Meerstadig genetisch, transcriptomisch en single-cell bewijs prioriteert MAP1LC3A onder ferroptose-gerelateerde genen in glioblastoom

Zhirui Liao; Mingming Xian; Fanmeng Zeng; Weikun Zhou; Jinshui Lin; Bo Yang; Wanchun Yin; Jianjun Ye

Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Onderzoeksartikel

Meerstadig genetisch, transcriptomisch en single-cell bewijs prioriteert MAP1LC3A onder ferroptose-gerelateerde genen in glioblastoom

94 weergaven

⸱

11 september 2026

Zhirui Liao^*¹ , Mingming Xian^*² , Fanmeng Zeng¹ , Weikun Zhou¹ , Jinshui Lin¹ , Bo Yang¹ , Wanchun Yin¹ , Jianjun Ye¹

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

In dit artikel

Samenvatting

Een genetisch verankerd, meerstaps framework dat Mendeliaanse randomisatie, tumor-transcriptomics en single-cell analyses integreert, identificeerde MAP1LC3A als een ferroptose-gerelateerd gen dat geassocieerd is met de vatbaarheid voor glioblastoom en als kandidaat voor toekomstige experimentele validatie.

Samenvatting

Glioblastoom (GBM) blijft een zeer agressieve maligniteit, en de bijdrage van ferroptose-gerelateerde genen aan de vatbaarheid voor de ziekte is nog onvolledig begrepen. Een genetisch verankerd, meerstaps framework is toegepast om ferroptose-gerelateerde genen geassocieerd met GBM te prioriteren. Van de 483 genen geselecteerd uit FerrDb V2 hadden 315 kandidaat cis-expression quantitative trait loci (cis-eQTLs) in eQTLGen, behielden 250 ten minste drie onafhankelijke instrumenten na linkage disequilibrium clumping, en leverden 226 geldige inverse-variance weighted (IVW) Mendeliaanse randomisatie-schattingen op met behulp van een GBM genome-wide association study bestaande uit 6.183 gevallen en 18.169 controles. Vierendertig genen voldeden aan de explorerende ontdekkingscriteria van P < 0,05 en een Benjamini–Hochberg false discovery rate (BH-FDR) < 0,20, met directioneel concordante Bayesian weighted Mendelian randomization (BWMR) schattingen. Mendeliaanse randomisatie in de replicatiefase met gebruik van GTEx V10 whole-blood cis-eQTLs ondersteunde vier genen: ATG7, RPTOR, MAP1LC3A en CHMP6. Evaluatie over drie onafhankelijke tumor-controle transcriptomische cohorten toonde aan dat MAP1LC3A consistent downgereguleerd was in tumorweefsel en een significante random-effects pooled estimate vertoonde (log₂ fold change, −1,273; 95% betrouwbaarheidsinterval, −1,625 tot −0,920; false discovery rate = 0,016), terwijl de andere drie genen geen vergelijkbare cross-cohort statistische ondersteuning hadden. Vervolgens werd een single-cell virtuele knockout-analyse uitgevoerd in een patiënt-gebalanceerde subset van 2.400 maligne cellen, geselecteerd uit 4.916 geschikte cellen verspreid over 20 volwassen IDH-wild-type GBM-tumoren. Over vijf onafhankelijk geïnitieerde runs werden respectievelijk 3, 15, 4 en 7 robuuste downstream genen geïdentificeerd voor ATG7, RPTOR, MAP1LC3A en CHMP6. De resulterende consensus-sets bestonden uit 17 unieke genen, waarbij RND3 gedeeld werd door alle vier de targets. Gene Ontology-analyse wees op verrijking van celadhesie- en celoppervlakprocessen, terwijl geen KEGG- of Reactome-paden significant bleven na correctie voor meervoudig testen. Collectief prioriteren deze bevindingen MAP1LC3A voor toekomstig experimenteel onderzoek, terwijl genetische associatie, concordantie van tumor-expressie en computationele perturbatie worden onderscheiden van definitief bewijs van causaliteit of mechanisme.

