이 콘텐츠를 보려면 JoVE 구독이 필요합니다. 로그인하거나 오늘 무료 평가판을 시작하세요.

연구 논문

다단계 유전적, 전사체적 및 단일 세포 증거를 통한 교모세포종 내 페로토시스 관련 유전자 중 MAP1LC3A의 우선순위 규명

94 조회수

⸱

2026년 9월 11일

 ,  ,  ,  ,  ,  ,  , 
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

이 논문에서

요약

멘델 무작위 분석, 종양 전사체 분석 및 단일 세포 분석을 통합한 유전적 기반의 다단계 프레임워크를 통해, glioblastoma 감수성과 연관된 ferroptosis 관련 유전자이자 향후 실험적 검증 대상인 후보로서 MAP1LC3A를 우선적으로 선정하였습니다.

초록

교모세포종(GBM)은 여전히 매우 공격적인 악성 종양이며, 페로토시스(ferroptosis) 관련 유전자가 질병 감수성에 기여하는 정도는 아직 완전히 밝혀지지 않았습니다. 본 연구에서는 GBM과 관련된 페로토시스 관련 유전자의 우선순위를 정하기 위해 유전적으로 고정된 다단계 프레임워크를 적용하였습니다. FerrDb V2에서 선별한 483개의 유전자 중 315개는 eQTLGen에서 후보 cis-발현 양적 형질 유전자좌(cis-eQTLs)를 가지고 있었고, 연쇄 불평형 클럼핑(linkage disequilibrium clumping) 후 250개가 최소 3개의 독립적인 도구를 유지했으며, 6,183명의 환자와 18,169명의 대조군으로 구성된 GBM 전전장 유전체 연관 분석(GWAS)을 사용하여 26개가 유효한 역분산 가중(inverse-variance weighted, IVW) 멘델 무작위 분석 추정치를 산출하였습니다. 34개의 유전자가 P < 0.05 및 Benjamini–Hochberg 허위 발견율(BH-FDR) < 0.20이라는 탐색적 발견 기준을 충족하였으며, 방향적으로 일치하는 베이지안 가중 멘델 무작위 분석(BWMR) 추정치를 보였습니다. GTEx V10 전혈 cis-eQTL을 이용한 복제 단계 멘델 무작위 분석을 통해 ATG7, RPTOR, MAP1LC3A, CHMP6의 4개 유전자가 뒷받침되었습니다. 세 개의 독립적인 종양-대조군 전사체 코호트에 걸친 평가 결과, MAP1LC3A는 종양 조직에서 일관되게 하향 조절되었으며 유의미한 랜덤 효과 통합 추정치(log₂ fold change, −1.273; 95% 신뢰 구간, −1.625 ~ −0.920; 허위 발견율 = 0.016)를 나타낸 반면, 나머지 3개 유전자는 이에 상응하는 코호트 간 통계적 지지가 부족했습니다. 이후 20개의 성인 IDH-야생형 GBM 종양에서 선정된 4,916개의 적격 세포 중 환자 균형을 맞춘 2,40개의 악성 세포 서브셋에 대해 단일 세포 가상 녹아웃(virtual knockout) 분석을 수행하였습니다. 독립적으로 시딩된 5회의 실행 결과, ATG7, RPTOR, MAP1LC3A, CHMP6에 대해 각각 3개, 15개, 4개, 7개의 강력한 하위 유전자가 확인되었습니다. 결과적으로 도출된 합의 세트는 17개의 고유 유전자로 구성되었으며, RND3가 4개 표적 모두에서 공유되었습니다. 유전자 온톨로지(Gene Ontology) 분석 결과 세포 접착 및 세포 표면 프로세스의 농축이 나타난 반면, 다중 테스트 보정 후 유의미하게 남은 KEGG 또는 Reactome 경로는 없었습니다. 종합적으로, 이러한 발견은 MAP1LC3A를 향후 실험적 조사의 우선순위 유전자로 지정하는 동시에, 유전적 연관성, 종양 발현 일치성 및 계산적 섭동이 인과 관계나 메커니즘에 대한 확정적 증거와는 구분됨을 시사합니다.

