このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

研究記事

多段階の遺伝学的、トランスクリプトーム的、およびシングルセル解析によるエビデンスに基づき、膠芽腫におけるフェロトーシス関連遺伝子の中からMAP1LC3Aを優先的に特定する

94 回視聴

⸱

2026年9月11日

 ,  ,  ,  ,  ,  ,  , 
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

この記事について

サマリー

メンデルランダム化、腫瘍トランスクリプトミクス、および単一細胞解析を統合した遺伝学的根拠に基づく多段階フレームワークにより、MAP1LC3Aが膠芽腫の感受性に関連するフェロトーシス関連遺伝子として優先的に抽出され、今後の実験的検証の候補となりました。

要約

膠芽腫（GBM）は依然として極めて侵襲性の高い悪性腫瘍であり、疾患感受性に対するフェロトーシス関連遺伝子の寄与については十分に解明されていない。GBMに関連するフェロトーシス関連遺伝性を優先順位付けするため、遺伝的に裏付けられた多段階のフレームワークを適用した。FerrDb V2から精選した483個の遺伝子のうち、315個にeQTLGenにおける候補シス表現型定量形質遺伝座（cis-eQTL）が認められ、連鎖不平衡クランピング後に少なくとも3つの独立した操作変数を保持した遺伝子が250個あり、さらに6,183例の症例と18,169例の対照群からなるGBMゲノムワイド関連解析を用いて、有効な逆分散加重（IVW）メンデルランダム化推定値が得られた遺伝子が26個であった。探索的発見基準を満たした遺伝子は34個であり、 P < 0.05、およびBenjamini–Hochberg偽発見率（BH-FDR） < 0.20であり、方向性が一致したベイズ重み付けメンデルランダム化（BWMR）推定値が得られた。GTEx V10全血cis-eQTLを用いた再現段階のメンデルランダム化により、ATG7、RPTOR、MAP1LC3A、およびCHMP6の4つの遺伝子が支持された。3つの独立した腫瘍・対照転写物コホートにわたる評価により、MAP1LC3Aは腫瘍組織において一貫して発現低下しており、有意なランダム効果プール推定値（log₂ フォールドチェンジ −1.273、95%信頼区間 −1.625～−0.920、偽発見率 = 0.016）であったが、他の3つの遺伝子については、同等のコホート間統計的裏付けは得られなかった。続いて、成人IDH野生型GBM腫瘍20例から抽出された適格細胞4,916個のうち、患者バランスを調整して選出した2,40個の悪性細胞を用いて、シングルセル仮想ノックアウト解析を実施した。独立してシードされた5回のランにおいて、ATG7、RPTOR、MAP1LC3A、CHMP6に対して、それぞれ3、15、4、7個の堅牢な下流遺伝子が同定された。得られたコンセンサスセットは17個の固有遺伝子で構成され、RND3の4つのターゲットすべてに共通して認められた。ジーンオントロジー解析では、細胞接着および細胞表面プロセスにおける濃縮が示されたが、多重検定補正後、有意なKEGGまたはReactomeパスウェイは認められなかった。総じて、これらの知見は今後の実験的検証の優先候補としてMAP1LC3Aを指し示すものであるが、遺伝学的関連、腫瘍における発現の一致、および計算機的な摂動は、因果関係やメカニズムを決定づける証拠とは区別される。

概要

膠芽腫（GBM）は、依然として治療抵抗性の代表的な悪性腫瘍である。分子分類の精緻化と多職種連携によるケアが進んでいるにもかかわらず、患者の予後の持続的な改善は限定的である1。全身状態が良好な患者に対する現在の管理法は、最大限の安全な切除に続き、放射線療法とテモゾロミドの併用および補助療法を行うことであり、このレジメンは画期的なランダム化比較試験で確立され、現代の臨床ガイドラインに維持されている1,2。それにもかかわらず、びまん性の浸潤や広範な細胞・分子レベルの不均一性が持続的な疾患制御を困難にしており、ほとんどの患者が最終的に進行または再発を経験するが、それらに対して普遍的に有効な標準治療は存在しない1,3。疾患特性の解明における進歩と臨床結果との間のこの根深い乖離は、GBMに対する新たな治療戦略の根拠となり得る、生物学的に重要な分子依存性を特定する必要性を強調している。

