Исследовательская статья

ARHGAP22 как потенциальный прогностический биомаркер при светлоклеточном почечно-клеточном раке: анализ иммунитета опухоли и сетей коэкспрессии

54 просмотров

⸱

DOI:

10.3791/72307

⸱

3 сентября 2026 г.

 ,  ,  ,  ,  ,  , 
1Department of Gastroenterology, The First Affiliated Hospital of Jinzhou Medical University, 2Qilu Medical University, 3General Hospital of Fushun Mining Bureau of Liaoning Health Industry Group, 4Department of Urology, The First Affiliated Hospital of Jinzhou Medical University

* These authors contributed equally

В этой статье

Краткое содержание

В данном исследовании оценивается экспрессия ARHGAP22 при светлоклеточной почечноклеточной карциноме и ее связь с прогнозом, клинико-патологическими характеристиками, иммунным микроокружением опухоли и расчетной чувствительностью к лекарственным препаратам.

Аннотация

Светлоклеточный почечноклеточный рак (сКПР) является наиболее распространенным подтипом рака почки и характеризуется значительной клинической гетерогенностью, что подчеркивает необходимость в надежных прогностических биомаркерах. В данном исследовании с использованием транскриптомных и клинических данных когорты The Cancer Genome Atlas Kidney Renal Clear Cell Carcinoma (TCGA-KIRC), а также внешних валидационных данных и сведений об экспрессии белков из Human Protein Atlas (HPA) оценивались характер экспрессии, прогностическая значимость и иммунные ассоциации ARHGAP22 при сКПР. Экспрессия ARHGAP22 сравнивалась в опухолевых и прилегающих нормальных тканях, оценивалась ее связь с общей выживаемостью, клинико-патологическими характеристиками, показателями микроокружения опухоли и расчетными фракциями иммунных клеток. Также были проведены анализы коэкспрессии и функционального обогащения для определения потенциальных биологических связей. На транскриптомном уровне ARHGAP22 был значительно повышен в тканях сКПР, и соответствующие различия наблюдались на иммуногистохимических изображениях. Высокая экспрессия ARHGAP22 была связана с более короткой общей выживаемостью, запущенными клинико-патологическими признаками и более высокими значениями ImmuneScore, StromalScore и ESTIMATEScore. Анализ на основе CIBERSORT показал, что в группе с высокой экспрессией после коррекции на уровень ложных открытий наблюдались более высокие расчетные фракции макрофагов M2 и регуляторных Т-клеток, а также более низкие расчетные фракции наивных В-клеток, покоящихся тучных клеток и активированных дендритных клеток. Анализы функционального обогащения связали гены, ассоциированные с ARHGAP22, с иммунными процессами, миграцией клеток, а также хемокин- и цитокин-опосредованными сигнальными путями. Эти результаты позволяют предположить, что ARHGAP22 может служить потенциальным прогностическим и иммунным биомаркером при сКПР, хотя требуется дальнейшая независимая клиническая и экспериментальная валидация.

Введение

Светлоклеточный почечно-клеточный рак (спкКР) является наиболее распространенным гистологическим подтипом почечно-клеточного рака, составляя примерно 70%–80% всех случаев и внося значительный вклад в смертность, связанную с раком почки1˒2. За последние годы общая заболеваемость почечно-клеточным раком возросла, при этом наблюдаются заметные эпидемиологические различия между регионами. Установленные факторы риска включают курение, ожирение, гипертонию и хроническую болезнь почек3˒4. Светлоклеточный почечно-клеточный рак характеризуется выраженной агрессивностью и молекулярной гетерогенностью. У части пациентов при постановке диагноза обнаруживается метастатическое заболевание, а послеоперационные рецидивы и прогрессирование остаются частыми явлениями2˒5. На молекулярном уровне инактивация гена von Hippel–Lindau (VHL) и устойчивая активация сигналинга индуцибельного фактора гипоксии (HIF) признаны ключевыми событиями в патогенезе спкКР и сопровождаются широкомасштабными геномными и эпигенетическими изменениями6˒7. Хотя таргетная терапия и иммунотерапия улучшили исходы при распространенных формах заболевания, ответы на лечение остаются крайне неоднородными, что подчеркивает необходимость в надежных прогностических и иммуносвязанных биомаркерах8,9,10.

Rho-гуанозинтрифосфатазы (Rho GTPases) представляют собой молекулярные переключатели, которые регулируют перестройку цитоскелета, полярность клеток, адгезию, миграцию и инвазию, и играют многогранную роль в туморогенезе и прогрессировании рака11˒12. Помимо регуляции пролиферации, апоптоза и подвижности опухолевых клеток, сигналинг Rho GTPase способствует ангиогенезу, воспалительным реакциям и перестройке иммунного микроокружения опухоли13,14,15. Биологическая значимость сигналинга Rho GTPase при прозрачноклеточном почечноклеточном раке (ccRCC) привлекает все больше внимания. Было сообщено, что сигналинг Rac способствует росту ccRCC и ангиогенному переключению, тогда как ccRCC, вызванный VHL/HIF, может зависеть от пути Rho GTPase/Rho-ассоциированной протеинкиназы с обмоточным доменом (ROCK)16˒17. Генные сигнатуры, связанные с Rho GTPase, также ассоциировались с плохим прогнозом, иммуносупрессивным статусом и дифференциальным ответом на иммунотерапию при ccRCC, что позволяет предположить, что данный путь может представлять собой важную молекулярную связь между прогрессированием опухоли и опухолевым иммунитетом18˒19.