서론

교모세포종(GBM)은 여전히 전형적인 치료 저항성 악성 종양으로 남아 있습니다. 더욱 정교해진 분자적 분류와 다학제적 치료에도 불구하고, 환자 예후의 지속적인 개선은 제한적이었습니다1. 전신 상태가 양호한 환자의 경우, 현재의 관리 방식은 최대 안전 절제술 후 동시 및 보조 테모졸로마이드 방사선 치료를 시행하는 것이며, 이는 획기적인 무작위 대조 시험에서 확립되어 현대 임상 가이드라인에 유지되고 있는 요법입니다1,2. 그럼에도 불구하고, 광범위한 침윤과 심각한 세포 및 분자적 이질성이 지속적인 질환 제어를 방해하며, 대부분의 환자는 결국 진행 또는 재발을 경험하게 되나 이에 대해 보편적으로 효과적인 표준 치료법은 존재하지 않습니다1,3. 질환 특성 규명의 발전과 임상 결과 사이의 이러한 지속적인 격차는 GBM을 위한 새로운 치료 전략의 근거가 될 수 있는 생물학적으로 유의미한 분자적 의존성을 식별해야 할 필요성을 강조합니다.

페로토시스(Ferroptosis)는 통제되지 않는 인지질 과산화와 세포 내 항산화 방어 체계의 실패를 특징으로 하는 철 의존적 조절 세포 사멸의 한 형태로, 기전적으로 아포토시스(apoptosis) 및 기타 전형적인 세포 사멸 프로그램과 구별됩니다4,5. 이 과정은 유전적 변이와 대사 가소성이 철 항상성, 산화환원 균형 및 지질 대사를 재구성하는 교모세포종(GBM)에서 특히 중요합니다. 통합 유전체 및 지질체 프로파일링 분석 결과, CDKN2A 결실이 산화 가능한 다불포화 지방산을 재분배함으로써 GBM 모델에서 유전자형 의존적인 페로토시스 감수성을 생성한다는 것이 입증되었습니다6. 마찬가지로, 원발성 및 재발성 종양의 쌍 분석을 통해 GPX4, ACSL4 및 기타 페로토시스 조절 인자에서 재발과 관련된 변이가 확인되었습니다7. 또한 페로토시스 방어 경로의 실험적 조절이 GBM 세포 및 이종이식 모델에서 테모졸로마이드(temozolomide) 반응성에 영향을 미치는 것으로 나타났습니다8. 종합적으로, 이러한 발견은 페로토시스가 GBM에서 생물학적으로 타당한 치료적 취약점임을 시사합니다. 하지만 이러한 결과는 주로 종양 상태의 연관성이나 상황 의존적인 실험적 관찰을 반영하며, 페로토시스 관련 유전자 발현의 구성적 변이가 GBM에 대한 유전적 감수성에 기여하는지 여부는 확립하지 않았습니다.

교모세포종(glioma)에서 페로토시스(ferroptosis)를 조사한 대부분의 인간 대상 연구는 TCGA, CGGA 및 GEO 데이터셋을 이용한 차등 발현, 생존 모델링 및 분자 하위 유형 분석에 의존해 왔습니다9,10. 이러한 연구들은 페로토시스 관련 전사 프로그램의 예후적 관련성을 입증했으나, 관찰적 설계 특성상 유전자 발현의 변화가 GBM 감수성에 기여하는 것인지, 아니면 종양 발전의 결과로 나타나는 것인지 판단할 수 없습니다. 이후 전사체 전반의 멘델 무작위 배정(Mendelian randomization) 연구를 통해 교모세포종 위험과 관련된 유전적으로 조절되는 조직 의존적 유전자들이 확인되었으며, 보다 최근의 발현 양적 형질 유전자좌(eQTL) 및 단백질 양적 형질 유전자좌(pQTL) 기반 연구들은 GBM의 잠재적 치료 표적을 우선순위화하기 시작했습니다1,12. 그럼에도 불구하고 기존의 조사들은 사전에 지정된 포괄적인 페로토시스 관련 유전자 세트를 평가하기보다는 일반적으로 전사체 전반 또는 약물 표적 지향적 접근 방식을 채택했습니다. 또한, 대규모 GBM 전장 유전체 연관성 분석(GWAS)을 독립적인 eQTL 리소스를 이용한 복제 단계의 멘델 무작위 배정과 통합하고, 이를 여러 종양-대조군 전사체 코호트에서 평가한 연구는 거의 없었습니다. 유전자 발현의 유전적 조절은 조직마다 상당히 다르며, 혈액 유래 eQTL 연관성이 뇌종양 내의 조절 효과를 반영한다고 가정할 수 없기 때문에 이러한 차별점은 매우 중요합니다1,13. 따라서 GBM 관여에 대한 수렴적 증거로 뒷받침되는 페로토시스 관련 유전자를 식별하기 위해서는 유전적 연관성, 복제 단계의 멘델 무작위 배정, 코호트 간 종양 전사체 분석 및 환자 유래 단일 세포 기능 예측을 결합한 통합적 프레임워크가 필요합니다.

