づけられるという証拠が増えています。この状態は腫瘍に浸潤する免疫細胞の機能障害を引き起こし、免疫療法の効果を低下させます13。同時に、TME内の免疫細胞は文脈依存的な代謝シフトを経験し、それが分化やエフェクターの機能を決定します。例えば、活性化されたT細胞は急速な増殖のために解糖作用に依存しているのに対し、調節T細胞(Tregs)や腫瘍関連マクロファージ(TAM)、特にM2サブタイプは免疫抑制活性を維持するために酸化リン酸化と脂肪酸代謝に依存しています14,15。
したがって、免疫および代謝の特徴を統合することで、神経膠腫の分類や患者の予後予測を合理的に行うことができます。長非コードRNA(lncRNA)は、クロマチン構造、遺伝子転写、転写後修飾の多用途な調節因子として近年登場しています。いくつかのlncRNAはグリオーマの病因に関与し、増殖、侵入、免疫調節に影響を与えることが示唆されています16。その中でも、インプリントされたアンチセンス転写体IRAIN(IGF1Rアンチセンス非タンパク質コードRNA)は、シス作用クロマチン相互作用を通じてインスリン様成長因子1受容体(IGF1R)遺伝子を調節する役割で注目を集めており、特に乳がんや白血病細胞株などのがん細胞において、シスの競争制御を低下させ、ダウンレギュレーションすることが証明されています。 喉頭がんおよび急性骨髄性白血病(これらはIGF1Rのアップレギュレーションに直接関与します。17,18,19)。IGF1Rシグナル伝達は腫瘍増殖および免疫調節の中心である下流のJAK-STATおよびPI3K-AKT経路を活性化するため、IRAIN発現の変化は腫瘍免疫代謝に重大な影響を与える可能性があります。しかし、IRAINのグリオーマにおける役割や免疫代謝への潜在的影響はまだ明らかにされていません。この知識のギャップを解消することで、非コードRNAが膠質腫における代謝適応や免疫回避をどのように調整するかのメカニズム的洞察が得られる可能性があります。
本研究では、多コホートトランスクリプトミックデータと実験的検証を組み合わせて、膠質腫における免疫代謝調節を探りました。TCGA、CGGA(693/325)、GEO(GSE43378)コホートにわたる統合された機械学習フレームワークを用いて、データセット全体で患者生存を層別化できる堅牢な17遺伝子免疫代謝関連遺伝子(IMRG)予後シグネチャーを特定しました。その後、IGF1R-JAK-STATシグナリング軸との相互作用が予測されていることから、IRAINをこのネットワークの上流調節器として注目しました。機能的アッセイにより、IRAINの過剰発現はIGF1Rの発現と下流のSTAT3リン酸化を阻害し、抗アポトーシスタンパク質BIRC5(Survivinとも呼ばれる)の発現を減少させることで、グリオーマの増殖と血管新生を抑制することが明らかになりました。これらの発見を総合すると、IRAINが神経膠腫における免疫調節と代謝再プログラミングを結びつける機構的な架け橋として機能する動作モデルを支持しています。ILRAIN発現の調節不全がこのバランスを乱すことで腫瘍の進行を促進し、免疫抑制的な微小環境を育み、治療抵抗性をもたらすと仮説を立てます。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
プロトコル
ヒト組織を対象としたすべての手技は機関ガイドラインおよびヘルシンキ宣言に準拠し、福建医科大学機関審査委員会(承認番号2021KYB089)によって承認されました。組織採取前に全参加者から書面によるインフォームドコンセントが取得されました。
遺伝子発現と生存分析
