方法論記事

PTDSS1およびPTDSS2を予後および免疫バイオマーカーとして評価するためのマルチオミクス汎がんバイオインフォマティクスワークフロー

DOI：

10.3791/71827

⸱

2026年6月5日

 ,  ,  , 
1Institute of Translational Medicine Zhuhai People's Hospital Affiliated with Jinan University, 2Department of Food Science and Engineering, Institute of Food Safety and Nutrition, Jinan University, 3The Affiliated Guangdong Second Provincial General Hospital of Jinan University, 4State Key Laboratory of Bioactive Molecules and Druggability Assessment, The Biomedical Translational Research Institute, Health Science Center (School of Medicine), Jinan University

この記事について

サマリー

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究では、複数の公開データベースを用いて包括的なバイオインフォマティクス解析を行い、さまざまながんにおけるPTDSS1およびPTDSS2の遺伝子発現パターン、臨床相関、生存予測、腫瘍幹スコア、免疫関連特性を評価しました。これらの発見は、これらの遺伝子ががん診断、予後、免疫療法のバイオマーカーとして機能する可能性を示唆しています。

要約

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ホスファチジルセリン合成酵素PTDSS1およびPTDSS2は、膜の組成やシグナル伝達を含む細胞プロセスにおいて重要な役割を果たします。これらの酵素の異常発現は、腫瘍関連マクロファージ浸潤や乳がんにおける生存率の低下と関連しています。しかし、これらの多様ながんタイプに対する包括的な役割は依然として明確ではありません。本研究では、PTDSS1およびPTDSS2の診断、予後、免疫浸潤、免疫治療的関連性を評価するために、汎がん解析を実施しました。複数の公開データベースを用いて、さまざまながんにおける遺伝子発現パターン、臨床相関、生存アウトカム、腫瘍幹性スコア、免疫関連特性を解析しました。その結果、PTDSS1およびPTDSS2はヒト組織で広く発現し、ほとんどの腫瘍組織で正常組織と比べて有意に上行調節していることが示されました。PTDSS1またはPTDSS2の高い発現は、いくつかのがんタイプで総生存率(OS)の低下と関連し、臨床ステージや腫瘍幹性スコアと有意な相関を示しました。さらに、機能解析により、これらの遺伝子が腫瘍形成、免疫調節、化学療法耐性に寄与する可能性が示唆されました。総じて、これらの発見はPTDSS1およびPTDSS2の多発がんにおける予後的重要性を強調し、がん診断や予後におけるバイオマーカーとして機能する可能性、さらには免疫療法の有望な標的となる可能性を示唆しています。

概要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

過去数世紀にわたり腫瘍学で大きな進歩が見られましたが、がんは依然として世界中の主要な死因および疾患負担の一つです 1,2。現在の臨床管理は、多様な治療法を組み合わせて有効性を最大化しつつ、患者の生存率と全体的な健康を向上させるマルチモーダル治療戦略にますます依存しています。この文脈で、がん免疫療法は急速に現代腫瘍学の中心的な柱へと進化しました。標的選択性、持続的な治療効果、複数の腫瘍タイプへの適用性、耐性軽減能力、他の治療法との適合性などの利点は、広範な関心を呼んでいます。しかしながら、臨床応用は患者反応性の変動、免疫関連毒性、後天性耐性、高い経済的負担、治療モニタリングの制限など、いくつかの要因によって制約されています。これらの課題は、この分野における継続的な洗練とイノベーションの必要性を示しています。同時に、代謝再プログラミングががんの特徴として浮上しており、脂質代謝が注目を集めています。脂質の獲得、合成、利用の変化は腫瘍細胞の成長と生存に不可欠な支援を提供し、治療抵抗の発達にも関与する可能性があります3,4。再プログラムされた脂質の取り込みと利用はがん細胞増殖を支え、治療抵抗性に寄与する可能性があります5.さらに、脂質関連バイオマーカーは患者の予後および治療反応とも関連しています6,7。関心が高まっているにもかかわらず、がんにおける脂質代謝のメカニズムや効果的な脂質標的治療の開発は十分に解明されておらず、さらなる調査が必要です。