Inleiding

Glioblastoom (GBM) blijft een paradigmatische behandlingsresistente maligniteit. Ondanks een steeds verfijndere moleculaire classificatie en multidisciplinaire zorg zijn duurzame verbeteringen in de uitkomsten voor patiënten beperkt gebleven¹. Voor medisch fitte patiënten bestaat de huidige behandeling uit een maximale veilige resectie, gevolgd door radiotherapie met concomitante en adjuvante temozolomide, een regime dat is vastgesteld in een baanbrekende gerandomiseerde studie en is behouden in hedendaagse klinische richtlijnen¹^,². Desondanks beperken diffuse infiltratie en uitgebreide cellulaire en moleculaire heterogeniteit een duurzame ziektebeheersing, en de meeste patiënten ervaren uiteindelijk progressie of recidief, waarvoor geen universeel effectieve standaardbehandeling bestaat¹^,³. Deze aanhoudende kloof tussen vorderingen in de ziektekarakterisering en de klinische uitkomsten onderstreept de noodzaak om biologisch relevante moleculaire afhankelijkheden te identificeren die kunnen bijdragen aan nieuwe therapeutische strategieën voor GBM.

Ferroptose is een ijzerafhankelijke vorm van gereguleerde celdood die wordt gekenmerkt door ongecontroleerde fosfolipideperoxidatie en het falen van cellulaire antioxidatieve afweermechanismen, waardoor het mechanistisch verschilt van apoptose en andere canonieke programma's voor celdood⁴^,⁵. Dit proces is bijzonder relevant voor GBM, waarbij genetische veranderingen en metabole plasticiteit de ijzerhomeostase, redoxbalans en lipidemetabolisme hervormen. Geïntegreerde genomische en lipidomische profilering heeft aangetoond dat deletie van CDKN2A de distributie van oxideerbare meervoudig onverzadigde vetzuren herverdeelt, waardoor genotype-afhankelijke gevoeligheid voor ferroptose ontstaat in GBM-modellen⁶. Evenzo hebben gepaarde analyses van primaire en recidiverende tumoren relapse-geassocieerde veranderingen in GPX4, ACSL4 en andere ferroptoseregulatoren geïdentificeerd⁷. Experimentele modulatie van ferroptose-afweerpaden is bovendien aangetoond om de responsiviteit voor temozolomide in GBM-cellen en xenograft-modellen te beïnvloeden⁸. Gezamenlijk wijzen deze bevindingen op ferroptose als een biologisch plausibele therapeutische kwetsbaarheid bij GBM. Deze weerspiegelen echter primair associaties met de tumorstatus of contextafhankelijke experimentele observaties en stellen niet vast of constitutieve variatie in de expressie van ferroptose-gerelateerde genen bijdraagt aan een erfelijke vatbaarheid voor GBM.

De meeste menselijke studies die ferroptose bij glioom onderzochten, zijn gebaseerd op analyses van differentiële expressie, overlevingsmodellering en moleculaire subtypering met behulp van TCGA-, CGGA- en GEO-datasets⁹^,¹⁰. Hoewel deze studies de prognostische relevantie van ferroptose-gerelateerde transcriptionele programma's hebben vastgesteld, kan hun observationele ontwerp niet bepalen of een gewijzigde genexpressie bijdraagt aan de vatbaarheid voor GBM of dat het juist een gevolg is van tumorontwikkeling. Transcriptoombrede Mendeliaanse randomisatie heeft vervolgens genetisch gereguleerde, weefselafhankelijke genen geïdentificeerd die geassocieerd zijn met het risico op glioom, terwijl recentere studies op basis van expression quantitative trait locus (eQTL) en protein quantitative trait locus (pQTL) zijn begonnen met het prioriteren van potentiële therapeutische targets voor GBM¹¹^,¹². Desalniettemin hebben eerdere onderzoeken over het algemeen transcriptoombrede of op drug-targets gerichte benaderingen gehanteerd, in plaats van een vooraf gespecificeerde, uitgebreide set ferroptose-gerelateerde genen te evalueren. Bovendien hebben weinig studies een grote genome-wide association study (GWAS) naar GBM geïntegreerd met Mendeliaanse randomisatie in de replicatiefase met behulp van een onafhankelijke eQTL-bron, gevolgd door evaluatie over meerdere transcriptomische cohorten van tumoren en controles. Dit onderscheid is belangrijk omdat de genetische regulatie van genexpressie aanzienlijk varieert tussen weefsels, en er niet vanuit kan worden gegaan dat eQTL-associaties afgeleid uit bloed de regulatoire effecten binnen hersentumoren weerspiegelen¹¹^,¹³. Daarom is een integratief kader nodig dat genetische associatie, Mendeliaanse randomisatie in de replicatiefase, cross-cohort tumor-transcriptomica en patiëntafgeleide single-cell functionele voorspelling combineert om ferroptose-gerelateerde genen te identificeren die worden ondersteund door convergente bewijslijnen voor hun betrokkenheid bij GBM.