RNAシーケンシングデータおよび対応する臨床情報は複数の公開データベースから取得されました。1) TCGAコホート:175件の多形性膠芽腫(GBM)および534件の低グレード膠腫(LGG)サンプルのRNA-seq(FPKM)データをThe Cancer Genome Atlas(https://portal.gdc.cancer.gov/)からダウンロード;2) 正常対照群:UCSC Xenaデータベースから211個の正常脳組織と662個の膠腫組織の発現プロファイルをダウンロード(https://xenabrowser.net/datapages/);3) 外部検証:中国膠腫ゲノムアトラス(http://www.cgga.org.cn)から取得したCGGA693およびCGGA325コホートのデータを取得;4) GEOデータセット:GSE43378データセットは、50件の膠腫サンプルの発現および臨床データを含み、Gene Expression Omnibus(https://www.ncbi.nlm.nih.gov/geo/)からダウンロードされました。すべての生カウントデータは、100万あたりのトランスクリプト(TPM)に変換され、log2変換されました。すでに正規化されたデータセットについては、分布の比較可能性を確保するために式行列を検討しました。TPM値が1<80%以上のサンプルを持つ遺伝子は除外されました。欠落している臨床情報(年齢、IDH状態、1p/19qコードレト、MGMTメチル化)は完全症例フィルタリングを用いて除去しました。データセット間のバッチ効果は、Rパッケージsvaで実装されたComBatアルゴリズムを用いて調整されました。発現値は各データセット内でzスコア変換によって標準化されました。生存分析はRパッケージの生存およびsurvminerを用いて実施されました。患者はIRAINの中央値発現レベルに応じて高発現群と低発現群に分けられました。カプラン・マイヤー生存曲線を生成し、統計的有意性は対数ランク検定で評価されました。ハザード比(HR)および95%信頼区間(CI)はCox比例ハザード回帰モデルを用いて推定されました。
免疫および代謝遺伝子セットの定義
免疫関連遺伝子(IRGs、n = 2,483)はImmPortデータベース(https://www.immport.org/shared/)から取得され、代謝関連遺伝子(MRGs、n = 948)は分子シグネチャーデータベース(MSigDB、https://www.gsea-msigdb.org/)から取得されました。これらの遺伝子の組み合わせは免疫代謝関連遺伝子(IMRGs)として定義されました。これらの遺伝子リストは、その後の差異発現解析やネットワーク解析の参考文献として機能しました。
差異発現および加重遺伝子共発現ネットワーク解析
正常な脳組織と膠質腫組織間の差異発現遺伝子(DEGs)は、Rパッケージのlimmaを用いて同定されました。発現データには線形モデルを適用し、その後に経験的なベイズ減速法を適用しました。|log₂ フォールド変化を持つ遺伝子|> 1.5および偽発見率(FDR)<0.05は有意に差異発現しているとみなされました。RパッケージWGCNAを用いて加重遺伝子共発現ネットワーク解析(WGCNA)を実施しました。外れ値サンプルは階層的クラスタリングによって除外されました。ソフトしきい値の積はβ = 8に設定され、スケールフリートポロジーフィット指数(R2 ≥ 0.85)を実現しつつ、十分な平均連結性を維持しました。位相的重複行列(TOM)を構築し、動的木切りアルゴリズムを用いて最小50個のモジュールに遺伝子をグループ化しました。モジュール固有遺伝子は臨床形質と相関し、最も強く関連しているモジュール(Pearson's r > 0.7, P < 1×10-10)がハブ遺伝子同定に選ばれました。
機械学習に基づく予後モデル構築
10の機械学習アルゴリズムを統合した包括的なリーブワンアウトクロスバリデーション(LOOCV)フレームワークを用いて予後モデルを構築し評価しました。合計で101の組合せワークフローがTCGAコホートを訓練データセットとして実装されました。予後関連免疫代謝関連遺伝子(IMRGs)は、最初に単変量Cox回帰(P < 0.05)によって同定されました。最適モデルは、3つの検証データセット(CGGA693、CGGA325、GSE43378)で平均ハレル相性指数(C-index)を最大化することで決定されました。その結果得られたRSF-Enetモデル(α = 0.3)は、最も高い予測性能を示し、独立したコホート間で強固な一般化可能性を維持しました。