ホスファチジルセリンシンターゼ(PTDSS1およびPTDSS2)は、細胞膜11における主要なアニオン性リン脂質の一つであるホスファチジルセリン(PS)8,9,10の生合成に関与する重要な酵素です。PSは細胞膜11の主要なアニオン性リン脂質であり、膜構造と機能8,12,13の維持に不可欠です。これらの酵素は配列の類似度(~32%)を共有し、複数の膜貫通領域を持ち、主に小胞体およびミトコンドリア関連膜に局在します14,15,16。PSは既存のリン脂質8,9とのセリン交換反応によって生成され、PTDSS1はホスファチジルコリン17,18を優先的に利用し、PTDSS2はホスファチジルタンノールミン19,20を優先的に利用します。PTDSS1は組織全体で広く発現している21に対し、PTDSS2はより限定的な分布を示し、マウス脳ニューロンや精巣セルトリ細胞でより高いレベルを示します19。機能的には、PTDSS2は正常な精巣発生に不可欠であり、約10%のオスノックアウトマウスが不妊と精巣のサイズ縮小を示しますが、これはPTDSS1欠損マウスでは観察されない表現型です19。どちらの酵素の単一遺伝子欠失も生存率を損なうことはありませんが、同時に失われると胚致死率が高まる19,22は、PS生合成が細胞生存にいかに重要であるかを強調しています。最近の証拠は、腫瘍におけるPTDSS1およびPTDSS2の調節異常が、乳がん患者における腫瘍関連マクロファージ浸潤の変化および生存率の低下と関連していることを示唆しています(23)。これらの発見は総じて、PTDSS1およびPTDSS2が膜恒常性に重要であり、その異常な発現が特にがんにおける疾患進行に寄与する可能性があることを示しています。

本研究は、PTDSS1およびPTDSS2が腫瘍発現、予後、幹性、免疫調節、ゲノム変異、治療反応に与える汎がん効果を体系的に比較します。単一がんタイプや単離脂質代謝イベントに焦点を当てた従来の研究とは異なり、本研究は多オミクスデータを統合し、ホスファチジルセリン生合成、腫瘍免疫、がん進行の関連性を探ります。解析には発現パターン、腫瘍特性および免疫関連因子との相関、ゲノム的特徴、薬剤感受性の予測が含まれます。本研究は、PTDSS1およびPTDSS2の異なる悪性腫瘍における機能的役割の理解を深め、個別化治療戦略の開発のための理論的基盤と実践的指針を提供することを目指しています。

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

この研究は公開されているデータセットのみに基づいており、直接的な人間や動物の関与は含まれていませんでした。したがって、機関の倫理的承認やインフォームド・コンセントは必要ありませんでした

1. PTDSS1またはPTDSS2の発現解析

  1. ヒトプロテインアトラス(HPA)データベース(https://www.proteinatlas.org)を用いて正常なヒト組織におけるPTDSS1およびPTDSS2のmRNA発現を評価します。
  2. TIMER2プラットフォーム(http://timer.cistrome.org/)の「Gene DE」モジュールから複数のがんタイプにわたるPTDSS1およびPTDSS2遺伝子発現プロファイルを取得します。
  3. TCGA(http://cancergenome.nih.gov)およびGTEx(http://commonfund.nih.gov/GTEx/)データベースから正常組織および腫瘍組織のRNA-seq発現データをダウンロードしてください。