Deze studie onderzocht of genetisch gereguleerde expressie van ferroptose-gerelateerde genen geassocieerd is met vatbaarheid voor GBM. Mendeliaanse randomisatie in de ontdekkingsfase en replicatiefase werd gecombineerd met genexpressie-analyses over drie onafhankelijke transcriptomische cohorten van tumor-controle. Genen die door beide fasen van Mendeliaanse randomisatie werden ondersteund, werden vervolgens geëvalueerd in transcriptomische data van enkelcellen afgeleid van patiënten, waarbij virtuele perturbatie werd gebruikt om voorspelde transcriptionele responsen in maligne cellen te karakteriseren. In plaats van genen uitsluitend te prioriteren op basis van tumor-expressiesignaturen, maakte dit meerstapsraamwerk eerst gebruik van overgeërfde genetische variatie en beoordeelde vervolgens ziekterelevante expressiepatronen samen met cel-opgeloste computationele perturbatieprofielen. Het resulterende convergente bewijs werd gebruikt om ferroptose-gerelateerde genen te prioriteren voor toekomstig experimenteel onderzoek bij GBM.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Voor deze studie is een vrijstelling van ethische toetsing verleend door de Medische Ethische Commissie van The First People's Hospital of Zhaoqing (Referentienr. B2026-08-03). De studie maakte gebruik van retrospectief verzamelde, gedeïdentificeerde genetische en transcriptomische gegevens op samenvattingsniveau, waaronder door de Data Access Committee goedgekeurde gegevens met gecontroleerde toegang uit EGAD00010001657 en datasets verkregen uit GEO, eQTLGen en GTEx in overeenstemming met hun toepasselijke toegangs- en gebruiksvoorwaarden. Er zijn geen nieuwe deelnemers geworven, er zijn geen biospecimens verzameld en er is geen toegang gezocht tot identificeerbare gegevens op deelnemerniveau. Ethische goedkeuring en geïnformeerde toestemming voor de oorspronkelijke studies zijn verkregen door de respectievelijke gegevensgeneratoren, en de gegevens met gecontroleerde toegang zijn gebruikt in overeenstemming met de toepasselijke Data Access Agreement.

Studieontwerp

In deze studie werd een meerfasig kader gebruikt om ferroptose-gerelateerde genen geassocieerd met de vatbaarheid voor glioblastoom (GBM) te prioriteren en om hun ziekterelateerde transcriptionele effecten te evalueren (Figuur 1). Ten eerste werden ferroptose-gerelateerde genen, gecureerd uit FerrDb V2, geëvalueerd met behulp van twee-steekproef Mendeliaanse randomisatie (MR) met cis-expression quantitative trait locus (cis-eQTL) data en een grootschalige GBM genoombrede associatiestudie (GWAS). Inverse-variance weighted (IVW) MR diende als de primaire screeningsmethode, Bayesian weighted Mendelian randomization (BWMR) zorgde voor een aanvullende beoordeling van de robuustheid, en een onafhankelijke eQTL-dataset werd gebruikt voor MR in de replicatiefase. Ten tweede werden genen die door de genetische analyses werden ondersteund, geëvalueerd over drie onafhankelijke transcriptomische cohorten van tumor en controle, gevolgd door een cross-cohort meta-analyse. Ten derde werden transcriptomische data uit patiënt-afgeleide enkelcellen gebruikt om virtuele genperturbatie uit te voeren in maligne cellen en reproduceerbare downstream transcriptionele responsen te identificeren. Deze responsen werden vervolgens gekarakteriseerd via functionele verrijking en shared-network analyses. Over het algemeen waren de genetische analyses ontworpen om genen te identificeren die geassocieerd zijn met GBM-vatbaarheid, terwijl de transcriptomische en enkelcel-analyses de biologische concordantie beoordeelden en hypothesen genereerden voor daaropvolgende experimentele validatie.