TMEと免疫浸潤
免疫ゲノムの状況を包括的に特徴づけるために、多層的な分析手法を用いました。まず、免疫および間質浸潤レベルをESTIMATEアルゴリズムを用いて定量化しました。PDCD1、CTLA4、LAG3などの主要な免疫チェックポイント分子の差異発現をリマ解析で評価し、チェックポイント遺伝子間の相関を相関行列を用いて可視化しました。TCGAコホートの903件の膠質腫サンプルから体細胞変異プロファイルを用いて、腫瘍変異負荷(TMB)、マイクロサテライト不安定性(MSI)、腫瘍免疫機能障害および排除(TIDE)スコアを算出し、免疫療法への潜在的な応答を予測しました。患者はその後、TMBの状態(高/低)およびリスクスコア(高/低)に基づいて4つの予後グループに階層化され、生存結果はKaplan-Meier分析を用いて比較されました。
機能豊化解析
遺伝子オントロジー(GO)および京都遺伝子・ゲノム百科事典(KEGG)の経路リッチ解析は、RパッケージclusterProfilerを用いて実施されました。調整後P値0.05<濃縮結果は統計的に有意とみなされました。過剰に表現された生物学的プロセス、細胞成分、分子機能はドットプロットと棒プロットを用いて可視化されました。タンパク質間相互作用(PPI)ネットワークはSTRINGデータベース(≥ 0.4)を用いて構築され、Cytoscapeで可視化されました。PPIネットワーク内の機能モジュールはMCODEアルゴリズムを用いて特定されました。GeneMANIA(https://string-db.org、信頼度スコア≥0.4)を用いて遺伝子間相互作用および共発現ネットワークをさらに解析し、Cytoscapeで可視化しました。PPIネットワーク内の機能モジュールはMCODEアルゴリズムを用いて特定されました。GeneMANIA(https://genemania.org)を用いて、物理的および遺伝的相互作用、共有経路、共発現パターンに関する情報を統合し、潜在的な機能的関連を推定するGeneMANIA()を用いてさらに解析されました。
臨床標本
福建医科大学漳州付属病院で一次グリオーマ切除を受けた患者から、新鮮な膠質腫組織(n=6)および隣接する非腫瘍性脳組織(n=6;腫瘍縁から少なくとも3cm離れた位置にあり、組織学的に腫瘍なしと確認)を採取しました。手術前に化学療法や放射線治療を受けた患者はいませんでした。すべての病理診断は、2021年の世界保健機関(WHO)による中枢神経系腫瘍分類に基づき、2人の神経病理学者によって独立して検証されました。外科的切除直後、組織標本は氷のように冷たいリン酸緩衝生理食塩水(PBS)で洗浄され、残留血液を除去し、液体窒素(-196°C)で急速凍結され、RNA抽出まで-80°Cで保存されました。
細胞株と細胞培養
ヒト膠芽腫のSHG44、U251、A172、T98Gおよび正常なヒトグリア細胞(HEB)を認証されたリポジトリから取得し、使用前にマイコプラズマ汚染がないことが確認されました。細胞は、10%胎児用牛血清(FBS)、2 mM L-グルタミン、1%ペニシリン・ストレプトマイシンを37°Cで加湿インキュベーター(5% CO₂)で維持しました。細胞は80〜90%の合流率に達すると4〜5日ごとに通過しました。IRAINの過剰発現および対照細胞株を確立するために、全長IRAIN転写産物または空ベクターを対照としてレンチウイルスベクターで細胞を転換しました。安定したクローンはプロマイシン(2 μg/mL)を用いて14日間選択されました。過剰発現効率は、下流アッセイ前に定量逆転写PCR(qRT-PCR)によって確認されました。
3-(4,5-ジメチルチアゾール-2-イル)-2,5-ジフェニルテトラゾリウム臭化物(MTT)細胞増殖アッセイ