フェロトーシスは、制御された細胞死の鉄依存性形式であり、制御不能なリン脂質過酸化と細胞内抗酸化防御の破綻を特徴とし、メカニズムにおいてアポトーシスやその他の標準的な細胞死プログラムとは区別される4,5。このプロセスは特にGBMに関連しており、遺伝的改変と代謝可塑性が鉄恒常性、レドックスバランス、および脂質代謝を再構成させる。統合的なゲノムおよびリピドームプロファイリングにより、CDKN2Aの欠損が酸化可能な多価不飽和脂肪酸を再分配し、それによってGBMモデルにおける遺伝子型依存的なフェロトーシス感受性を生じさせることが示されている6。同様に、原発腫瘍と再発腫瘍のペア解析により、GPX4、ACSL4、およびその他のフェロトーシス調節因子の再発に関連する改変が特定されている7。また、フェロトーシス防御経路の実験的な変調が、GBM細胞およびゼノグラフトモデルにおけるテモゾロミドへの反応性に影響を与えることも示されている8。総じて、これらの知見は、フェロトーシスがGBMにおける生物学的に妥当な治療標的となり得る脆弱性であることを示している。しかし、これらは主に腫瘍の状態に関連した相関やコンテキスト依存的な実験的観察を反映したものであり、フェロトーシス関連遺伝子発現の構成的な変動がGBMへの遺伝的感受性に寄与しているかどうかを立証するものではない。

神経膠腫におけるフェロトーシスを調査した多くのヒト研究は、TCGA、CGGA、およびGEOデータセットを用いた発現変動、生存解析、および分子サブタイプ解析に依存してきた9,10。これらの研究によって、フェロトーシス関連の転写プログラムが予後に関連していることは確立されたが、その観察的な設計では、遺伝子発現の変動がGBMの感受性に寄与しているのか、あるいは腫瘍発生の結果として現れているのかを判断することはできない。その後、トランスクリプトームワイドのメンデルランダム化解析により、神経膠腫のリスクに関連し、遺伝的に制御された組織依存的な遺伝子が特定された。また、より最近の発現量的形質遺伝子座（eQTL）およびタンパク質量的形質遺伝子座（pQTL）に基づく研究では、GBMの潜在的な治療ターゲットの優先順位付けが始まっている1,12。それにもかかわらず、これまでの調査は一般に、あらかじめ指定された包括的なフェロトーシス関連遺伝子セットを評価するのではなく、トランスクリプトームワイドまたは薬剤ターゲット指向のアプローチを採用していた。さらに、大規模なGBMゲノムワイド関連解析（GWAS）を、独立したeQTLリソースを用いた複製段階のメンデルランダム化解析と統合し、その後、複数の腫瘍・コントロール転写物コホートにわたって評価を行った研究はほとんどない。遺伝子発現の遺伝的制御は組織間で大幅に異なるため、血液由来のeQTL相関が脳腫瘍内での制御効果を反映しているとは限らず、この区別は重要である11,13。したがって、GBMへの関与について収束的な根拠によって支持されるフェロトーシス関連遺伝子を特定するためには、遺伝的相関、複製段階のメンデルランダム化解析、コホート間腫瘍トランスクリプトミクス、および患者由来のシングルセル機能予測を組み合わせた統合的なフレームワークが必要である。

本研究では、遺伝的に制御されたフェロトーシス関連遺伝子の発現がGBMへの感受性と関連しているかについて調査した。発見段階および再現段階のメンデルランダム化を、3つの独立した腫瘍・対照トランスクリプトームコホートにわたる遺伝子発現解析と組み合わせた。メンデルランダム化の両段階で支持された遺伝子について、その後、患者由来のシングルセル・トランスクリプトームデータを用いて仮想摂動解析を行い、悪性細胞における予測転写応答を特性化した。腫瘍の発現シグネチャーのみに基づいて遺伝子を優先順位付けするのではなく、この多段階フレームワークでは、まず遺伝性の遺伝的変異を利用し、次いで疾患に関連する発現パターンを細胞分解能の計算摂動プロファイルとともに評価した。得られた収束的な根拠を用いて、今後のGBMにおける実験的な調査に向けたフェロトーシス関連遺伝子の優先順位付けを行った。