ARHGAP22 принадлежит к семейству Rho GTPase-активирующих белков (RhoGAP) и подсемейству, связанному с FilGAP, и функционирует преимущественно как специфичный для Rac RhoGAP, участвующий в антагонистической регуляции оси RhoA–Rac120˒21. Белок содержит плекстриновый гомологический (PH) домен и RhoGAP-домен и может регулировать активность Rac через эндосомальную локализацию и транспорт к плазматической мембране, влияя тем самым на формирование ламеллиподий, распластывание и миграцию клеток20˒22˒23. Предыдущие исследования связали ARHGAP22 с динамикой цитоскелета, подвижностью опухолевых клеток, иммунным микроокружением опухоли, а также с потенциальной ролью биомаркера при нескольких видах злокачественных новообразований20,23,24,25. Однако профиль экспрессии, прогностическая значимость, иммунные ассоциации и потенциальная терапевтическая релевантность ARHGAP22 при прозрачноклеточном почечно-клеточном раке (ccRCC) остаются недостаточно изученными. В связи с этим в настоящем исследовании оценивалось, связана ли экспрессия ARHGAP22 с клиникопатологическим прогрессированием, прогнозом для пациентов, иммунной инфильтрацией, расчетной чувствительностью к препаратам и сетями коэкспрессии при ccRCC, с целью определения его потенциальной ценности в качестве прогностического и иммуносвязанного биомаркера.

Протокол

В данном исследовании использовались общедоступные обезличенные данные из TCGA, HPA и других баз данных с открытым доступом; работа не предусматривала набора новых участников-людей, проведения экспериментов на животных или использования идентифицируемой частной информации. Таким образом, дополнительного одобрения институционального комитета по этике и информированного согласия не требовалось. Подробная информация об инструментах, использованных в протоколе, представлена в Таблице материалов.

1. Общедоступные наборы данных и биоинформационный анализ
Были использованы общедоступные наборы данных; прямых исследований с участием людей или животных не проводилось. Транскриптомные и клинические данные были получены из проекта The Cancer Genome Atlas Kidney Renal Clear Cell Carcinoma (TCGA-KIRC), а данные об экспрессии белков — из базы Human Protein Atlas. Данный вычислительный подход позволил эффективно проскринировать крупномасштабные транскриптомные и клинические наборы данных, способствовал предварительному выявлению потенциальных биомаркеров и заложил основу для последующей экспериментальной валидации. Все вычислительные анализы были выполнены с использованием статистического программного обеспечения.

2. Сбор данных и выбор образцов
Был осуществлен доступ к порталу данных Genomic Data Commons, где был выбран проект TCGA-KIRC. Были загружены данные профилирования транскриптома и соответствующая клиническая информация для светлоклеточного почечно-клеточного рака (ccRCC). Для последующего транскриптомного анализа использовались данные об экспрессии матричной РНК, нормализованные по количеству транскриптов на миллион (TPM). Значения экспрессии ARHGAP22 были извлечены из транскриптомной матрицы TCGA-KIRC и сопоставлены с соответствующими клиническими записями с помощью штрихкодов образцов TCGA. В анализ были включены ткани первичной опухоли и прилегающие нормальные ткани почки, для которых были доступны данные об экспрессии ARHGAP22 и клинические аннотации. Образцы с отсутствующими значениями экспрессии ARHGAP22, неполной ключевой клинической информацией или данными о выживаемости, дублирующимися записями или временем выживаемости менее 30 дней были исключены. После фильтрации для дальнейшего анализа было оставлено 533 образца опухоли и 72 образца прилегающей нормальной ткани.

3. Панрак-анализ экспрессии
Панрак-анализ экспрессии ARHGAP22 проводили с помощью модуля Gene_DE программы TIMER2.0 (http://timer.cistrome.org/; доступ 12 апреля 2026 г.). Данные РНК-секвенирования TCGA использовали для сравнения экспрессии ARHGAP22 в опухолевых тканях и соответствующих нормальных тканях при различных типах рака. Значения экспрессии были представлены как log2(TPM), а дифференциальная экспрессия оценивалась с помощью критерия суммы рангов Уилкоксона, реализованного в TIMER2.0. Двустороннее значение P менее 0,05 считалось статистически значимым.

4. Внешняя валидация по данным GEO
Внешняя валидация была проведена с использованием набора данных GSE167573 из базы Gene Expression Omnibus с помощью онлайн-платформы BEST (https://rookieutopia.hiplot.com.cn/app_direct/BEST/; доступна 9 июля 2026 г.). Экспрессию ARHGAP22 в тканях ccRCC и нормальных тканях почек сравнивали с использованием нормализованных данных экспрессии, предоставленных платформой, и оценивали с помощью непарированного t-критерия Стьюдента. Для анализа выживаемости пациенты были разделены на группы с высокой и низкой экспрессией с использованием метода оптимального порога данной платформы; общая выживаемость оценивалась с помощью анализа Каплана–Мейера с применением логарифмического рангового критерия. Двустороннее значение P менее 0,05 считалось статистически значимым.

5. Анализ экспрессии ARHGAP22
Данные об экспрессии матричной РНК ARHGAP22, нормализованные по TPM, были извлечены из когорты TCGA-KIRC и преобразованы в log2(TPM + 1) перед проведением статистического анализа. Была оценена разница в экспрессии ARHGAP22 между тканями первичной опухоли и прилегающими нормальными тканями почек. Для непарных сравнений между опухолевыми и нормальными тканями использовался критерий суммы рангов Уилкоксона. Для парного анализа с помощью штрих-кодов пациентов TCGA были определены соответствующие пары «опухоль-норма», и для сравнения экспрессии ARHGAP22 между прилегающими нормальными тканями и соответствующими опухолевыми тканями применялся критерий знаковых рангов Уилкоксона. Двустороннее значение P < 0,05 считалось статистически значимым.