細胞は96ウェルプレートに、1ウェルあたり10 ×4 細胞の密度で、100μLの完全培養培地にシードされました。シーディングから24時間、48時間、72時間に、各ウェルに20μLのMTT溶液(リン酸塩緩衝生食塩水5 mg/mL)を加え、37°Cで4時間培養しました。 その後、上澄液を除去し、150μLのジメチルスルホキシド(DMSO)を加えてホルマザンの結晶を溶解させました。プレートは完全に溶解するために10分間優しく攪拌されました。吸収はマイクロプレート分光光度計を用いて490 nmで測定されました。ブランク井戸からの背景測定は除外されました。細胞生存率は24時間群または対照群(1.0と設定)と比較して計算されました。すべての実験は6回の技術的複製と3回の独立した生物学的複製で実施されました。データは平均±標準偏差(SD)として表され、統計的有意性は両側t検定を用いて決定されました。
アポトーシスのためのフローサイトメトリー(アネキシンV - FITC/PI染色)
細胞は60〜70%のコンフルエンスでシードされ、指定された条件下で24時間処理されました。浮遊細胞および付着細胞はEDTAフリートリプシンを用いて採取し、氷のように冷たいPBSで2回洗浄しました。細胞ペレットはアネキシンV結合バッファー(10 mM HEPES pH 7.4、140 mM NaCl、2.5 mM CaCl2)で1×106 cell/mLで再懸濁されました。各サンプルに対して、100μLの懸濁液を室温の暗闇で15分間、5μLのAnnexin V-FITCおよび5μLのプロピジウムヨウ化物(PI;50μg/mLのストック)と共にインキュベートしました。400μLの結合バッファーを追加した後、サンプルは氷上に保管され、フローサイトメーター(励起488 nm、FITCは530/30 nm、PIは>585 nm)で1時間以内に分析されました。補償のために適切な単一染色および蛍光マイナス1対照を含みました。サンプルあたり少なくとも1万件の事象が記録されました。データは象限ゲーティングで分析されました:生体集団(Annexin V⁻/PI⁻)、初期アポトーシス(Annexin V⁺/PI⁻)、後期アポトーシス(Annexin V⁺/PI⁺)、および壊死集団(Annexin V⁻/PI⁺)。早期+後期アポトーシス細胞の割合(平均標準± n = 3)が報告されました。
定量リアルタイムPCR(qRT-PCR)
全RNAは製造元のプロトコルに従い酸性フェノール-グアニジニウム試薬を用いて単離されました。RNA純度は分光光度法(A₂₆₀/A₂₈₀ = 1.8-2.1)で検証され、ゲル電気泳動(RNA完全性番号≥7)で完全性が確認されました。総RNAの1マイクログラムをDNase Iで処理し、ランダムヘキマーとオリゴ(dT)プライマーを用いた20μL反応で逆転写しました。反応は25°Cで10分、50°Cで30分、85°Cで5分間行われました。定量PCRは、2× SYBRグリーンマスターミックス5 μL、各プライマーそれぞれ0.3 μM、および1 μLのcDNA(≈ 20 ng RNA換算)を含む10 μL系で実施されました。熱サイクル条件は、95°Cで5分間、続いて95°Cで15秒、60°Cで30秒の40サイクル、そして65°Cから95°Cまでの溶融曲線解析を0.3°C単位で行いました。すべての反応は三重に行われ、テンプレートなしおよびマイナスRT対照を組み合わせて実施されました。CT値>35または技術的な重複SD>0.5は除外しました。比較発現は2⁻ΔΔCt法を用いて計算され、内部対照はGAPDHでした。3つの独立した生物学的複製から平均±標準差値を報告し、グループ差は両側t検定を用いて分析しました。
ウェスタンブロット解析