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。

プロトコル

本研究は、肇慶市第一人民病院の医学倫理委員会より倫理審査の免除を受けている（参照番号：B2026-08-03）。本研究では、EGAD01001657のデータアクセス委員会によって承認された制限アクセスデータ、およびGEO、eQTLGen、GTExからそれぞれのアクセスおよび利用条件に従って取得したデータセットを含む、遡及的に収集され匿名化されたサマリーレベルの遺伝学的およびトランスクリプトームデータを使用した。新規の被験者の募集、生体試料の収集、および個人を特定可能な被験者レベルのデータへのアクセスは行われていない。元の研究における倫理的承認およびインフォームドコンセントは、それぞれのデータ作成者によって取得されており、制限アクセスデータは適用されるデータアクセス合意に従って使用された。

研究デザイン

本研究では、膠芽腫（GBM）の感受性に関連するフェロトーシス関連遺伝子の優先順位を決定し、それらの疾患に関連する転写への影響を評価するために、多段階のフレームワークを採用した（図 1）。まず、FerrDb V2から収集したフェロトーシス関連遺伝子について、cis-発現量定量的形質遺伝座（cis-eQTL）データと大規模なGBMゲノムワイド関連解析（GWAS）を用いた2標本メンデルランダム化（MR）による評価を行った。一次スクリーニング手法として逆分散加重（IVW）MRを用い、頑健性の補完的な評価としてベイズ加重メンデルランダム化（BWMR）を行い、さらに独立したeQTLデータセットを用いて再現段階のMRを実施した。次に、遺伝学的解析によって支持された遺伝子について、3つの独立した腫瘍・対照転写コホートを用いて評価し、続いてコホート間メタ解析を行った。第三に、患者由来のシングルセル転写データを用い、悪性細胞における仮想的な遺伝子摂動を行い、再現性のある下流の転写応答を特定した。これらの応答は、その後、機能濃縮解析および共有ネットワーク解析を通じて特性評価された。全体として、遺伝学的解析はGBM感受性に関連する遺伝子を特定することを目的とし、転写解析およびシングルセル解析は生物学的な一致性を評価し、その後の実験的検証に向けた仮説を生成することを目的とした。

データソース

フェロトーシス関連遺伝子はFerrDb V2から取得し、遺伝子シンボルの統一および重複エントリーの削除を経て、483個のユニークなヒトタンパク質コード遺伝子を抽出した14。発見段階のメンデルランダム化（MR）の曝露データセットとして、eQTLGen Consortiumによる全血cis-expression quantitative trait locus（cis-eQTL）サマリー統計量を使用し、再現段階のMRの独立した曝露データセットとしてGTEx release V10の全血cis-eQTLデータを使用した1,15。GBMのアウトカムとの関連性は、European Genome-phenome Archiveを通じて利用可能な制限アクセスゲノムワイド関連解析（GWAS）サマリー統計量から取得し、これには欧州系祖先を持つ6,183例の症例と18,169例の対照群が含まれている16。遺伝学的に優先順位付けされた遺伝子の組織レベルでの発現は、3つの独立したGene Expression Omnibus（GEO）コホートで評価した。具体的には、登録メタデータでGBMとして注釈付けされたグレード4のグリオーマ検体61例と非腫瘍性脳検体9例を含むGSE196533、GBMおよびてんかん由来の非腫瘍性脳検体を含むGSE4290、ならびに腫瘍コアと腫瘍周囲のペア検体および非腫瘍性対照群を含むGSE16520である17,18,19。悪性細胞の仮想摂動解析には、GSE131928からの患者由来Smart-seq2データを使用した20。データセットの特性およびそれぞれの解析上の役割をTable 1にまとめる。すべての解析は、元の研究で倫理的承認およびインフォームドコンセントが得られている、以前に収集された匿名化データセットを用いて実施した。