Gegevensbronnen

Genen gerelateerd aan ferroptose werden verkregen uit FerrDb V2, wat na harmonisatie van gensymbolen en verwijdering van dubbele vermeldingen resulteerde in 483 unieke menselijke eiwitcoderende genen¹⁴. Samenvattende statistieken van cis-expression quantitative trait locus (cis-eQTL) in volbloed van het eQTLGen Consortium werden gebruikt als de blootstellingsdataset voor de ontdekkingsfase van Mendeliaanse randomisatie (MR), terwijl GTEx release V10 volbloed cis-eQTL-gegevens dienden als een onafhankelijke blootstellingsdataset voor de replicatiefase van MR¹¹^,¹⁵. Associaties met GBM-uitkomsten werden verkregen uit samenvattende statistieken van genome-wide association studies (GWAS) met gecontroleerde toegang, beschikbaar via het European Genome-phenome Archive, bestaande uit 6.183 gevallen en 18.169 controles van Europese afkomst¹⁶. De expressie op weefselniveau van genetisch geprioriteerde genen werd geëvalueerd in drie onafhankelijke Gene Expression Omnibus (GEO)-cohorten: GSE196533, bestaande uit 61 glioommonsters graad 4 die in de gedeponeerde metadata zijn geannoteerd als GBM en negen niet-neoplastische hersenmonsters; GSE4290, bestaande uit GBM- en door epilepsie afgeleide niet-tumorale hersenmonsters; en GSE116520, bevattende gepaarde tumorcore- en peritumorale specimens samen met niet-neoplastische controles¹⁷^,¹⁸^,¹⁹. Patiëntafgeleide Smart-seq2-gegevens uit GSE131928 werden gebruikt voor virtuele perturbatieanalyse van maligne cellen²⁰. De kenmerken van de datasets en hun respectievelijke analytische rollen zijn samengevat in Tabel 1. Alle analyses werden uitgevoerd met eerder verzamelde, gedeïdentificeerde datasets waarvoor ethische goedkeuring en geïnformeerde toestemming waren verkregen in de oorspronkelijke studies.

Selectie van genetische instrumenten en harmonisatie van gegevens

Kandidaatinstrumenten werden beperkt tot cis-expressie kwantitatieve trait loci (cis-eQTLs) die geassocieerd waren met genexpressie bij genoombrede significantie (P < 5 × 10⁻⁸). Varianten werden geclumped met gebruik van het Europese referentiepaneel van het 1000 Genomes Project met een linkage disequilibrium (LD) drempelwaarde van r² < 0,001 binnen een venster van 10.000-kb. Genen die na clumping minder dan drie onafhankelijke instrumenten behielden, werden uitgesloten van de primaire Mendeliaanse randomisatie (MR) analyse. Gegeven het exploratieve screeningsdoel, werd een minimum van drie instrumenten vooraf vastgesteld om genen met schaarse maar sterke cis-eQTL ondersteuning te behouden, terwijl multi-instrument IVW-schatting mogelijk bleef. Deze drempelwaarde ging gepaard met strikte LD clumping en F-statistiek filtering; schattingen gebaseerd op slechts drie of vier instrumenten werden voorzichtig geïnterpreteerd, en sensitiviteitsanalyses werden alleen uitgevoerd wanneer dit methodologisch toepasbaar was. De sterkte van het instrument werd voor elke variant beoordeeld met behulp van de F-statistiek (F = β²/SE²), waarbij β en SE respectievelijk de schatting van het cis-eQTL effect en de standaardfout daarvan vertegenwoordigen. Varianten met F < 10 werden uitgesloten om bias door zwakke instrumenten te minimaliseren²¹^,²². Blootstellings- en uitkomstdatasets werden geharmoniseerd door effect-allelen en effectrichtingen gelijk te schakelen. Dubbele varianten, varianten die niet beschikbaar waren in de GBM GWAS-dataset en varianten met incompatibele allelcoderen werden uitgesloten. Omdat effect-allelfrequenties niet beschikbaar waren voor de GBM GWAS, werden palindromische varianten met een ambigue strengoriëntatie verwijderd in plaats van afgeleid. Om dezelfde reden is er geen formele Steiger-directionaliteitstest uitgevoerd.