細胞はRIPAバッファー(50 mM Tris-HCl、pH 7.4、150 mM NaCl、1% NP-40、0.5% デオキシコレートナトリウム、0.1% SDS)で氷に溶解され、プロテアーゼおよびホスファターゼ阻害剤を補いました。溶解液は氷上で30分間間、間欠的な渦巻きを伴い、12,000 × g で遠心分離で4°Cで15分間除去されました。 タンパク質濃度はBCAアッセイで測定し、1-2μg/μLに調整し、4:3で4×レームリバッファー(最終100 mM DTTを含む1×バッファー)と混合しました。サンプルは95°Cで5分間変性処理されました。同量のタンパク質(50μg)を100Vで12%のSDS-PAGEで90分間分離し、250mAでPVDF膜に電気移送して90分間処理しました。膜は5%無脂肪ミルクをTBSTで1時間ブロックし(リンタンパクは5% BSA)、4°CでIGF1、IGF1R、JAK2、p-JAK2(Y1007/1008)、STAT3、P-STAT3(Y705)、BIRC5、βアクチン(典型的な希釈1:1000、βアクチン1:5000)に対する一次抗体と共に培養しました。TBSTで3回10分間洗浄した後、膜はHRP結合二次抗体(1:5000)で室温で1時間インキュベートされ、再度洗浄され、化学発光基質を用いて現像されました。バンド強度はImageJで定量化され、βアクチンまたは全タンパク質に正規化され、3つの独立した実験から平均標準差±表されました。
免疫細胞化学
滅菌ガラスカバースリップ上で培養した細胞はPBSで2回洗浄し、4%パラホルムアルデヒドに室温で15分間固定しました。3回のPBS洗浄後、細胞は0.2%トリトンX-100で10分間透過され、5%牛血清アルブミン(BSA)で1時間ブロックされ、4°Cで一次抗CD31抗体(1%BSAに1:200希釈)で一晩培養されました。3回のPBS洗浄後、細胞はAlexaフルオロ結合二次抗体(希釈率1:500)で暗闇で1時間インキュベートされ、DAPI(1 μg/mL、5分)でカウンターステインされ、アンチフェード培地に埋め込まれました。画像は蛍光顕微鏡を用いて、同一の露光・増量設定で撮影されました。CD31陽性面積の割合は、ImageJソフトウェアを用いてサンプルあたり5つのランダムに選ばれた重複しないフィールドで定量化されました。このアッセイは組織切片ではなく細胞モデルで実施されました。
統計解析
統計解析はRバージョン4.3.0および関連パッケージを用いて実施されました。カテゴリ変数の比較にはカイ二乗検定が用いられ、連続変数はウィルコクソンランク和検定またはT検定で評価されました。連続変数の評価はピアソン相関係数によって行われました。生存分析は、Cox比例的ハザードモデリングとKaplan-Meier曲線の作成を含む生存パッケージを用いて行われ、最適な層化閾値はsurvminerパッケージとRiskscore = 
の式で確立されました。CompareCパッケージは様々な変数のC指数評価に使用されました。受信機動作特性曲線(ROC)は、二値カテゴリ変数の予測を目的としており、pROCパッケージを用いて生成されました。さらに、生存指標のためのROC曲線下の時間依存面積(AUC)もtimeROCパッケージを用いて解析されました。すべての統計検定は双方向のアプローチで実施されました。P<0.05の有意水準は統計的に有意とされました。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
結果
IRAINは膠質腫でダウンレギュレーションされ、臨床病理学的障害と関連しています
解析プロセスは 図1に示されています。IRAIN発現は、初回星形膠細胞、膠質腫組織および膠質腫細胞株におけるqRT-PCRによって評価されました。IRAINレベルは、低グレード・高グレードのグリオーマ組織および4つのグリオーマ細胞株すべてで、正常なアストロサイトと比較して著しく低下しました(図2A)。これらの結果と一致して、TCGAおよびCGGAコホートのRNA-seqデータ解析では、神経質腫サンプルのIRAIN発現が正常脳組織よりも有意に低いことが示されました(図2B)。IRAIN発現によって階層化した患者群は、高IRAIN発現群よりも全生存期間および無進行生存期間が有意に短かった(いずれもP < 0.001; 図2C)。サブグループ解析では、1p/19q非共消失型、IDH...