遺伝学装置の選定とデータの調和化

候補となるインストゥルメントは、ゲノムワイドな有意水準（P < 5 × 10⁻8）で遺伝子発現に関連するcis-発現量的形質遺伝子座（cis-eQTLs）に限定した。バリアントのクランピングには、10 Genomes Projectの欧州リファレンスパネルを用い、10,00-kbウィンドウ内で連鎖不平衡（LD）しきい値をr2 < 0.01として実施した。クランピング後に独立したインストゥルメントが3つ未満となった遺伝子は、主要なメンデルランダム化（MR）解析から除外した。探索的なスクリーニングを目的としていたため、まばらではあるが強力なcis-eQTLの支持がある遺伝子を保持しつつ、マルチインストゥルメントIVW推定を可能にするため、最小3つのインストゥルメントを事前に規定した。このしきい値とともに、厳格なLDクランピングとF統計量によるフィルタリングを行った。インストゥルメントが3つまたは4つのみに基づく推定値については慎重に解釈し、感度分析は手法的に適用可能な場合にのみ実施した。各バリアントのインストゥルメント強度をF統計量（F = β2/SE2）を用いて評価した。ここで、βとSEはそれぞれcis-eQTLの効果推定値およびその標準誤差を表す。弱インストゥルメントバイアスを最小限に抑えるため、F < 10のバリアントは除外した21,2。曝露およびアウトカムのデータセットは、効果アレルと効果の方向性を合わせることでハーモナイズした。重複したバリアント、GBM GWASデータセットに存在しないバリアント、およびアレルコーディングが不整合なバリアントは除外した。GBM GWASでは効果アレルの頻度が利用できなかったため、ストランド方向が曖昧な回文構造バリアントは、推論せず削除した。同様の理由により、正式なSteiger方向性テストは実施しなかった。

メンデルランダム化解析

遺伝的に予測された遺伝子発現とGBM感受性との関連を、2サンプルメンデルランダム化（MR）を用いて評価した。探索段階では、少なくとも3つの独立したcis-発現定量的形質遺伝子座（cis-eQTL）インストゥルメントを持つ遺伝子のみを対象とし、主要な解析手法として逆分散加重（IVW）法を用いた。効果推定値は、遺伝的に予測された遺伝子発現の1単位増加あたりのオッズ比（OR）および95%信頼区間（CI）として報告した。評価した遺伝子全体にわたる多重検定を考慮し、IVWのP値はBenjamini–Hochberg法を用いて補正した23。 P < 0.05かつBenjamini–Hochberg偽発見率（BH-FDR）< 0.20の遺伝子を探索的候補として抽出した。この比較的緩やかなFDR閾値は、探索段階において潜在的に関連のある遺伝子を早期に除外することを避けるために設定されており、したがって候補としてのステータスは、確定的な証拠としてではなく、その後の解析と併せて解釈した。その後、同じ調和済みインストゥルメントを用いて、探索段階の候補に対してベイズ加重メンデルランダム化（BWMR）を適用した24。IVWとBWMRの結果の一致性は、統計的有意性と効果の方向性の両方に基づいて評価した。利用可能なインストゥルメント数で許容される場合は、不均一性、水平多面発現、影響力の強い外れ値バリアント、および個々の一塩基多型（SNP）の影響を評価するため、CochranのQ検定、MR-Egger切片検定、MR-PRESSO、およびleave-one-out解析を実施した2。

再現段階のMRは、GTEx V10の全血cis-eQTLデータを用いて実施した。単一のインストルメントのみが利用可能な場合はWald比法を適用し、2つ以上のインストルメントを持つ遺伝子についてはIVW法を用いた。再現は、P < 0.05、BH-FDR < 0.20、かつ効果の方向が対応する探索段階の推定値と一致していることと定義した。いくつかのGTEx再現推定値は1つまたは2つのインストルメントのみに基づいていたため、それらは因果関係の独立した証拠としてではなく、再現を支持する根拠として解釈した。

コホート間トランスクリプトーム評価

発見段階および再現段階のメンデルランダム化（MR）解析によって優先順位付けされた4つの遺伝子について、3つの独立したトランスクリプトームコホートを用いて評価した。GSE19653については、DESeq225を用いて生のRNAシーケンシングカウントデータを解析した。2サンプルを除いてカウント数が10未満の遺伝子は除外したが、4つの標的遺伝子は発現フィルタリングにかかわらず保持した。寄託されたメタデータにおいてGBMと注記されたグレード4の神経膠腫サンプル61検体と、非腫瘍性脳サンプル9検体との間で、差分的発現を評価した。