본 연구에서는 페로토시스(ferroptosis) 관련 유전자의 유전적 조절 발현이 GBM으로의 감수성과 관련이 있는지 조사하였습니다. 발견 단계 및 복제 단계의 멘델 무작위 분석(Mendelian randomization)을 세 개의 독립적인 종양-대조군 전사체 코호트에서의 유전자 발현 분석과 결합하였습니다. 두 가지 멘델 무작위 분석 단계에서 모두 지지된 유전자들은 이후 환자 유래 단일 세포 전사체 데이터에서 가상 섭동(virtual perturbation)을 통해 평가되어, 악성 세포에서 예측되는 전사 반응의 특성을 분석하였습니다. 단순히 종양 발현 시그니처만을 기준으로 유전자의 우선순위를 정하는 대신, 이 다단계 프레임워크는 먼저 유전된 유전적 변이를 활용한 후, 세포 해상도의 계산적 섭동 프로파일과 함께 질병 관련 발현 패턴을 평가하였습니다. 결과적으로 얻은 수렴적 증거는 향후 GBM 실험 연구를 위한 페로토시스 관련 유전자의 우선순위를 정하는 데 사용되었습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

본 연구는 Zhaoqing 제1인민병원의 의료윤리위원회로부터 윤리 심사 면제 승인을 받았습니다(참조 번호 B2026-08-03). 본 연구에서는 EGAD01001657의 데이터 액세스 위원회(Data Access Committee) 승인을 받은 통제 액세스 데이터와 GEO, eQTLGen, GTEx에서 해당 액세스 및 이용 조건에 따라 획득한 데이터셋을 포함하여, 회고적으로 수집되고 비식별화된 요약 수준의 유전체 및 전사체 데이터를 사용하였습니다. 새로운 참여자를 모집하거나 생체 시료를 수집하지 않았으며, 식별 가능한 참여자 수준의 데이터에 접근하지 않았습니다. 원본 연구에 대한 윤리적 승인 및 고지된 동의는 각각의 데이터 생성자에 의해 획득되었으며, 통제 액세스 데이터는 해당 데이터 액세스 계약(Data Access Agreement)에 따라 사용되었습니다.

연구 설계

본 연구에서는 교모세포종(GBM) 감수성과 관련된 페로토시스(ferroptosis) 관련 유전자의 우선순위를 정하고, 이들의 질환 관련 전사 효과를 평가하기 위해 다단계 프레임워크를 이용하였습니다(그림 1). 우선, FerrDb V2에서 수집된 페로토시스 관련 유전자를 대상으로 cis-발현 정량 형질 위치(cis-eQTL) 데이터와 대규모 GBM 전장 유전체 연관 분석(GWAS)을 이용한 이표본 멘델 무작위 분석(MR)을 실시하였습니다. 역분산 가중(IVW) MR을 일차 스크리닝 방법으로 사용하였고, 베이지안 가중 멘델 무작위 분석(BWMR)을 통해 강건성을 보완적으로 평가하였으며, 독립적인 eQTL 데이터셋을 복제 단계 MR에 사용하였습니다. 둘째, 유전적 분석을 통해 지지된 유전자들을 세 개의 독립적인 종양-대조군 전사체 코호트에서 평가한 후, 코호트 간 메타 분석을 수행하였습니다. 셋째, 환자 유래 단일 세포 전사체 데이터를 사용하여 악성 세포 내 가상 유전자 섭동을 수행하고, 재현 가능한 하위 전사 반응을 식별하였습니다. 이러한 반응들은 이후 기능적 풍부성 분석 및 공유 네트워크 분석을 통해 특성화되었습니다. 전반적으로, 유전적 분석은 GBM 감수성과 관련된 유전자를 식별하도록 설계되었으며, 전사체 및 단일 세포 분석은 생물학적 일치성을 평가하고 후속 실험 검증을 위한 가설을 생성하였습니다.