Mendeliaanse randomisatie-analyses

De associatie tussen genetisch voorspelde genexpressie en de vatbaarheid voor GBM werd geëvalueerd met behulp van twee-staps Mendeliaanse randomisatie (MR). In de ontdekkingsfase werden alleen genen met ten minste drie onafhankelijke cis-expression quantitative trait locus (cis-eQTL) instrumenten opgenomen, waarbij de inverse-variance weighted (IVW) methode diende als de primaire analytische benadering. Effectschattingen werden gerapporteerd als odds ratio's (ORs) met 95% betrouwbaarheidsintervallen (CIs) per eenheid toename in genetisch voorspelde genexpressie. Om rekening te houden met meervoudig testen over de geëvalueerde genen, werden de IVW P waarden aangepast met behulp van de Benjamini–Hochberg procedure²³. Genen met P < 0,05 en een Benjamini–Hochberg false discovery rate (BH-FDR) < 0,20 werden behouden als exploratieve kandidaten. Deze relatief permissieve FDR-drempel werd gekozen om voortijdige uitsluiting van potentieel relevante genen tijdens de ontdekkingsfase te verminderen; daarom werd de kandidaatstatus geïnterpreteerd in samenhang met daaropvolgende analyses in plaats van als bevestigend bewijs. Bayesian-weighted Mendeliaanse randomisatie (BWMR) werd vervolgens toegepast op de kandidaten uit de ontdekkingsfase met behulp van dezelfde geharmoniseerde instrumenten²⁴. De concordantie tussen de IVW- en BWMR-resultaten werd beoordeeld op basis van zowel statistische significantie als de richting van het effect. Waar het aantal beschikbare instrumenten dit toeliet, werden de Q-toets van Cochran, de MR-Egger intercept-toets, MR-PRESSO en leave-one-out analyses uitgevoerd om heterogeniteit, horizontale pleiotropie, invloedrijke uitschieters en de invloed van individuele single-nucleotide polymorphisms (SNPs) te evalueren²².

MR in de replicatiefase werd uitgevoerd met behulp van GTEx V10 cis-eQTL-gegevens uit volbloed. De Wald-ratio-methode werd toegepast wanneer slechts één instrument beschikbaar was, terwijl de IVW-methode werd gebruikt voor genen met twee of meer instrumenten. Replicatie werd gedefinieerd als P < 0,05, BH-FDR < 0,20 en een effectrichting die consistent was met de overeenkomstige schatting uit de ontdekkingsfase. Omdat verschillende GTEx-replicatieschattingen gebaseerd waren op slechts één of twee instrumenten, werden deze geïnterpreteerd als ondersteunend bewijs voor replicatie in plaats van als onafhankelijk bewijs voor causaliteit.

Transcriptomische evaluatie over verschillende cohorten

De vier genen die prioritair waren gesteld door de Mendeliaanse randomisatie (MR)-analyses in de ontdekkings- en replicatiefase werden geëvalueerd in drie onafhankelijke transcriptomische cohorten. Voor GSE196533 werden ruwe RNA-sequencing count-gegevens geanalyseerd met DESeq2²⁵. Genen met counts lager dan 10 in alle behalve twee monsters werden uitgesloten, terwijl de vier doelgenen werden behouden ongeacht de expressiefiltering. Differentiële expressie werd beoordeeld tussen 61 graad 4 gliaama-monsters, geannoteerd als GBM in de gedeponeerde metadata, en negen niet-neoplastische hersenmonsters.

Voor GSE4290 werden vier monsters zonder expliciete histopathologische diagnose uitgesloten, waardoor 77 GBM- en 23 niet-tumorale hersenmonsters overbleven. De verwerkte microarray-intensiteiten werden log₂-getransformeerd, quantile-genormaliseerd en geanalyseerd met behulp van robuuste empirische Bayes lineaire modellen geïmplementeerd in limma²⁶. Wanneer meerdere probes aan hetzelfde gen waren gekoppeld, werd de probe met de hoogste gemiddelde expressie over alle opgenomen monsters geselecteerd, onafhankelijk van de significantie van de differentiële expressie.