6. Анализ выживаемости и рабочих характеристик приемника
Анализ выживаемости и зависящий от времени анализ рабочих характеристик приемника (ROC-анализ) проводили с использованием образцов опухолей TCGA-KIRC с имеющимися данными клинического наблюдения. Общая продолжительность выживаемости была переведена из дней в годы. Пациенты были разделены на группы с высокой и низкой экспрессией ARHGAP22 с использованием медианного значения экспрессии ARHGAP22; этот же порог последовательно применялся во всех анализах, включающих группировку на основе экспрессии. Кривые Каплана-Мейера были построены с использованием пакетов survival и survminer. Различия между группами оценивали с помощью лог-рангового критерия. Регрессия пропорциональных рисков Кокса использовалась для оценки отношений рисков и 95% доверительных интервалов. Зависящие от времени ROC-кривые были построены с помощью пакета timeROC. Площади под кривой для периодов в 1, 3 и 5 лет рассчитывали методом взвешивания Алена. Двустороннее значение P менее 0,05 считалось статистически значимым.

7. Анализ клинико-патологических ассоциаций
Связь между экспрессией ARHGAP22 и клинико-патологическими характеристиками анализировали с использованием образцов опухолей TCGA-KIRC. Нормальные образцы были исключены. Возраст разделили на две категории: 65 лет и моложе, а также старше 65 лет. Образцы с неизвестными или отсутствующими аннотациями исключали из соответствующего анализа. Для сравнения двух групп использовали критерий ранговых сумм Уилкоксона, а для сравнения трех и более групп — критерий Краскела — Уоллиса. Скрипичные диаграммы (violin plots) создавали с помощью пакетов ggpubr, ggplot2 и scales. Для визуализации тепловой карты пациентов разделили на группы с высокой и низкой экспрессией ARHGAP22, используя медианное значение в качестве порога. Связи между группами экспрессии и клинико-патологическими переменными оценивали с помощью критерия хи-квадрат. Тепловые карты генерировали с использованием ComplexHeatmap после предварительной обработки с помощью limma. Двустороннее значение P < 0,05 считали статистически значимым.

8. Построение номограммы
Прогностическая номограмма была построена путем интеграции экспрессии ARHGAP22 с имеющимися клинико-патологическими характеристиками в модели регрессии пропорциональных рисков Кокса. Модель использовалась для оценки общей выживаемости через 1, 3 и 5 лет в когорте TCGA-KIRC. Индивидуальные показатели риска пациентов рассчитывались с использованием построенной модели Кокса. Калибровочные кривые для общей выживаемости через 1, 3 и 5 лет были созданы методом Каплана–Мейера с 1000 итерациями бутстреп-ресемплинга. Оценивалось соответствие между вероятностями выживаемости, предсказанными номограммой, и наблюдаемыми исходами выживаемости. Регрессия Кокса выполнялась с использованием пакета survival. Визуализация номограммы и калибровочный анализ проводились с помощью regplot и rms. Двустороннее значение P менее 0,05 считалось статистически значимым.

9. Анализ коэкспрессии
Транскриптомные данные образцов опухолей TCGA-KIRC были использованы для оценки взаимосвязей коэкспрессии между ARHGAP22 и всеми остальными генами с помощью корреляционного анализа Пирсона. Гены с абсолютным коэффициентом корреляции Пирсона более 0,6 и значением P менее 0,001 были определены как значимо коэкспрессируемые гены. Значимо коэкспрессируемые гены были ранжированы в соответствии с абсолютным значением коэффициента корреляции. Гены с наивысшим рангом были выбраны для построения корреляционной матрицы, а для визуализации сети коэкспрессии, связанной с ARHGAP22, была построена хордовая диаграмма.

10. Анализ дифференциально экспрессируемых генов и функционального обогащения
Анализ дифференциальной экспрессии между группами с высоким и низким уровнем экспрессии ARHGAP22 проводили с использованием критерия суммы рангов Вилкоксона с поправкой на ложную скорость обнаружения (FDR). Гены с абсолютным значением log2 кратности изменения (fold change) более 1 и FDR менее 0,05 определялись как статистически значимо дифференциально экспрессируемые гены. Результаты визуализировали с помощью графика «вулкан» (volcano plot) и тепловой карты. Анализ обогащения по Gene Ontology и Kyoto Encyclopedia of Genes and Genomes проводили с использованием пакета clusterProfiler. Символы генов были преобразованы в идентификаторы Entrez с помощью org.Hs.eg.db. Термины Gene Ontology и пути Kyoto Encyclopedia of Genes and Genomes, имеющие номинальное значение P менее 0,05 и скорректированное по FDR значение P менее 0,05, считались статистически значимо обогащенными. Анализ обогащения наборов генов (GSEA) проводили с использованием наборов генов Kyoto Encyclopedia of Genes and Genomes из файла базы данных молекулярных сигнатур c2.cp.kegg.v7.4.symbols.gmt. Гены ранжировали по значению log2 кратности изменения, а наборы генов с номинальным P-value < 0,05 считали статистически значимо обогащенными.