2. 病態病期、生存率、腫瘍幹性分析

  1. UCSC Xenaプラットフォーム(https://xenabrowser.net/)からTCGAパンキャンサー(PANCAN、N = 10,535、G = 60,499)データセットをダウンロードしてください。
  2. すべてのサンプルからPTDSS1およびPTDSS2の発現データを抽出し、発現値がゼロのエントリーを除外します。残りの式データはlog2(x + 0.001)変換で正規化します。
  3. 3つ未満のサンプルを含むがんタイプを除去し、最終的に37種類の腫瘍タイプを含むデータセットを作成します。Rソフトウェアを用いて臨床段階を超えた差別発現解析を行います。
  4. ペアなしの学生t検定を用いて2グループ間の統計的有意性を評価し、分散分析(ANOVA)を用いて複数グループ間で評価します24。
  5. UCSC Xenaプラットフォーム(https://xenabrowser.net/)からTCGAパンキャンサーデータセットを取得してください。PTDSS1およびPTDSS2の発現プロファイルを抽出し、発現値がゼロのサンプルは除外します。
  6. 追跡期間が30日未満の症例は除外してください。残りの式データは、log2変換で擬似カウント0.001で正規化します。
  7. サンプル数が10未満のがんタイプを除外し、最終データセットは39種類のがんタイプと対応するOS情報からなる。Rパッケージの生存分析を用いて生存分析を行います。
  8. Coxph関数を用いてCox比例ハザードモデルを構築し、PTDSS1/PTDSS2の発現とがん間の患者予後との関連を評価します。対数ランク検定を用いて生存差を評価する24.
    注:TCGAにおける異なる腫瘍タイプにおける臨床注釈データの異質性と不完全な入手可能性のため、年齢、性別、腫瘍期などの追加の臨床共変量はCox回帰解析に一様に組み込まれていません。
  9. UCSC Xenaプラットフォーム(https://xenabrowser.net/)からTCGAパンがんデータセットを取得してください。PTDSS1およびPTDSS2の発現プロファイルを抽出し、DNAメチル化特徴に基づく腫瘍幹性指数を算出します。
  10. 後続解析のために、幹性スコアと遺伝子発現データを統合します。発現値がゼロのサンプルを除外し、残りの発現データはlog2変換で正規化します。
  11. 分析の信頼性を高めるために、3サンプル未満のがんタイプを除去します。異なるがんタイプ間でPTDSS1/PTDSS2の発現と腫瘍幹性の関連を評価するためにピアソン相関解析を実施します。
    注:発現値がゼロのサンプルは、対数変換に基づく正規化における技術的ノイズや未定義値の影響を減らすために除外しました。同じ原理は次のステップにも当てはまります。

3. 生存予後分析

  1. 遺伝子発現プロファイリングインタラクティブ解析(GEPIA)プラットフォーム(http://gepia.cancer-pku.cn/)の「ステージプロット」モジュールを用いて、PTDSS1/PTDSS2発現と腫瘍期との関連を解析します。
  2. KMプロッターデータベース(https://kmplot.com/analysis/)を用いて、複数のがんタイプにおけるPTDSS1およびPTDSS2の予後的有意性を評価します。
  3. 患者を中央値発現値(カットオフ高=50%、カットオフ低=50%)に分けて高発現群と低発現群に分類します。
  4. GEPIA2を用いて、TCGA腫瘍のPTDSS1およびPTDSS2のOS有意マップおよびKaplan–Meier生存曲線を生成する。統計的有意性は対数ランク検定を用いて評価されます。