GSE116520 bestond uit gepaarde tumorcore- en peritumorale monsters van 17 patiënten, samen met acht niet-neoplastische controles. De gedeponeerde log-getransformeerde, kwantielgenormaliseerde expressiegegevens werden geanalyseerd met behulp van limma. Binnen-patiëntcorrelaties tussen tumorcore- en peritumorale monsters werden verwerkt door middel van blokkering op patiëntniveau en de duplicateCorrelation-functie. De vergelijking tussen tumorcore en controle was de vooraf vastgestelde vergelijking voor de cross-cohort meta-analyse, terwijl peritumorale vergelijkingen en de geordende trend controle–peritumoraal–tumorcore afzonderlijk werden geëvalueerd.

Studie-specifieke log₂ fold changes en standaardfouten werden samengevoegd met behulp van een restricted maximum-likelihood random-effects model met Hartung–Knapp inferentie, zoals geïmplementeerd in metafor. Heterogeniteit tussen studies werd beoordeeld met de Q-statistiek van Cochran en I². Samengevoegde P-waarden voor de vier doelgenen werden gecorrigeerd met de Benjamini–Hochberg procedure. Sterke transcriptomische ondersteuning werd gedefinieerd als een false discovery rate (FDR) < 0,05 in de meta-analyse, FDR-significantie op cohortniveau in ten minste twee datasets en concordante effectrichtingen over alle drie de cohorten.

Virtuele knockout-analyse op enkelcelniveau

Smart-seq2-gegevens afkomstig van patiënten uit GSE131928 werden gebruikt om de vier MR-gerepliceerde genen in maligne cellen te evalueren. Volwassen maligne cellen werden geïdentificeerd op basis van de annotaties uit de oorspronkelijke studie, en er werden gelijke aantallen cellen willekeurig geselecteerd van elke in aanmerking komende patiënt om onbalans in de patiëntvertegenwoordiging te minimaliseren. Virtuele knockout werd uitgevoerd met scTenifoldKnk en herhaald over vijf onafhankelijke runs. Genen met een Benjamini–Hochberg-gecorrigeerde P < 0,05 in een individuele run werden als significant beschouwd. Downstream-genen die in ten minste drie van de vijf runs werden gereproduceerd, werden gedefinieerd als de primaire consensusset, terwijl een strenger criterium van vier-uit-vijf werd gebruikt voor de sensitiviteitsanalyse. Deze resultaten werden geïnterpreteerd als computationele voorspellingen van transcriptionele perturbatie in plaats van bewijs voor directe moleculaire regulatie.

Functionele verrijking en analyse van gedeelde netwerken

Functionele verrijkingsanalyse werd uitgevoerd met doelspecifieke downstream-genen die reproduceerbaar waren geïdentificeerd in ten minste drie van de vijf virtuele knockout-runs. Verrijking van Gene Ontology (GO), Kyoto Encyclopedia of Genes and Genomes (KEGG) en Reactome-paden werd beoordeeld met behulp van eenzijdige hypergeometrische tests, waarbij de 1.004 genen die in de netwerkinferentie waren opgenomen, dienden als achtergrondgenenset. P-waarden werden afzonderlijk voor elke annotatiedatabase gecorrigeerd met de Benjamini–Hochberg-procedure, en een gecorrigeerde P < 0,05 werd als statistisch significant beschouwd.

Er werd een bipartiet netwerk geconstrueerd om de relaties tussen de vier knockout-doelen en hun consensus downstream-genen weer te geven. Genen die geassocieerd waren met meerdere doelen werden geïdentificeerd op basis van hun gedeelde graad, en de overlap tussen doel-specifieke gensets werd gekwantificeerd met behulp van intersectie-aantallen en Jaccard-indexen. Netwerkranden representeren associaties tussen reproduceerbare computationele perturbaties en mogen niet worden geïnterpreteerd als bewijs voor directe moleculaire interacties.