11. Анализ иммунной инфильтрации и иммунных контрольных точек
Анализ иммунной инфильтрации и иммунных контрольных точек проводили с использованием образцов опухолей TCGA-KIRC. Значения StromalScore, ImmuneScore и ESTIMATEScore рассчитывали с помощью пакета estimate. Доли иммунных клеток оценивали с помощью R-скрипта CIBERSORT с использованием 1 000 перестановок и квантильной нормализации. Были отобраны образцы, для которых P-значение деконволюции CIBERSORT было меньше 0,05. Пациентов разделили на группы с высокой и низкой экспрессией ARHGAP22 (ARHGAP22-high и ARHGAP22-low) в соответствии с медианным уровнем экспрессии ARHGAP22. Различия в показателях ESTIMATE и долях иммунных клеток между двумя группами оценивали с помощью критерия суммы рангов Уилкоксона. Корреляцию между экспрессией ARHGAP22 и генами иммунных контрольных точек оценивали методом корреляционного анализа Пирсона. P-значения при множественных сравнениях иммунных клеток и тестах корреляции иммунных контрольных точек корректировали с помощью метода FDR Бенджамина–Хохберга; статистически значимым считался показатель FDR менее 0,05. Значимые по FDR гены иммунных контрольных точек визуализировали с помощью тепловых карт корреляции, построенных с помощью corrplot. Предобработка и визуализация данных выполнялись преимущественно с использованием limma, ggpubr и corrplot.

12. Прогнозирование чувствительности к препаратам
Данные транскриптомики опухолей TCGA-KIRC использовались после исключения образцов нормальной ткани. Значения расчетной полумаксимальной ингибирующей концентрации вычисляли с помощью пакета oncoPredict и эталонного набора данных Genomics of Drug Sensitivity in Cancer 2. Пациентов разделили на группы с высоким и низким уровнем экспрессии ARHGAP22, используя медианное значение экспрессии ARHGAP22. Сравнение расчетных значений полумаксимальной ингибирующей концентрации между группами проводили с помощью критерия суммы рангов Вилкоксона. Значения P при сравнении нескольких препаратов корректировали методом Бенджамини — Хохберга; статистически значимым считали уровень FDR менее 0.05. Результаты интерпретировали как расчетные оценки чувствительности к препаратам, а не как экспериментально подтвержденные или клинически наблюдаемые ответы на терапию.

13. Валидация по атласу белков человека (Human Protein Atlas)
Был осуществлен доступ к базе данных Human Protein Atlas и проведен поиск по ARHGAP22. Был изучен раздел «Ткани» (Tissue) для оценки экспрессии белка ARHGAP22 в нормальной ткани почки. Затем был открыт раздел «Патология» (Pathology), выбрана светлоклеточная почечно-клеточная карцинома и изучена экспрессия белка ARHGAP22 в опухолевой ткани. Были получены и отобраны репрезентативные иммуногистохимические изображения нормальной ткани почки и ткани ccRCC для включения в рукопись с целью сравнения экспрессии белка ARHGAP22 в нормальных и опухолевых тканях.

Результаты

Общий профиль экспрессии ARHGAP22 в различных типах рака
Общий транскрипционный профиль показал выраженную гетерогенность экспрессии ARHGAP22 в различных типах опухолей и соответствующих нормальных тканях (Рисунок 1). В нескольких типах солидных опухолей наблюдалась общая тенденция к повышению экспрессии ARHGAP22. Экспрессия ARHGAP22 была значимо выше в опухолевых тканях, чем в соответствующих нормальных тканях при инвазивной карциноме молочной железы, холангиокарциноме, плоскоклеточном раке головы и шеи, хромофобном раке почки, светлоклеточном почечно-клеточном раке, папиллярном почечно-клеточном раке и гепатоцеллюлярной карциноме печени. Эти результаты указывают на то, что ARHGAP22 дифференциально экспрессируется при многих видах рака и может иметь значение в качестве опухоль-ассоциированного биомаркера.

Паттерн экспрессии и прогностическая значимость ARHGAP22 при светлоклеточном почечно-клеточном раке
Паттерн экспрессии и клиническая значимость ARHGAP22 при светлоклеточном почечно-клеточном раке (спККР) были оценены с использованием транскриптомных данных, анализа выживаемости, независимого валидационного набора данных и иммуногистохимических изображений. Экспрессия ARHGAP22 была значимо выше в тканях спККР, чем в нормальных тканях почки, как в непарных, так и в парных образцах The Cancer Genome Atlas Kidney Renal Clear Cell Carcinoma (TCGA-KIRC) (Рисунок 1B, C). Анализ Каплана — Майера показал, что пациенты с высокой экспрессией ARHGAP22 имели значимо более короткую общую выживаемость (ОВ), чем пациенты с низкой экспрессией (P = 0.013; Рисунок 1D). Зависимый от времени анализ ROC-кривых дал значения площади под кривой 0.641, 0.637 и 0.641 для 1-, 3- и 5-летней ОВ соответственно, что указывает на умеренную прогностическую эффективность (Рисунок 1E). Полученные результаты были дополнительно проверены с использованием независимого набора данных GSE167573. Экспрессия ARHGAP22 была значимо выше в тканях спККР, чем в нормальных тканях почки (Рисунок 1F), и высокая экспрессия ARHGAP22 была связана с более короткой ОВ (Рисунок 1G). Иммуногистохимические изображения, полученные из Human Protein Atlas, показали более интенсивное окрашивание белка ARHGAP22 в ткани спККР, чем в нормальной ткани почки, что обеспечило дополнительное подтверждение транскриптомных данных на уровне белка (Рисунок 1H, I).