데이터 소스

Ferroptosis 관련 유전자는 FerrDb V2에서 수집되었으며, 유전자 기호 조화 및 중복 항목 제거 후 총 483개의 고유한 인간 단백질 코딩 유전자가 도출되었다14. 발견 단계의 멘델 무작위 분석(MR)을 위한 노출 데이터셋으로는 eQTLGen 컨소시엄의 전혈 cis-expression quantitative trait locus (cis-eQTL) 요약 통계량이 사용되었으며, 재현 단계의 MR을 위한 독립적 노출 데이터셋으로는 GTEx release V10 전혈 cis-eQTL 데이터가 사용되었다1,15. GBM 결과 연관성은 European Genome-phenome Archive를 통해 제공되는 통제된 접근 권한의 전장 유전체 연관 분석(GWAS) 요약 통계량에서 얻었으며, 여기에는 유럽 혈통의 환자 6,183명과 대조군 18,169명이 포함되었다16. 유전적으로 우선순위가 지정된 유전자의 조직 수준 발현은 세 개의 독립적인 Gene Expression Omnibus (GEO) 코호트에서 평가되었다: 기탁된 메타데이터에 GBM으로 주석이 달린 61개의 4등급 교종 샘플과 9개의 비신생물성 뇌 샘플로 구성된 GSE19653, GBM 및 뇌전증 유래 비종양 뇌 샘플로 구성된 GSE4290, 그리고 종양 중심부와 종양 주변부 표본 및 비신생물성 대조군이 쌍으로 포함된 GSE1652017,18,19. 악성 세포 가상 섭동 분석에는 GSE131928의 환자 유래 Smart-seq2 데이터가 사용되었다20. 데이터셋의 특성과 각각의 분석 역할은 Table 1에 요약되어 있다. 모든 분석은 원래 연구에서 윤리적 승인과 고지된 동의를 얻어 이전에 수집된 익명화된 데이터셋을 사용하여 수행되었다.

유전체 분석 장비 선택 및 데이터 조화

후보 도구 변수는 전장 유전체 수준의 유의성(P < 5 × 10⁻8)으로 유전자 발현과 연관된 cis-발현 정량적 형질 유전자좌(cis-eQTLs)로 제한하였다. 변수들은 10,00-kb 윈도우 내에서 연쇄 불평형(LD) 임계값 r2 < 0.01을 사용하여 100 Genomes Project의 유럽 참조 패널을 통해 클럼핑(clumping)하였다. 클럼핑 후 독립적인 도구 변수가 3개 미만으로 남은 유전자는 기본 멘델 무작위 분석(MR analysis)에서 제외하였다. 탐색적 스크리닝 목적을 고려하여, 희소하지만 강력한 cis-eQTL 지지를 받는 유전자를 유지하면서 다중 도구 IVW 추정이 가능하도록 최소 3개의 도구 변수를 사전 지정하였다. 이 임계값은 엄격한 LD 클럼핑 및 F-통계량 필터링과 함께 적용되었으며, 단 3개 또는 4개의 도구 변수만을 기반으로 한 추정치는 주의 깊게 해석하였고, 방법론적으로 적용 가능한 경우에만 민감도 분석을 수행하였다. 각 변수의 도구 강도는 F-통계량(F = β2/SE2)을 사용하여 평가하였으며, 여기서 β와 SE는 각각 cis-eQTL 효과 추정치와 표준 오차를 나타낸다. 약한 도구 변수 편향을 최소화하기 위해 F < 10인 변수는 제외하였다21,2. 노출 및 결과 데이터셋은 효과 대립유전자와 효과 방향을 정렬하여 조화(harmonization)시켰다. 중복 변수, GBM GWAS 데이터셋에서 사용할 수 없는 변수, 그리고 대립유전자 코딩이 호환되지 않는 변수는 제외하였다. GBM GWAS의 경우 효과 대립유전자 빈도를 사용할 수 없었기 때문에, 가닥 방향이 모호한 회문 구조(palindromic) 변수는 추론하는 대신 제거하였다. 동일한 이유로, 공식적인 Steiger 방향성 테스트는 수행하지 않았다.