Statistische analyse en reproduceerbaarheid

Tenzij anders aangegeven, waren statistische toetsen tweezijdig en werden meervoudige vergelijkingen gecontroleerd met behulp van de Benjamini–Hochberg-procedure. Analysespecifieke significantiecriteria worden beschreven in de overeenkomstige subsecties. Alle analyses werden uitgevoerd met R of Python. Voor gerandomiseerde procedures werden vooraf gespecificeerde seeds gebruikt, en de analytische code, softwareversies en gedetailleerde parameterinstellingen werden gearchiveerd ter ondersteuning van de reproduceerbaarheid. Alle datasets waren eerder verzameld en gedeïdentificeerd; ethische goedkeuring en geïnformeerde toestemming werden verkregen in de oorspronkelijke studies.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Selectie van ferroptose-gerelateerde genen en genetische instrumenten

In totaal werden 483 ferroptose-gerelateerde genen verkregen uit FerrDb V2 (Figuur 1). Hiervan werden 315 genen gekoppeld aan de eQTLGen-dataset en beschikten deze over ten minste één kandidaat cis-expressie kwantitatieve trait locus (cis-eQTL). Na linkage disequilibrium clumping behielden 250 genen ten minste drie onafhankelijke kandidaat-instrumenten. Na outcome-variant lookup...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Deze studie integreerde genetische associatie, Mendeliaanse randomisatie (MR) in de replicatiefase, tumor-transcriptomics en patiëntafgeleide single-cell modellering om ferroptose-gerelateerde genen te prioriteren die geassocieerd zijn met de vatbaarheid voor glioblastoom (GBM). Door 483 gecureerde genen te screenen tegen een GBM genoombreed associatiestudie (GWAS) bestaande uit 6.183 gevallen en 18.169 controles, werden 34 kandidaten in de ontdekkingsfase geïdentificeerd, waarvan vier — ATG7, RPTOR, MAP1LC3A en CHMP6 — ...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs verklaren dat er geen concurrerende belangen zijn.

Dankbetuigingen

De auteurs danken het Cancer Genomics-team van The Institute of Cancer Research voor het verstrekken van toegang tot de glioma GWAS-samenvattingsstatistieken via het European Genome-phenome Archive (dataset EGAD00010001657). De oorspronkelijke generatie van deze gegevens werd ondersteund door Cancer Research UK, inclusief het Bobby Moore Fund, het Wellcome Trust en het DJ Fielding Medical Research Trust (C1298/A8362).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
Naam	Bedrijf	Catalogusnummer	Opmerkingen
BWMR	R-pakket	BWMR	Bayesiaanse gewogen Mendeliaanse randomisatie
DESeq2	Bioconductor	Versie 1.46.0	RNA-sequencing differentieel-expressieanalyse
FerrDb V2	FerrDb	Versie 2	Bron van 483 gecureerde ferroptose-gerelateerde genen
Glioblastoom bulk-microarray	NCBI Gene Expression Omnibus	GSE4290	Transcriptomische evaluatiecohort
Samenvattende statistieken van GWAS bij glioblastoom	European Genome-phenome Archive	EGAD00010001657	Uitkomstgegevens met gecontroleerde toegang; 6.183 gevallen en 18.169 controles
Single-cell RNA-sequencing van glioblastoom via Smart-seq2	NCBI Gene Expression Omnibus	GSE131928	Virtuele-knockoutanalyse van maligne cellen
Bulk RNA-sequencing van graad 4 glioom	NCBI Gene Expression Omnibus	GSE196533	Transcriptomische evaluatiecohort
Samenvattende statistieken van cis-eQTL's in volbloed uit GTEx	Genotype-Tissue Expression-project	GTEx V10	Blootstellingsgegevens in de replicatiefase
limma	Bioconductor	Versie 3.62.2	Differentiële expressieanalyse met microarrays
metafoor	R-pakket	Versie 4.8-0	Meta-analyse met willekeurige effecten
R	R Foundation for Statistical Computing	Versie 4.4.2	Statistische computeromgeving
scTenifoldKnk	R-pakket	Versie 1.0.3	Single-cell virtuele-knockoutanalyse
Microarray van de tumorcore en het peritumorale bulkweefsel	NCBI Gene Expression Omnibus	GSE116520	Transcriptomische evaluatiecohort
TwoSampleMR	R-pakket	Versie 0.6.29	Two-sample Mendeliaanse randomisatie
Samenvattende statistieken van cis-eQTL in volbloed	eQTLGen Consortium	eQTLGen	Blootstellingsgegevens in de ontdekkingsfase

Referenties

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

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Meer artikelen verkennen

Ferroptosegenen vatbaarheid voor glioblastoom Mendeliaanse randomisatie single-celanalyse transcriptomische cohorten eQTL-analyse Gene Ontology tumor-downregulatie genetische associatie