GSE4290については、明示的な組織病理学的診断のない4つのサンプルを除外した結果、GBMサンプル7例および非腫瘍脳サンプル23例が残りました。処理済みのマイクロアレイ強度はlog2変換およびquantile正規化を行い、limma26に実装されたロバスト経験的ベイズ線形モデルを用いて解析しました。複数のプローブが同一の遺伝子にマッピングされた場合は、差次的発現の有意性に関わらず、全解析サンプルにおける平均発現量が最大であるプローブを独立して選択しました。

GSE116520は、17人の患者から得られた腫瘍中心部と腫瘍周囲のペア検体、および8つの非腫瘍性コントロールで構成されています。蓄積された対数変換および分位正規化済みの発現データは、limmaを用いて解析されました。腫瘍中心部と腫瘍周囲サンプルの患者内相関は、患者レベルのブロッキングおよびduplicateCorrelation関数を用いて処理されました。コホート間メタ解析のための事前指定された比較は腫瘍中心部対コントロールとし、一方で腫瘍周囲の比較およびコントロール・腫瘍周囲・腫瘍中心部の順序的な傾向については個別に評価されました。

研究固有のログ2 fold changeおよび標準誤差は、metaforで実装されているHartung–Knapp推論を用いた制限最大尤度ランダム効果モデルを使用して統合した。研究間の異質性は、CochranのQ統計量およびI^2を用いて評価した。24つの標的遺伝子のプールしたP値は、ベンジャミニ・ホッホベルグ法を用いて調整された。強力なトランスクリプトーム的根拠は、メタ解析の偽発見率（FDR）によって定義された。 < 0.05、少なくとも2つのデータセットにおけるコホートレベルのFDR有意性、および3つすべてのコホートにおける一致した効果方向。

単一細胞仮想ノックアウト解析

悪性細胞における4つのMR複製遺伝子を評価するため、GSE131928由来の患者由来Smart-seq2データを使用した。成人悪性細胞は元の研究で提供されたアノテーションに従って特定し、患者の代表性の不均衡を最小限に抑えるため、適格な各患者から同数の細胞をランダムにサンプリングした。バーチャルノックアウトはscTenifoldKnkを用いて行い、5回の独立したランで繰り返した。個別のランでBenjamini–Hochberg補正後のP < 0.05であった遺伝子を有意とした。5回のランのうち少なくとも3回で再現された下流遺伝子を一次コンセンサスセットと定義し、感度分析にはより厳格な5回中4回という基準を用いた。これらの結果は、直接的な分子調節の証拠ではなく、転写摂動の計算上の予測として解釈した。

機能エンリッチメントおよび共通ネットワーク解析

5回の仮想ノックアウトランのうち、少なくとも3回で再現性よく同定されたターゲット特異的な下流遺伝子を用いて、機能濃縮解析を行った。Gene Ontology (GO)、Kyoto Encyclopedia of Genes and Genomes (KEGG)、およびReactomeパスウェイの濃縮は、片側超幾何検定を用いて評価し、ネットワーク推論に含まれる1,04個の遺伝子を背景遺伝子セットとした。P 値は、Benjamini–Hochberg法を用いて各アノテーションデータベースごとに個別に補正し、補正後 P < 0.05 を統計的に有意と見なした。

4つのノックアウト標的とそれらの共通の下流遺伝子との関係を表すために、2部ネットワークを構築した。複数の標的に関連する遺伝子は、共有次数に基づいて特定し、標的特異的な遺伝子セット間の重複を積集合数およびJaccard指数を用いて定量化した。ネットワークのエッジは、再現性のある計算上の摂動間の関連性を表しており、直接的な分子相互作用の証拠として解釈されるべきではない。

統計解析および再現性

特に指定のない限り、統計検定は両側検定とし、多重比較はBenjamini–Hochberg法を用いて制御した。解析ごとの有意基準については、対応するサブセクションに記載している。すべての解析はRまたはPythonを用いて実施した。ランダム化の手順には事前指定されたシード値を使用し、再現性を確保するため、解析コード、ソフトウェアのバージョン、および詳細なパラメータ設定をアーカイブした。すべてのデータセットは事前に収集され、匿名化されており、元の研究において倫理承認およびインフォームドコンセントを得ている。