Анализ экспрессии ARHGEF22; A: график размаха экспрессии; B-D: кривые выживаемости; E: ROC-кривая; F-H: сравнение тканей.
Рисунок 1: Панракный анализ экспрессии, паттерн экспрессии и прогностическая значимость ARHGAP22 при светлоклеточном почечноклеточном раке. (A) Профиль панракной экспрессии ARHGAP22 в различных типах опухолей и соответствующих нормальных тканях. (B) Экспрессия ARHGAP22 в непарных образцах светлоклеточного почечноклеточного рака (ccRCC) и нормальных тканях почки. (C) Экспрессия ARHGAP22 в парных образцах ccRCC и прилежащих нормальных тканях почки. (D) Кривые общей выживаемости Каплана–Мейера при сравнении пациентов с высокой и низкой экспрессией ARHGAP22. (E) Временно-зависимые операционные характеристики приемника (ROC-кривые), оценивающие прогностическую значимость ARHGAP22 для 1-, 3- и 5-летней общей выживаемости. (F) Валидация экспрессии ARHGAP22 на наборе данных GSE167573. (G) Анализ общей выживаемости Каплана–Мейера в наборе данных GSE167573. (H, I) Иммуногистохимические изображения из Human Protein Atlas, демонстрирующие экспрессию белка ARHGAP22 в нормальной ткани почки (H) и в ткани ccRCC (I). *P < 0.05; **P < 0.01; ***P < 0.001. Сокращения: ccRCC, светлоклеточный почечноклеточный рак; OS, общая выживаемость; ROC, операционная характеристика приемника; DEG, дифференциально экспрессируемый ген; GO, генная онтология; KEGG, Киотская энциклопедия генов и геномов; GSEA, анализ обогащения наборов генов; FDR, частота ложноположительных результатов; IC50, полумаксимальная ингибирующая концентрация. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Связь ARHGAP22 с клиникопатологическими характеристиками
Для определения того, варьирует ли экспрессия в зависимости от тяжести заболевания, была изучена связь между экспрессией ARHGAP22 и клиникопатологическими характеристиками. Экспрессия ARHGAP22 была значительно выше у пациентов с более продвинутыми категориями T, M и N, включая пациентов с метастатическим заболеванием (Рисунок 2A–C). Экспрессия также возрастала по мере повышения гистологической степени злокачественности и клинической стадии (Рисунок 2D, E). Анализ тепловой карты дополнительно показал значимую связь между высокой экспрессией ARHGAP22 и более высокой гистологической степенью, продвинутой клинической стадией и неблагоприятной классификацией по системе опухоль-узел-метастаз (Рисунок 2F). Эти результаты указывают на то, что повышенная экспрессия ARHGAP22 связана с более агрессивными клиникопатологическими признаками при цкРКК.

Скрипичный график экспрессии ARHGAP22; статистический анализ включает тесты Краскела — Уоллиса и Вилкоксона.
Рисунок 2: Связь между экспрессией ARHGAP22 и клинико-патологическими характеристиками при светлоклеточном почечно-клеточном раке. (A–C) Экспрессия ARHGAP22 в соответствии с классификацией T, M и N соответственно. (D) Экспрессия ARHGAP22 в соответствии с гистологической степенью злокачественности. (E) Экспрессия ARHGAP22 в соответствии с клинической стадией. (F) Тепловая карта, демонстрирующая связи между экспрессией ARHGAP22 и клинико-патологическими характеристиками. *P < 0.05; **P < 0.01; ***P < 0.001. Нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Клинико-патологические характеристики и общая выживаемость
Анализ по методу Каплана–Мейера выявил значимые различия в общей выживаемости (OS) между клинико-патологическими подгруппами (Рисунок 3). У пациентов с более высокой степенью гистологической дифференцировки, G3–G4, OS была значимо короче, чем у пациентов с более низкой степенью, G1–G2 (P < 0.0001; Рисунок 3A). Пациенты со стадиями заболевания III–IV также имели значимо более короткую OS по сравнению с пациентами со стадиями I–II (P < 0.0001; Рисунок 3B). Общая выживаемость существенно различалась в зависимости от категорий T-классификации, при этом более продвинутые стадии T ассоциировались с менее благоприятными исходами (P < 0.0001; Рисунок 3C). У пациентов с метастазами в лимфатических узлах (N1) или отдаленными метастазами (M1) OS также была значимо короче, чем у пациентов без метастазов в лимфоузлах или отдаленных метастазов (в обоих случаях P < 0.0001; Рисунок 3D, E). Эти результаты подтвердили, что степень гистологической дифференцировки, клиническая стадия и классификация TNM связаны с выживаемостью при прозрачноклеточном почечноклеточном раке (ccRCC).

Кривые Каплана-Мейера вероятности выживаемости при раке; сравнение стадий и степеней дифференцировки; указано значение p.
Рисунок 3: Общая выживаемость в зависимости от клинико-патологических характеристик при светлоклеточной почечно-клеточной карциноме. (A–E) Кривые общей выживаемости Каплана-Мейера в зависимости от гистологической степени злокачественности, клинической стадии, классификации T, классификации N и классификации M соответственно. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Прогностическая номограмма для светлоклеточного почечно-клеточного рака
Для оценки 1-, 3- и 5-летней общей выживаемости (OS) у пациентов с ccRCC была построена прогностическая номограмма, объединяющая экспрессию ARHGAP22 с имеющимися клинико-патологическими характеристиками (Рисунок 4A). Калибровочный анализ показал соответствие между прогнозируемыми и наблюдаемыми вероятностями выживаемости во всех трех временных точках. Калибровочные кривые располагались близко к идеальной эталонной линии, что свидетельствует о удовлетворительных показателях калибровки (Рисунок 4B). Клиническая модель имела индекс конкордации 0,779 (95% доверительный интервал: 0,729–0,828), в то время как добавление ARHGAP22 привело к индексу конкордации 0,781 (95% доверительный интервал: 0,735–0,827), что указывает на минимальное приращение прогностической точности.