멘델 무작위 분석

유전적으로 예측된 유전자 발현과 GBM 감수성 사이의 연관성은 2-표본 멘델 무작위 분석(MR)을 사용하여 평가되었습니다. 발견 단계에서는 최소 3개의 독립적인 cis-발현 정량 형질 유전자좌(cis-eQTL) 도구를 가진 유전자만 포함되었으며, 역분산 가중(IVW) 방법이 주요 분석 접근법으로 사용되었습니다. 효과 추정치는 유전적으로 예측된 유전자 발현의 단위 증가당 95% 신뢰 구간(CI)을 포함한 오즈비(OR)로 보고되었습니다. 평가된 유전자들에 대한 다중 테스트를 고려하여, IVW P 값은 Benjamini–Hochberg 절차를 사용하여 보정되었습니다23. P < 0.05 및 Benjamini–Hochberg 허위 발견율(BH-FDR) < 0.20인 유전자가 탐색적 후보로 유지되었습니다. 이러한 상대적으로 관대한 FDR 임계값은 발견 단계에서 잠재적으로 관련이 있는 유전자가 조기에 제외되는 것을 줄이기 위해 선택되었습니다. 따라서 후보 상태는 확증적 증거라기보다 후속 분석과 결합하여 해석되었습니다. 이후 동일하게 조화된 도구를 사용하여 발견 단계의 후보들에 대해 베이지안 가중 멘델 무작위 분석(BWMR)을 적용하였습니다24. IVW와 BWMR 결과 간의 일치성은 통계적 유의성과 효과의 방향성을 모두 기반으로 평가되었습니다. 사용 가능한 도구의 수가 허용하는 경우, 이질성, 수평적 다표현성, 영향력 있는 이상치 변이 및 개별 단일 염기 다형성(SNP)의 영향을 평가하기 위해 Cochran's Q 검정, MR-Egger 절편 검정, MR-PRESSO 및 leave-one-out 분석을 수행하였습니다2.

복제 단계 MR은 GTEx V10 전혈 cis-eQTL 데이터를 사용하여 수행되었습니다. 단일 도구 변수만 사용 가능한 경우에는 Wald ratio 방법이 적용되었으며, 두 개 이상의 도구 변수가 있는 유전자의 경우에는 IVW 방법이 사용되었습니다. 복제는 P < 0.05, BH-FDR < 0.20 및 해당 발견 단계 추정치와 일치하는 효과 방향으로 정의되었습니다. 여러 GTEx 복제 추정치가 단 하나 또는 두 개의 도구 변수만을 기반으로 했으므로, 이는 인과 관계의 독립적인 증거라기보다 복제를 뒷받침하는 증거로 해석되었습니다.

코호트 간 전사체 평가

발견 및 복제 단계의 멘델 무작위 분석(MR)을 통해 우선순위가 지정된 4개의 유전자를 세 개의 독립적인 전사체 코호트에서 평가하였다. GSE196533의 경우, DESeq225를 사용하여 원시 RNA 시퀀싱 카운트 데이터를 분석하였다. 2개 샘플을 제외한 모든 샘플에서 카운트가 10 미만인 유전자는 제외하였으나, 4개의 표적 유전자는 발현 필터링과 관계없이 유지하였다. 제출된 메타데이터에서 GBM으로 주석 처리된 61개의 4등급 신경교종 샘플과 9개의 비신생물성 뇌 샘플 간의 차등 발현을 평가하였다.

GSE4290의 경우, 명확한 조직병리학적 진단이 없는 4개의 샘플을 제외하여 7개의 GBM 샘플과 23개의 비종양 뇌 샘플이 남았습니다. 처리된 마이크로어레이 강도는 log2 변환 및 분위수 정규화를 거쳤으며, limma26에 구현된 강건한 경험적 베이즈 선형 모델을 사용하여 분석되었습니다. 여러 프로브가 동일한 유전자에 매핑된 경우, 차등 발현 유의성과 관계없이 포함된 모든 샘플에서 평균 발현량이 가장 높은 프로브를 독립적으로 선택하였습니다.

GSE16520는 17명의 환자로부터 얻은 종양 중심부와 종양 주변부의 쌍을 이룬 검체와 8개의 비종양 대조군으로 구성되었습니다. 로그 변환 및 분위수 정규화를 거쳐 저장된 발현 데이터는 limma를 사용하여 분석되었습니다. 종양 중심부와 종양 주변부 샘플 간의 환자 내 상관관계는 환자 수준의 블로킹(blocking)과 duplicateCorrelation 함수를 사용하여 처리되었습니다. 코호트 간 메타 분석을 위해 종양 중심부 대조군을 사전 지정된 비교 대상으로 설정하였으며, 종양 주변부 비교 및 대조군-종양 주변부-종양 중심부로 이어지는 순차적 경향성은 별도로 평가되었습니다.