4. PTDSS1またはPTDSS2関連遺伝子解析

  1. STRINGデータベース(https://cn.string-db.org/)から、実験的に検証されたホモ・サピエンスの相互作用を選択することで、PTDSS1およびPTDSS2のタンパク質間相互作用ネットワークを取得できます。以下のパラメータが満たされています:最小相互作用スコア=0.150(信頼度低)、完全なネットワークタイプ、エビデンスに基づくエッジ、最大インタラクター数=50。
  2. GEPIA2(http://gepia2.cancer-pku.cn/#index)の「類似遺伝子検出」モジュールを使って潜在的な共発現遺伝子を特定し、関連遺伝子トップ100を選択してさらなる解析を行います。
  3. TIMER2.0(http://timer.cistrome.org/)の「Gene_Corr」モジュールを用いて、PTDSS1/PTDSS2と腫瘍型の上位10の相互作用タンパク質との発現相関を評価し、結果をヒートマップとして可視化します。
  4. KEGG REST API(https://www.kegg.jp/kegg/rest/keggapi.html)を通じて京都遺伝子・ゲノム百科事典(KEGG)の経路注釈を取得し、機能豊か解析の参考背景として使用してください。
  5. RパッケージのclusterProfilerを用いて、遺伝子セットのサイズが5から5000の範囲で遺伝子セットの濃縮解析を行います。
    注:統計的有意性はP < 0.05、偽発見率(FDR)<0.25と定義されています。
  6. DAVIDデータベースを用いて、生物学的プロセス(BP)、細胞成分(CC)、分子機能(MF)を含む遺伝子オントロジー(GO)濃縮解析を実施します。マイクロバイオームプラットフォームを用いて濃縮経路を可視化します。

5. 遺伝子変異解析

  1. TCGAの汎がんアトラス研究コホートに基づくcBioPortalプラットフォーム(http://www.cbioportal.org/ を用いて、複数のがんタイプにわたるPTDSS1およびPTDSS2の変異プロファイルを調査します。
  2. 「OncoPrint」および「Cancer Types Summary」モジュールを用いて、PTDSS1およびPTDSS2の頻度および変化タイプを調べます。「OncoPrint」モジュールを使って、サンプル間で突然変異、コピー数の変異、遺伝子発現の変化を可視化できます。
  3. 「がんの種類概要」および「変異」セクションでPTDSS1またはPTDSS2を検索すると、変異部位、変異タイプ、およびそれらの異なるがんタイプ間での分布に関する詳細な情報が得られます。
  4. UCSC Xenaデータベース(https://xenabrowser.net/)からTCGAパンキャンサー(PANCAN、N = 10,535、G = 60,499)データセットをダウンロードしてください。各サンプルのPTDSS1およびPTDSS2発現データを抽出し、対応するマイクロサテライト不安定性(MSI)スコアを取得します。遺伝子発現とMSIデータを統合して後続解析を行う。
  5. 発式値がゼロのサンプルを除外し、残りのデータはlog2(x + 0.001)スケールで変換します。3つ未満のサンプルで表されるがんタイプを除去し、37種類のがんタイプにわたる発現およびMSIデータを含む最終データセット24を得ます。
  6. UCSC XenaデータベースからTCGA汎がんデータセットを取得し、各サンプルのPTDSS1およびPTDSS2発現データを抽出します。GDCポータル(https://portal.gdc.cancer.gov/)からMuTect2で処理されたレベル4の単純ヌクレオチド変異データをダウンロードしてください。
  7. maftoolsのRパッケージ内のTMB関数を使って各サンプルの腫瘍変異負荷(TMB)を計算し、TMB値を対応する遺伝子発現データと統合します。
  8. 発式値がゼロのサンプルを除外し、残りのデータはlog2(x + 0.001)スケールで変換します。3つ未満のサンプルで表されるがんタイプを除去すると、最終的に37種類のがんタイプを含むデータセットが得られます。