Номограмма для прогнозирования наблюдаемых показателей выживаемости; график зависимости общей выживаемости (OS) от прогнозируемой OS с линиями тренда по годам.
Рисунок 4: Прогностическая номограмма на основе ARHGAP22 и калибровочный анализ при светлоклеточном почечно-клеточном раке. (A) Номограмма для оценки 1-, 3- и 5-летней общей выживаемости. (B) Калибровочные кривые, сравнивающие прогнозируемую по номограмме и наблюдаемую 1-, 3- и 5-летнюю общую выживаемость. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Анализ молекулярной сети ARHGAP22
Для характеристики молекулярной сети, связанной с экспрессией ARHGAP22, был проведен корреляционный анализ. Сеть корреляций выявила связи между ARHGAP22 и множеством генов при кКРР (Рисунок 5A). Экспрессия ARHGAP22 значительно положительно коррелировала с GMIP, TRPM2, CARD9, FMNL1, STAC3 и MYO9B. Значимые отрицательные корреляции наблюдались с BSND, HEPACAM2, ATP6V1G3, TMEM38A и FOXI1 (Рисунок 5B–L). Эти результаты указывают на то, что экспрессия ARHGAP22 связана со сложной сетью коэкспрессии при кКРР.

Графики корреляции экспрессии генов при анализе ARHGAP22; круговая диаграмма взаимосвязей; диаграммы рассеяния.
Рисунок 5: Молекулярные особенности, связанные с ARHGAP22, при светлоклеточном почечно-клеточном раке. (A) Сеть корреляций, демонстрирующая связи между ARHGAP22 и родственными генами. (B–G) Положительные корреляции между ARHGAP22 и GMIP, TRPM2, CARD9, FMNL1, STAC3 и MYO9B соответственно. (H–L) Отрицательные корреляции между ARHGAP22 и BSND, HEPACAM2, ATP6V1G3, TMEM38A и FOXI1 соответственно. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Дифференциально экспрессируемые гены, ассоциированные с ARHGAP22
Образцы светлоклеточного почечноклеточного рака были разделены на группы с высоким и низким уровнем экспрессии ARHGAP22 с использованием медианного значения экспрессии, после чего был проведен анализ дифференциальной экспрессии. В группе с высокой экспрессией было выявлено 334 повышенно экспрессируемых гена и 38 пониженно экспрессируемых генов (Рисунок 6A). Анализ тепловой карты выявил четкие различия в паттернах экспрессии между группами с высоким и низким уровнями ARHGAP22, что указывает на способность идентифицированных дифференциально экспрессируемых генов разделять эти две группы (Рисунок 6B).

Графики анализа экспрессии генов; включают вулкан-плот, тепловую карту и точечный график обогащения.
Рисунок 6: Дифференциально экспрессируемые гены, связанные с ARHGAP22, и функциональное обогащение. (A) Вулкан-плот дифференциально экспрессируемых генов в группах с высоким и низким уровнем экспрессии ARHGAP22. (B) Тепловая карта дифференциально экспрессируемых генов. (C) Анализ обогащения по Gene Ontology. (D) Анализ обогащения путей по Kyoto Encyclopedia of Genes and Genomes. (E) Анализ обогащения наборов генов (GSEA), демонстрирующий пути, обогащенные в группе с высоким уровнем экспрессии ARHGAP22. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Функциональное обогащение дифференциально экспрессируемых генов, связанных с ARHGAP22
Был проведен анализ функционального обогащения для характеристики биологических процессов, связанных с дифференциально экспрессируемыми генами. Анализ Gene Ontology выявил обогащение иммунозависимых биологических процессов, включая лейкоцитарный иммунитет, хемотаксис, продукцию цитокинов, а также дифференцировку и пролиферацию лимфоцитов. На уровне клеточных компонентов наблюдалось обогащение во внеклеточном матриксе, секреторных гранулах и структурах, связанных с плазматической мембраной. На уровне молекулярных функций было отмечено обогащение цитокиновой активности, связывания с рецепторами хемокинов и активности металлопептидаз (Рисунок 6C). Анализ по базе данных Kyoto Encyclopedia of Genes and Genomes показал значительное обогащение путей взаимодействия цитокинов с цитокиновыми рецепторами, хемокинового сигналинга, кальциевого сигналинга, а также путей, связанных с инфекциями и иммунитетом (Рисунок 6D). Анализ обогащения наборов генов (Gene Set Enrichment Analysis) дополнительно выявил множество иммунозависимых путей, обогащенных в группе с высокой экспрессией ARHGAP22 (Рисунок 6E).

ARHGAP22 и иммунное микроокружение при светлоклеточной почечно-клеточной карциноме
Анализ расчетных фракций иммунных клеток с помощью CIBERSORT выявил значительные различия между группами с высоким и низким уровнем экспрессии ARHGAP22 (Рисунок 7A). После коррекции на ложноположительный результат (FDR) в группе с высоким уровнем ARHGAP22 наблюдались более высокие расчетные фракции M2-макрофагов и регуляторных T-клеток, а также более низкие расчетные фракции наивных B-клеток, покоящихся тучных клеток и активированных дендритных клеток. Корреляционный анализ показал, что экспрессия ARHGAP22 положительно ассоциирована с M2-макрофагами и регуляторными T-клетками и отрицательно ассоциирована с наивными B-клетками, покоящимися тучными клетками и активированными дендритными клетками (Рисунок 7B). Эти данные, полученные с помощью CIBERSORT, указывают на то, что повышенная экспрессия ARHGAP22 при ccRCC связана с иммуносупрессивным профилем.