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
ディスカッション
膠腫は中枢神経系の中でも最も致死性の高い悪性腫瘍の一つであり、腫瘍内の異質性が著しく、従来の治療に対する耐性が特徴です。外科的切除と化学放射線療法の組み合わせにもかかわらず、再発率と死亡率は依然として高く、特に膠芽腫患者の中央値生存率は近年限定的な改善を示している4,24。増え続ける証拠は、腫瘍微小環境(TME)内の代謝再プログラムと免疫抑制が膠質腫の攻撃性の主要な決定要因であることを示しています(15,25)。しかし、臨床的特徴が似ている患者は分子および代謝の多様性が顕著であることが多く、神経膠質腫生物学における免疫および代謝の側面の両方を捉える統合バイオマーカーの必要性を強調しています。
本研究では、IRAIN調節障害に関連する免疫代謝関連遺伝子(IMRGs)を特定し、機能的に特...
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
開示事項
著者たちは何も明かすことはありません。
謝辞
遺伝子型-組織発現(GTEx)プロジェクトおよびTCGA、CGGAデータベースに関わるすべての参加者および研究者の皆様に、利用可能なデータを共有していただき感謝申し上げます。本研究は福建省衛生技術プロジェクト(2024GG01010154)および漳州病院博士作業所登山プロジェクト(PDA202306)の支援を受けました。資金提供者は私たちの研究資金を提供しました。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
材料
| 名前 | 会社 | カタログ番号 | コメント |
|---|---|---|---|
| アネクシンV-PIアポトーシスキット | サザン・バイオテクノロジー、バーミングハム、アラバマ州、アメリカ合衆国 | NA | アポトーシスの評価に使用 |
| 付録V-PIアポトーシスキット | サザン・バイオテクノロジー | 10010-02 | フローサイトメトリーによるアポトーシス評価に使用。 |
| 抗IGF1、抗IGF1R、抗JAK2、抗STAT3、抗サバイビン、抗&βアクチン | アブカム | AB182408、AB108596、AB109085、AB76424、AB8227 | シグナル伝達経路のウェスタンブロット解析に用いられる抗体。 |
| BiocManager | クラン | 1.30.25 | R &geでBioconductorパッケージをインストールし管理してください;3.6. |
| Bio-Rad Cfx96システム | バイオコンダクター | 1.5.1 | STRINGタンパク質へのプログラム的アクセスとndash;タンパク質相互作用。 |
| カレット | クラン | 0.4 | 生存モデルには時間依存のROC/AUC。 |
| 中国膠腫ゲノムアトラス(CGGA) | NA | CGGA693とCGGA325 | モデル構成および検証に使用 |
| クラスタプロファイラー | バイオコンダクター | 2.18.0 | MAFファイルを解析すること;腫瘍変異負荷(TMB)および突然変異の状況を計算します。 |
| コルプロット | クラン | 3.5.0 | 一般的なプロット(ボックスプロット、バイオリンプロット、散布、トレンドライン)。 |
| コックスブースト | クラン | 7.3-60 | stepwise Coxモデル選択のためのstepAIC。 |
| Data.Table | クラン | readr2.1.5 | 区切られたファイルの高速読み取り;堅牢なUTF-8処理能力。 |
| 用量 | バイオコンダクター | 3.17.0 | ヒト遺伝子注釈(Entrez、Ensembl、SYMBOLマッピング)。 |
| ダイナミックツリーカット | クラン | 1.73 | 加重遺伝子共発現ネットワーク解析;PickSoftThreshold、TOM、モジュール検出。 |
| エッジャー | バイオコンダクター | 3.56.2 | 差分表現(ヴーム/リニアモデル);ウィルコクソン/実証的ベイズ;火山/ヒートマップ入力。 |
| エンリッチプロット | バイオコンダクター | 3.26.2 | 疾患オントロジー強化およびGSEAヘルパー(clusterProfilerと使用)。 |
| フラッシュクラスト | クラン | 1.63-1 | WGCNAモジュール検出のための適応ブランチ切断。 |
| Gbm | クラン | 1.12 | 生存分析のための監督付き主成分。 |
| 遺伝子発現オムニバス(GEO) | NA | GSE43378 | モデル構成および検証に使用 |
| GEOquery | バイオコンダクター | NA | GEOデータセットをダウンロードして解析してください。 |
| GGPLOT2 | クラン | 1.0.12 | 表現シグネチャのヒートマップを公開可能にしています。 |
| グルムネット | クラン | 3.3.1 | ランダムなサバイバルフォレストで、正しく検閲された結果を選びます。 |
| ホースラディッシュ・ペルオキシダーゼ標識された抗ウサギ二次抗体 | アブカム | AB6721 | ウェスタンブロット検出のための二次抗体。 |
| ヒト膠芽腫細胞株(SHG44、U251、A172、T98G) | アメリカ組織培養コレクション | NA | 膠質腫研究のためのヒト膠芽球腫細胞株。細胞はDMEM+10% FBS、2 mM L-グルタミンで培養されました。 |
| イグラフ | クラン | 10.0.1 | MSigDB遺伝子セット(例:代謝MRG)へのアクセス;便利で整ったフレーム。 |