연구별 log2 fold change와 표준 오차는 metafor에 구현된 Hartung–Knapp 추론 기반의 제한 최대 가능도 랜덤 효과 모델을 사용하여 통합되었습니다. 연구 간 이질성은 Cochran's Q 통계량과 I2를 사용하여 평가하였습니다. 4가지 표적 유전자에 대한 통합 P 값은 Benjamini–Hochberg 절차를 통해 보정되었습니다. 강력한 전사체적 지지는 메타 분석의 허위 발견율(FDR) < 0.05, 최소 2개 데이터셋에서의 코호트 수준 FDR 유의성, 그리고 3개 코호트 전체에서 일치하는 효과 방향으로 정의되었습니다.

단일 세포 가상 녹아웃 분석

악성 세포에서 4개의 MR-복제 유전자를 평가하기 위해 GSE131928의 환자 유래 Smart-seq2 데이터를 사용하였다. 성인 악성 세포는 원본 연구에서 제공된 주석에 따라 식별하였으며, 환자 대표성의 불균형을 최소화하기 위해 적격한 각 환자로부터 동일한 수의 세포를 무작위로 샘플링하였다. 가상 녹아웃(Virtual knockout)은 scTenifoldKnk를 사용하여 수행되었으며, 5회의 독립적인 실행을 통해 반복되었다. 개별 실행에서 Benjamini–Hochberg 보정 P < 0.05인 유전자를 유의미한 것으로 간주하였다. 5회 실행 중 최소 3회 이상에서 재현된 하위 유전자를 1차 합의 집합(primary consensus set)으로 정의하였고, 민감도 분석을 위해서는 더 엄격한 5회 중 4회 기준을 사용하였다. 이러한 결과는 직접적인 분자 조절의 증거라기보다 전사 섭동에 대한 계산적 예측으로 해석되었다.

기능적 풍부도 및 공유 네트워크 분석

5회의 가상 녹아웃 실행 중 최소 3회에서 재현 가능하게 확인된 타겟 특이적 하위 유전자를 사용하여 기능적 농축 분석을 수행하였다. Gene Ontology (GO), Kyoto Encyclopedia of Genes and Genomes (KEGG) 및 Reactome 경로 농축은 단측 하이퍼지오메트릭 검정을 통해 평가되었으며, 네트워크 추론에 포함된 1,04개의 유전자를 배경 유전자 세트로 사용하였다. P 값은 Benjamini–Hochberg 절차를 사용하여 각 주석 데이터베이스별로 별도로 보정되었으며, 보정된 P < 0.05를 통계적으로 유의한 것으로 간주하였다.

4개의 녹아웃 표적과 그들의 공통 하위 유전자 사이의 관계를 나타내기 위해 이분 네트워크를 구축하였습니다. 여러 표적과 연관된 유전자는 공유 차수(shared degree)를 기반으로 식별하였으며, 표적 특이적 유전자 집단 간의 중첩은 교집합 수와 Jaccard 지수를 사용하여 정량화하였습니다. 네트워크 엣지는 재현 가능한 계산적 섭동 사이의 연관성을 나타내며, 이를 직접적인 분자 상호작용의 증거로 해석해서는 안 됩니다.

통계 분석 및 재현성

별도로 명시되지 않는 한, 통계 테스트는 양측 검정으로 수행되었으며, 다중 비교는 Benjamini–Hochberg 절차를 사용하여 제어되었습니다. 분석별 유의성 기준은 해당 하위 섹션에 기술되어 있습니다. 모든 분석은 R 또는 Python을 사용하여 수행되었습니다. 무작위 절차에는 사전 지정된 시드(seed)가 사용되었으며, 재현성을 지원하기 위해 분석 코드, 소프트웨어 버전 및 상세 파라미터 설정이 보관되었습니다. 모든 데이터 세트는 이전에 수집되어 비식별화되었으며, 원본 연구에서 윤리적 승인과 고지된 동의를 얻었습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