Графики анализа экспрессии генов; диаграммы размаха, корреляционные графики, тепловые карты; влияние ARHGAP22.
Рисунок 7: Связь между экспрессией ARHGAP22 и характеристиками иммунного микроокружения при светлоклеточной почечноклеточной карциноме. (A) Различия в долях иммунных клеток, оцененных с помощью CIBERSORT, между группами с высокой и низкой экспрессией ARHGAP22. (B) Корреляция между экспрессией ARHGAP22 и долями иммунных клеток, оцененными с помощью CIBERSORT. (C) Тепловая карта корреляции, показывающая связь между экспрессией ARHGAP22 и генами контрольных точек иммунного ответа. (D) Матрица корреляции ARHGAP22 и молекул контрольных точек иммунного ответа. (E) Различия в StromalScore, ImmuneScore и ESTIMATEScore между группами с высокой и низкой экспрессией ARHGAP22, рассчитанные с использованием алгоритма ESTIMATE. *P < 0.05; **P < 0.01; ***P < 0.001. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

ARHGAP22, иммунные контрольные точки и компоненты опухолевого микроокружения
Высокая экспрессия ARHGAP22 положительно коррелировала с несколькими генами иммунных контрольных точек, включая PDCD1LG2, CTLA4, LAG3, TIGIT и ICOS (Рисунок 7C, D), что указывает на возможную связь с признаками, связанными с уклонением от иммунного ответа. Анализ ESTIMATE также показал, что значения StromalScore, ImmuneScore и ESTIMATEScore были значительно выше в группе с высокой экспрессией ARHGAP22 (Рисунок 7E), что отражает увеличение стромальных и иммунных компонентов в опухолевом микроокружении. Эти данные свидетельствуют о том, что экспрессия ARHGAP22 при светлоклеточном почечноклеточном раке (ccRCC) связана с фракциями иммунных клеток, оцененными с помощью CIBERSORT, экспрессией иммунных контрольных точек и иммуносупрессивным профилем опухолевого микроокружения.

ARHGAP22 и расчетная чувствительность к таргетным препаратам
Связь между экспрессией ARHGAP22 и расчетной чувствительностью к таргетным препаратам оценивали путем сравнения прогнозируемых значений полумаксимальной ингибирующей концентрации в группах с высокой и низкой экспрессией (Рисунок 8A–I). В группе с низкой экспрессией наблюдались значимо более низкие прогнозируемые значения полумаксимальной ингибирующей концентрации для акситиниба, сорафениба, саволитиниба, форетиниба, цедираниба, алпелисиба, бупарлисиба, афуресертиба и ипатасертиба. Более низкие прогнозируемые значения полумаксимальной ингибирующей концентрации указывали на более высокую расчетную чувствительность. Эти результаты свидетельствуют о наличии связи между более низкой экспрессией ARHGAP22 и более высокой прогнозируемой чувствительностью к исследуемым таргетным агентам. Полученные данные представляют собой расчетные прогнозы и не являются экспериментально или клинически подтвержденными ответами на лекарственные препараты.

Диаграммы размаха, показывающие анализ чувствительности ARHGAP22 в группах низкого и высокого риска; статистическое сравнение.
Рисунок 8: Связь между экспрессией ARHGAP22 и расчетной чувствительностью к таргетным препаратам при светлоклеточной почечноклеточной карциноме. (A–I) Сравнение расчетных значений полумаксимальной ингибирующей концентрации для акситиниба, сорафениба, саволитиниба, форетиниба, цедираниба, алпелисиба, бупарлисиба, афуресертиба и ипатасертиба соответственно в группах с высокой и низкой экспрессией ARHGAP22. Более низкие расчетные значения полумаксимальной ингибирующей концентрации указывают на более высокую прогнозируемую чувствительность к препарату. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

ДОСТУПНОСТЬ ДАННЫХ:
Транскриптомные и клинические данные, проанализированные в этом исследовании, были получены из открытого проекта The Cancer Genome Atlas Kidney Renal Clear Cell Carcinoma (TCGA-KIRC) (https://portal.gdc.cancer.gov/). Внешние данные для валидации экспрессии и выживаемости были получены из набора данных GSE167573 Gene Expression Omnibus. Данные об экспрессии белков были извлечены из Human Protein Atlas (https://www.proteinatlas.org/). Данные об экспрессии во всех типах рака анализировались с помощью TIMER2.0, а внешняя валидация проводилась через платформу BEST. Справочные данные о чувствительности к препаратам были получены из набора данных Genomics of Drug Sensitivity in Cancer 2, а наборы генов, использованные для анализа обогащения, были получены из Molecular Signatures Database. Оригинальные наборы данных общедоступны через соответствующие репозитории и платформы. Скрипты R, использованные для обработки данных, статистического анализа и визуализации, представлены в Дополнительном файле 1. Обработанные результаты представлены в Дополнительной таблице 1, содержащей полные результаты анализа дифференциальной экспрессии; Дополнительной таблице 2, содержащей результаты обогащения Gene Ontology; и Дополнительной таблице 3, содержащей результаты обогащения путей Kyoto Encyclopedia of Genes and Genomes.