6. 免疫調節遺伝子、免疫チェックポイント、RNA修飾遺伝子解析

  1. UCSCデータベースからTCGA汎がんデータセットを取得し、PTDSS1またはPTDSS2の発現データと、5つの免疫関連経路(ケモカイン:41遺伝子、受容体:18遺伝子、MHC:21遺伝子;免疫阻害剤:24遺伝子;各サンプルに対して免疫刺激剤:46遺伝子を投与しています。
  2. 正常組織サンプルおよび発現値ゼロのサンプルを除外し、すべての発現データに対してlog2(x + 0.001)変換を適用します。PTDSS1またはPTDSS2と免疫経路マーカー遺伝子との関連を評価するためにピアソン相関解析を実施します。
  3. UCSCデータベースからTCGA Pan-Cancerデータセットを取得し、PTDSS1またはPTDSS2の発現データと免疫チェックポイント経路に関与する60の遺伝子(阻害遺伝子:24、刺激遺伝子:36)を抽出します。
  4. 正常サンプルと発現値がゼロのサンプルを削除し、log2(x + 0.001)を使ってすべての発現データを変換します。PTDSS1またはPTDSS2と免疫チェックポイント関連遺伝子との関連を評価するためにピアソン相関解析を実施します。
  5. UCSCデータベースからTCGA汎がんデータセットをダウンロードし、各サンプルごとにPTDSS1またはPTDSS2発現データと、3種類のRNA修飾(m1A:10遺伝子、m5C:13遺伝子、m6A:21遺伝子)に関連する44個の遺伝子を抽出します。
  6. 正常組織サンプルおよび発現値ゼロのサンプルを除外し、すべての発現データに対してlog2(x + 0.001)変換を適用します。PTDSS1またはPTDSS2とRNA修飾関連遺伝子との関係を評価するためにピアソン相関解析を実施します。

7. 免疫浸潤解析

  1. UCSC XenaデータベースからTCGAパンがんデータセットをダウンロードし、各サンプルのPTDSS1およびPTDSS2発現データを抽出してください。
  2. 正常サンプルと発現値ゼロのサンプルは除外します。log2(x + 0.001)変換を用いて発現データを正規化し、遺伝子識別子をGeneSymbol形式にマッピングします。
  3. ESTIMATE Rパッケージを用いて各患者に対してストロマルスコア、イムーンスコア、ESTIMATEスコアを計算し、39種類のがんタイプにわたる9,554件の腫瘍サンプルの免疫浸潤スコアを算出します。
  4. Psych Rパッケージ内の「corr.test」関数を用いて、遺伝子発現と免疫浸潤スコアの関連を評価するためにピアソン相関解析を行います。
  5. IOBR Rパッケージに実装されたTIMERアルゴリズムを用いて、36種類の腫瘍タイプで9,405サンプルに対して、B細胞、CD4+ T細胞、CD8+ T細胞、好中球、マクロファージ、樹状細胞の免疫細胞浸潤スコアを推定します。
  6. PTDSS1/PTDSS2の発現と免疫細胞浸潤レベルとの関係を評価するために、ピアソン相関解析を実施します。

8. 汎がんにおけるPTDSS1およびPTDSS2の薬剤感受性

  1. CellMinerからNCI-60化合物活性データおよびRNA-seq発現プロファイルをダウンロードしてください。
  2. FDA承認済みまたは臨床試験化合物を選択し、その後の分析を行います。
  3. Rソフトウェアを用いて、汎がん性におけるPTDSS1およびPTDSS2の薬剤感受性解析を行います。

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。

結果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

さまざまなヒト正常組織におけるPTDSS1またはPTDSS2 mRNA発現

HPAデータベースのデータを用いて、PTDSS1およびPTDSS2のmRNA発現プロファイルを様々なヒト組織で調査しました。解析により、組織特異的な顕著な発現パターンが認められました。PTDSS1は副甲状腺、心筋、リンパ節、扁桃腺、骨髄で高発現を示しました(図1A)一方、PTDSS2は副甲状腺、精巣、骨格筋、腎臓、大脳皮質で発現が上昇しました(図1B)。これらの発見は、PTDSS1とPTDSS2がヒト組織全体で異なる発現パターンを示すことを示しています。

PTDSS1またはPTDSS2は複数のヒトがんで上行調節されました

PTDSS1およびPTD...