| Image J ソフトウェア | メディア・サイバネティクス、アメリカ | 152 | 可視化に使用 |
| レンチウイルスベクターによるlncRNA-IRAINのコード | GeneChem(中国上海 )、 | NA | リンチウイルスベクターは、グリオーマおよびHEB細胞のトランスフェクションに用いられ、安定したクローンを確立します。 |
| リマ | バイオコンダクター | 3.48.0 | バッチ補正(ComBat)および代理変数解析。 |
| マフツールズ | バイオコンダクター | 1.52.0 | ハレルSコンコルダンス指数(Cインデックス)および生存比較の有効性。 |
| 質量 | クラン | 4.1-8 | ペナルティ対象のコックスモデル:ラッソ、リッジ、エラスティックネット。 |
| Msigdbr | クラン | 0.0.5 | 生存データのためのサポートベクターマシンの手法。 |
| MTT | シグマ・オルドリッチ | M2128 | 細胞増殖アッセイに使用されます。 |
| 正常グリア細胞(HEB) | アメリカ組織培養コレクション | NA | 比較研究のための正常なヒトグリア細胞株。DMEM+10%FBSで培養。 |
| 組織高等教育 | バイオコンダクター | 4.8.3 | GO/KEGGの濃縮とGSEA;複数のIDタイプをサポートしています。 |
| ピートマップ | クラン | 2.0.0 | データサイエンスの文法;整理やプロット作成にはDPLYR、Tidyr、Purrr、GGPLOT2が含まれています。 |
| プルスルコックス | クラン | 1.5 | Coxモデルの確率ベースブースト。 |
| PVDF膜 | ミリポール | IPVH00010 | SDS-PAGE後のタンパク質移植に使用される膜。 |
| ランダムフォレストの | クラン | 6.0-94 | 統一リサンプリング(LOOCVを含む)、チューニンググリッド、モデルパイプライン。 |
| リーダー | クラン | NA | UCSC Xena(例:TCGA/GTExハブ)から行列や表現型を取得してください。 |
| SDS-ページジェル(12%) | バイオ・ラッド | 185-5096 | 定量PCRに使用されるシステム。 |
| Stringdb | バイオコンダクター | 1.20.3 | 濃縮結果の可視化(ドットプロット、cnetplot、リッジプロット)。 |
| スーパーPC(スーパーPC) | クラン | 1.7.7 | Coxモデルに適応した部分最小二乗回帰。 |
| サルビコンプ | バイオコンダクター | 3.42.4 | 必要に応じて正規化および分散推定もカウントします(オプションでリマ・ヴームを補完)。 |
| 生存 | クラン | 1.01-2 | WGCNAで使用される高速階層クラスタリング(オプション)。 |
| サバイバルSVM | クラン | 2.2.2 | 一般化ブースト回帰モデリング(勾配ブースティング)。 |
| サルブマイナー | クラン | 3.8-3 | コックス比例ハザードモデル;カプラン&ンダッシュ;マイヤー曲線。 |
| TCGAbiolinks | バイオコンダクター | T9039 | TCGAデータへのプログラム的アクセス;発現および臨床データのダウンロード・準備。 |
| がんゲノムアトラスプログラム(TCGA) | NA | https://www.cancer.gov/tcga;GBM175門、LGG534門 | モデル構成および検証に使用 |
| タイディバース | クラン | 1.17.6 | 大規模な行列やテーブルに対する高性能なデータ操作。 |
| タイムロック | クラン | 0.5.0 | KMの可視化とリスク表のレンダリング。 |
| トリゾル | インビトロジェン | 15596026 | 細胞からRNAを抽出するための試薬。 |
| UCSC ゼナ | NA | https://xenabrowser.net/datapages/ | モデル構成および検証に使用 |
| Ucscxenatools | バイオ・ラッド | 4561044 | ウェスタンブロット分析におけるタンパク質分離に使用されます。 |
| WGCNA | クラン | 0.95 | チェックポイント遺伝子と特徴関係の相関行列。 |
参考文献
- Goodenberger, M. L., Jenkins, R. B. Genetics of adult glioma. Cancer Genet. 205 (12), 613-621 (2012).
- Cordier, D., Krolicki, L., Morgenstern, A., Merlo, A. Targeted radiolabeled compounds in glioma therapy. Semin Nucl Med. 46 (3), 243-249 (2016).
- Jiang, T., et al. Clinical practice guidelines for the management of adult diffuse gliomas. Cancer Lett. 499, 60-72 (2021).
- 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).
- Cole, A. P., et al. Microglia in the Brain Tumor Microenvironment. Adv Exp Med Biol. 1273, 197-208 (2020).
- 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).