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

フェロトーシス関連遺伝子および遺伝的操作因子の選定

合計483個のフェロトーシス関連遺伝子をFerrDb V2から取得した（図1）。このうち、315個の遺伝子がeQTLGenデータセットと一致し、少なくとも1つの候補cis-発現量的形質軌跡（cis-eQTL）を有していた。連鎖不平衡クランピング後、250個の遺伝子が少なくとも3つの独立した候補インストゥルメントを保持していた。アウトカム変異の照会、アレル調和、および品質管理の後、26個の遺伝子で有効な逆分散加重（IVW）推定値が得られ、これらが探索段階のメンデルランダム化（MR）解析に含まれた（補足ファイル 1）。探索段階の解析で保持された3,578個のすべての操作変数において、F統計量が >10（最小値 29.72、中央値 70.76）であり、弱操作変数バイアスの証拠は認められなかった。探索段階の候補遺伝子34個のうち、F統計量の中央値は67.2、最小値は29.72であった。

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。

ディスカッション

本研究では、遺伝学的関連解析、再現段階のメンデルランダム化（MR）解析、腫瘍トランスクリプトミクス、および患者由来のシングルセルモデリングを統合し、膠芽腫（GBM）の感受性に関連するフェロトーシス関連遺伝子の優先順位付けを行いました。6,183例の症例と18,169例の対照群からなるGBMゲノムワイド関連解析（GWAS）を用いて、精選された483個の遺伝子をスクリーニングした結果、発見段階で34個の候補遺伝子が同定されました。そのうち、ATG7、RPTOR、MAP1LC3A、およびCHMP6の4つの遺伝子が、独立した発現量的形質遺伝子座（eQTL）リソースを用いた再現解析によって支持されました。遺伝学的解析以降、エビデンスは段階的に絞り込まれました。MAP1LC3Aは、3つの独立した腫瘍コホート全体で一貫して発現が低下しており、コホート間メタ解析においても有意であり続けました。この腫瘍発現パターンは、MR解析で観察された保護的関連を補完するものでしたが、これら2つのアプローチは疾患生物学の異なる側面を扱うものです。RPTORおよびCHMP6は、方向性は一致しているものの、トランスクリプトミクス上のエビデンスは決定的なものではなく、ATG...

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

著者らは、競合する利益がないことを宣言します。

謝辞

著者らは、European Genome-phenome Archive（データセットEGAD01001657）を通じて神経膠腫（glioma）のGWASサマリー統計量へのアクセスを提供してくださったThe Institute of Cancer ResearchのCancer Genomicsチームに感謝いたします。これらのデータの初回作成は、Bobby Moore Fund、Wellcome Trust、およびDJ Fielding Medical Research Trust（C1298/A8362）を含むCancer Research UKの支援を受けて行われました。

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。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
BWMRR packageBWMRベイズ重み付きメンデルランダム化解析
DESeq2BioconductorVersion 1.46.0RNA-sequencing 差分的発現解析
FerrDb V2FerrDbVersion 2キュレーション済みフェロトーシス関連遺伝子483個のソース
Glioblastoma bulk microarrayNCBI Gene Expression OmnibusGSE4290トランスクリプトーム評価コホート
Glioblastoma GWAS summary statisticsEuropean Genome-phenome ArchiveEGAD01001657アクセス制限ありのアウトカムデータ；症例 6,183例、対照 18,169例
Glioblastoma Smart-seq2 single-cell RNA sequencingNCBI Gene Expression OmnibusGSE131928悪性細胞バーチャルノックアウト解析
Grade 4 glioma bulk RNA sequencingNCBI Gene Expression OmnibusGSE19653トランスクリプトーム評価コホート
GTEx whole-blood cis-eQTL summary statisticsGenotype-Tissue Expression projectGTEx V10再現段階のエキスポージャーデータ
limmaBioconductorVersion 3.62.2マイクロアレイ差分的発現解析
metaforR packageVersion 4.8-0変量効果メタ解析
RR Foundation for Statistical ComputingVersion 4.4.2統計計算環境
scTenifoldKnkR packageVersion 1.0.3シングルセルバーチャルノックアウト解析
Tumour-core and peritumoural bulk microarrayNCBI Gene Expression OmnibusGSE16520トランスクリプトーム評価コホート
TwoSampleMRR packageVersion 0.6.292標本メンデルランダム化解析
Whole-blood cis-eQTL summary statisticseQTLGen ConsortiumeQTLGen探索段階のエキスポージャーデータ