페로토시스 관련 유전자 및 유전적 도구의 선정

총 483개의 페로토시스(ferroptosis) 관련 유전자를 FerrDb V2에서 확보하였습니다.그림 1이 중 315개 유전자가 eQTLGen 데이터셋과 일치하였으며, 최소 하나 이상의 후보 cis-발현 정량 형질 유전자좌(cis-eQTL)를 보유하고 있었습니다. 연쇄 불평형 클럼핑(linkage disequilibrium clumping) 후, 250개 유전자가 최소 3개 이상의 독립적인 후보 도구 변수를 유지하였습니다. 결과 변수 조회, 대립유전자 조화 및 품질 관리를 거쳐, 226개 유전자에서 유효한 역분산 가중(inverse-variance weighted, IVW) 추정치가 도출되었으며, 이들은 발견 단계의 멘델 무작위 분석(Mendelian randomization, MR)에 포함되었습니다.보충 파일 1). ...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

본 연구는 유전적 연관성 분석, 복제 단계의 멘델 무작위 분석(MR), 종양 전사체학 및 환자 유래 단일 세포 모델링을 통합하여 교모세포종(GBM) 감수성과 관련된 페로토시스 관련 유전자의 우선순위를 정했습니다. 6,183명의 환자와 18,169명의 대조군으로 구성된 GBM 전전장 유전체 연관 분석(GWAS)을 통해 큐레이팅된 483개 유전자를 스크리닝하여 34개의 발견 단계 후보 유전자를 식별했으며, 그중 ATG7, RPTOR, MAP1LC3A, CHMP6의 4개 유전자가 독립적인 발현 정량 형질 유전자좌(eQTL) 리소스를 이용한 복제 분석에서 지지되었습니다. 유전적 분석 이후의 증거들은 점차 더 선택적으로 나타났습니다. MAP1LC3A는 3개의 독립적인 종양 코호트 전체에서 일관되게 하향 조절되었으며, 코호트 간 메타 분석에서도 유의미하게 유지되었습니다. 이러한 종양 발현 패턴은 MR 분석에서 관찰된 보호 연관성을 보완하였으나, 두 접근 방식은 질병 생물학의 서로 다른 측면을 다룹니다. RPTOR와 CHMP6는 방향성 면에...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

저자들은 상충하는 이해관계가 없음을 선언합니다.

감사의 글

저자들은 European Genome-phenome Archive(데이터셋 EGAD010101657)를 통해 신경교종(glioma) GWAS 요약 통계 데이터에 대한 접근 권한을 제공해 준 The Institute of Cancer Research의 Cancer Genomics 팀에 감사를 표합니다. 이 데이터의 최초 생성은 Bobby Moore Fund, Wellcome Trust, DJ Fielding Medical Research Trust(C1298/A8362)를 포함한 Cancer Research UK의 지원을 받았습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
BWMRR packageBWMR베이지안 가중 멘델 무작위 분석
DESeq2BioconductorVersion 1.46.0RNA 시퀀싱 차등 발현 분석
FerrDb V2FerrDbVersion 2큐레이션된 483개 페롭토시스 관련 유전자의 출처
Glioblastoma bulk microarrayNCBI Gene Expression OmnibusGSE4290전사체 평가 코호트
Glioblastoma GWAS summary statisticsEuropean Genome-phenome ArchiveEGAD001001657제한적 접근 결과 데이터; 환자군 6,183명 및 대조군 18,169명
Glioblastoma Smart-seq2 single-cell RNA sequencingNCBI Gene Expression OmnibusGSE131928악성 세포 가상 넉아웃 분석
Grade 4 glioma bulk RNA sequencingNCBI Gene Expression OmnibusGSE19653전사체 평가 코호트
GTEx whole-blood cis-eQTL summary statisticsGenotype-Tissue Expression projectGTEx V10재현 단계 노출 데이터
limmaBioconductorVersion 3.62.2마이크로어레이 차등 발현 분석
metaforR packageVersion 4.8-0변량 효과 메타 분석
RR Foundation for Statistical ComputingVersion 4.4.2통계 컴퓨팅 환경
scTenifoldKnkR packageVersion 1.0.3단일 세포 가상 넉아웃 분석
Tumour-core and peritumoural bulk microarrayNCBI Gene Expression OmnibusGSE16520전사체 평가 코호트
TwoSampleMRR packageVersion 0.6.29이표본 멘델 무작위 분석
Whole-blood cis-eQTL summary statisticseQTLGen ConsortiumeQTLGen발견 단계 노출 데이터

참고문헌

  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.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

더 많은 논문 탐색

페로토시스 유전자교모세포종 감수성멘델 무작위 분석단일 세포 분석전사체 코호트eQTL 분석유전자 온톨로지종양 저발현유전적 연관성
문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.