- Cheng, W., et al. Bioinformatic profiling identifies an immune-related risk signature for glioblastoma. Neurology. 86 (24), 2226-2234 (2016).
- 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).
- Arrieta, V. A., et al. Immune checkpoint blockade in glioblastoma: from tumor heterogeneity to personalized treatment. J Clin Invest. 133 (2), (2023).
- 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).
- 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).
- 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).
- 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).
- Dong, X., et al. Tumor metabolism-rewriting nanomedicines for cancer immunotherapy. ACS Cent Sci. 9 (10), 1864-1893 (2023).
- 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).
- Xu, X., et al. LncRNA as potential biomarker and therapeutic target in glioma. Mol Biol Rep. 50 (1), 841-851 (2023).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Yoshihara, K., et al. Inferring tumour purity and stromal and immune cell admixture from expression data. Nat Commun. 4, 2612(2013).
- Ostrom, Q. T., et al. The epidemiology of glioma in adults: a "state of the science" review. Neuro Oncol. 16 (7), 896-913 (2014).
- 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).
- 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).
- 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).
- Boedtkjer, E., Pedersen, S. F. The acidic tumor microenvironment as a driver of cancer. Annu Rev Physiol. 82, 103-126 (2020).
- 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).
- 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).
- Pellegrino, M., et al. Manipulating the tumor immune microenvironment to improve cancer immunotherapy: IGF1R, a promising target. Front Immunol. 15, 1356321(2024).
- 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).
- 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).
- Pennati, M., Folini, M., Zaffaroni, N. Targeting survivin in cancer therapy: fulfilled promises and open questions. Carcinogenesis. 28 (6), 1133-1139 (2007).
- 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).
- Altieri, D. C. Survivin apoptosis: an interloper between cell death and cell proliferation in cancer. Lab Invest. 79, 1327-1333 (1999).
- 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).
- 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).
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
再版と許可
このJoVE記事のテキストまたは図の再利用許可をリクエスト
許可をリクエスト