参考文献

  1. Weller M, et al. EANO guidelines on the diagnosis and treatment of diffuse gliomas of adulthood. Nat Rev Clin Oncol. 2021;18:170-186.
  2. Stupp R, et al. Radiotherapy plus concomitant and adjuvant temozolomide for glioblastoma. N Engl J Med. 2005;352:987-996.
  3. McBain C, et al. Treatment options for progression or recurrence of glioblastoma: a network meta-analysis. Cochrane Database Syst Rev. 2021;5:CD013579.
  4. Dixon SJ, et al. Ferroptosis: an iron-dependent form of nonapoptotic cell death. Cell. 2012;149:1060-1072.
  5. Stockwell BR, et al. Ferroptosis: A regulated cell death nexus linking metabolism, redox biology, and disease. Cell. 2017;171:273-285.
  6. Minami JK, et al. CDKN2A deletion remodels lipid metabolism, priming glioblastoma for ferroptosis. Cancer Cell. 2023;41:1048-1060.e1049.
  7. Kram H, et al. Glioblastoma relapses show increased markers of vulnerability to ferroptosis. Front Oncol. 2022;12:841418.
  8. Miao Z, et al. A targetable PRR11-DHODH axis drives ferroptosis- and temozolomide-resistance in glioblastoma. Redox Biol. 2024;73:103220.
  9. Liu HJ, et al. Ferroptosis-related gene signature predicts glioma cell death and glioma patient progression. Front Cell Dev Biol. 2020;8:538.
  10. Dong J, et al. Ferroptosis-related gene contributes to immunity, stemness, and predicts prognosis in glioblastoma multiforme. Front Neurol. 2022;13:829926.
  11. Robinson JW, et al. Transcriptome-wide Mendelian randomization study prioritizing novel tissue-dependent genes for glioma susceptibility. Sci Rep. 2021;11:2329.
  12. 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.
  13. GTEx Consortium. The GTEx Consortium atlas of genetic regulatory effects across human tissues. Science. 2020;369:1318-1330.
  14. 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.
  15. 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.
  16. 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.
  17. Zeng C, et al. Dissection of transcriptomic and epigenetic heterogeneity of grade 4 gliomas: implications for prognosis. Acta Neuropathol Commun. 2023;11:133.
  18. Sun L, et al. Neuronal and glioma-derived stem cell factor induces angiogenesis within the brain. Cancer Cell. 2006;9:287-300.
  19. 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.
  20. Neftel C, et al. An integrative model of cellular states, plasticity, and genetics for glioblastoma. Cell. 2019;178:835-849.e821.
  21. Burgess S, Thompson SG. Avoiding bias from weak instruments in Mendelian randomization studies. Int J Epidemiol. 2011;40:755-764.
  22. Papadimitriou N, et al. Physical activity and risks of breast and colorectal cancer: a Mendelian randomisation analysis. Nat Commun. 2020;11:597.
  23. 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.
  24. Zhao J, et al. Bayesian weighted Mendelian randomization for causal inference based on summary statistics. Bioinformatics. 2020;36:1501-1508.
  25. Love MI, Huber W, Anders S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 2014;15:550.
  26. Ritchie ME, et al. limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res. 2015;43:e47.
  27. 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.
  28. Li R, et al. Identification of candidate genes associated with prognosis in glioblastoma. Front Mol Neurosci. 2022;15:913328.
  29. 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.
  30. 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.
  31. Wu Y, et al. ALDH1-mediated autophagy sensitizes glioblastoma cells to ferroptosis. Cells. 2022;11:4015.
  32. 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.
  33. 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.
  34. 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.
  35. 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.

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

さらに記事を探す

フェロトーシス関連遺伝子膠芽腫感受性メンデルランダム化シングルセル解析トランスクリプトームコホートeQTL解析ジーンオントロジー腫瘍における発現低下遺伝的関連
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。