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

がんは複数のシステムの調節障害を特徴とする全身性疾患であり、通常は排除期、平衡期、逃避期の3段階を経て進行します。除去段階では、免疫系が新たに形成されたがん細胞を効果的に排除します。平衡段階では、がん細胞と免疫細胞が相対的なバランスを保ち、腫瘍の拡大や転移を防ぎます。最終的に、逃避期ではがん細胞は免疫監視を回避し、急速に増殖・転移します。したがって、免疫監視の回復やバランスの取れた進行状態の確立は、効果的な抗腫瘍治療のために極めて重要です。医学の進歩により、現代のがん治療は治療効果の向上、患者の生存率向上、生活の質の向上を目的とした多様な方法を含む包括的なアプローチを採用しています26,27。免疫療法は、その強い特異性、持続的な反応、広範な応用可能性、耐性克服特性、組み合わせ可能性から、現在の

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

著者には利益相反を主張するものはありません。

謝辞

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

著者たちは本論文の研究、著者、出版に対して一切の資金援助を受けていません。

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
cBioPortalプラットフォームcBioPortalhttp://www.cbioportal.org/多次元がんゲノミクスデータの可視化および解析プラットフォーム
GDCポータルゲノムデータコモンズ(GDC)https://portal.gdc.cancer.gov/TCGAゲノムおよび突然変異データセットのダウンロードポータル
GEPIAプラットフォームゲピアhttp://gepia.cancer-pku.cn/TCGAおよびGTExデータセットに基づく遺伝子発現プロファイリングおよび生存分析のためのウェブサーバー
GEPIA2GEPIA2http://gepia2.cancer-pku.cn/#index遺伝子発現相関およびインタラクティブ解析のための更新されたウェブサーバー
GTExデータベース遺伝子型-組織発現(GTEx)プロジェクトhttp://commonfund.nih.gov/GTEx/正常なヒト組織からの遺伝子発現プロファイルを含むデータベース
ヒトタンパク質アトラス(HPA)データベースヒトタンパク質アトラスhttps://www.proteinatlas.org正常組織およびがんにおけるタンパク質およびRNA発現プロファイル解析のためのデータベース
KEGG REST API京都遺伝子・ゲノム百科事典(KEGG)https://www.kegg.jp/kegg/rest/keggapi.htmlKEGG経路注釈を取得するためのアプリケーションプログラミングインターフェース
KMプロッターツールKMプロットhttps://kmplot.com/analysis/複数のがんにおける遺伝子の予後的重要性を評価するオンラインツール
maftools R パッケージバイオコンダクターパッケージ maftoolsバージョン 2.8.05腫瘍変異負荷および変異解析に使用されるRパッケージ
psych R パッケージCRAN R パッケージ サイコロックバージョン 2.1.6相関分析および心理統計解析に使用されるRパッケージ
RパッケージR統計計算財団バージョン 4.1.3薬物感受性解析に用いられる統計計算ソフトウェア
R package clusterProfilerバイオコンダクターパッケージクラスタプロファイラーバージョン 3.14.3KEGGおよび機能的濃縮解析に使用されるRパッケージ
Rパッケージの生存CRAN Rパッケージの生存バージョン 3.2-7Cox回帰およびKaplan&ndashに使用されたRパッケージ;マイヤー生存分析
RソフトウェアR統計計算財団バージョン 3.6.4バイオインフォマティクスおよび生存分析に使用される統計計算ソフトウェア
STRINGデータベースストリングhttps://cn.string-db.org/タンパク質&ndashのデータベース;タンパク質相互作用ネットワーク解析
TCGAデータベースがんゲノムアトラス(TCGA)http://cancergenome.nih.govゲノミクス、トランスクリプトミクス、臨床がんデータを含む大規模ながんゲノミクスデータベース
タイマー2.0タイマー2.0http://timer.cistrome.org/腫瘍における免疫細胞浸潤推定および相関解析のためのプラットフォーム
腫瘍免疫推定リソース2.0(TIMER2)プラットフォームタイマー2.0http://timer.cistrome.org/多様ながんタイプにおける免疫浸潤の体系的分析のためのウェブプラットフォーム
UCSC Xena プラットフォームUCSC ゼナhttps://xenabrowser.net/TCGAおよびその他の公開マルチオミクスデータセットの可視化および解析のためのプラットフォーム

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

タグ

PTDSS1 PTDSS2

関連記事