Дополнительная таблица 1: Полные результаты анализа дифференциальной экспрессии.Этот файл содержит полный список дифференциально экспрессируемых генов, выявленных между группами с высокой и низкой экспрессией ARHGAP22, включая идентификаторы генов, значения экспрессии в группах, значения log2 fold change, значения P, скорректированные с учетом ложного обнаружения (FDR) значения P и направление регуляции. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительная таблица 2: Результаты анализа обогащения генных онтологий. Этот файл содержит полные результаты обогащения генных онтологий для дифференциально экспрессируемых генов, связанных с ARHGAP22, включая категории биологических процессов, клеточных компонентов и молекулярных функций, а также статистику обогащения, значения P, скорректированные значения P, количество генов и соответствующие идентификаторы генов. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительная таблица 3: Результаты анализа обогащения путей Киотской энциклопедии генов и геномов. Этот файл содержит полные результаты анализа обогащения путей Киотской энциклопедии генов и геномов для дифференциально экспрессируемых генов, связанных с ARHGAP22, включая идентификаторы и названия путей, статистику обогащения, значения P, скорректированные значения P, значения q, количество генов и соответствующие идентификаторы генов. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный файл 1: R-скрипты для обработки данных, статистического анализа и визуализации. Этот файл содержит R-скрипты, использованные для предварительной обработки данных, анализа экспрессии, анализа выживаемости, анализа клинико-патологических ассоциаций, анализа коэкспрессии, анализа дифференциальной экспрессии, функционального анализа обогащения, анализа иммунной инфильтрации, прогнозирования чувствительности к препаратам и построения графиков. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Обсуждение

Почечно-клеточный рак (ПКР) является одним из наиболее распространенных злокачественных новообразований мочевыделительной системы, а светлоклеточный почечно-клеточный рак (сПКР) представляет собой преобладающий гистологический подтип и является основной причиной смертности, связанной с ПКР. За последние годы общая заболеваемость ПКР возросла, при этом наблюдается заметная географическая вариативность. Установленными факторами риска являются курение, ожирение, гипертония и хроническая болезнь почек3˒4. Несмотря на успехи в диагностике и лечении, сПКР остается клинически гетерогенным заболеванием; у некоторых пациентов болезнь проявляется на поздних стадиях или в форме метастатического процесса, а послеоперационные рецидивы и отдаленные метастазы остаются распространенными явлениями2˒5˒26. Таким образом, идентификация молекулярных биомаркеров, связанных с поведением опухоли и прогнозом, остается важной задачей в исследованиях сПКР. Данный анализ показал, что ARHGAP22 был повышен в сПКР и ассоциировался с более низкой общей выживаемостью, неблагоприятными клинико-патологическими характеристиками, иммунно-связанными транскриптомными изменениями, иммуносупрессивным профилем микроокружения опухоли и различиями в расчетной чувствительности к таргетным препаратам. Эти результаты подтверждают потенциальную ценность ARHGAP22 как кандидатного прогностического и иммунно-связанного биомаркера, хотя его клиническая полезность и причинно-следственная связь еще не установлены.

ARHGAP22 кодирует Rho ГТФаз-активирующий белок, участвующий в регуляции цитоскелета и подвижности клеток. Белок содержит плекстриновый гомологический домен, RhoGAP-домен и C-терминальную область с игольчатой структурой (coiled-coil), а также может взаимодействовать с белками 14-3-3, что указывает на его роль в миграции клеток, регулируемой факторами роста22. Будучи белком, родственным FilGAP, ARHGAP22 участвует в антагонистической регуляции оси RhoA–Rac1 и в контроле типов миграции клеток21˒27. ARHGAP22 локализуется преимущественно в эндосомах, но может транспортироваться к мембранным складкам (раффам) или к плазматической мембране, где он подавляет Rac-зависимое формирование ламеллиподий и распластывание клеток; его субклеточная локализация тесно связана с активностью RacGAP20˒23. Также сообщалось о связях с опухолевыми процессами. При светлоклеточном почечно-клеточном раке (ccRCC) ARHGAP22 был идентифицирован как молекула-кандидат в ходе транскрипционного анализа, связанного с ингибированием белка 4 с бромодоменом, и ассоциировался с более низкой общей выживаемостью28. Члены семейства ARHGAP также были связаны с опухолевой иммунной инфильтрацией и прогрессированием заболевания при раке мочевого пузыря25, изменением экспрессии и вариациями экзонов при остром миелоидном лейкозе24, а также с различным ответом на бевацизумаб при метастатическом колоректальном раке29.

Полученные результаты согласуются с этими наблюдениями. Экспрессия ARHGAP22 возрастала по мере увеличения категорий T, N и M, степени гистологической злокачественности и клинической стадии, а более высокая экспрессия была связана с более короткой общей выживаемостью. Ранее было показано, что сигналинг Rac способствует росту ccRCC и ангиогенному переключению16, в то время как путь Rho-ГТФазы/Rho-ассоциированной киназы, содержащей coiled-coil-домены, был связан с выраженным злокачественным поведением при ccRCC17. Таким образом, наблюдаемая повышающая регуляция ARHGAP22 может отражать молекулярные изменения, связанные с агрессивными фенотипами опухоли. Анализ коэкспрессии и дифференциальной экспрессии дополнительно показал, что ARHGAP22 связана с обширной транскрипционной сетью. Были выявлены положительные корреляции с такими генами, как FMNL1, CARD9 и TRPM2, в то время как отрицательные корреляции наблюдались с генами, включая BSND и FOXI1. Результаты анализа Gene Ontology, Kyoto Encyclopedia of Genes and Genomes и анализа обогащения наборов генов (GSEA) показали обогащение процессов лейкоцитарного иммунитета, хемотаксиса, продукции цитокинов, дифференцировки и пролиферации лимфоцитов, взаимодействий цитокинов с рецепторами и хемокинового сигналинга. Хемокиновые сети способствуют привлечению иммунных клеток, росту опухоли и метастазированию при RCC30, в то время как обогащение иммунных путей было связано с плохим прогнозом и измененным микроокружением опухоли при ccRCC31. Светлоклеточный почечно-клеточный рак также характеризуется отчетливыми иммунными транскрипционными сигнатурами, связанными с клиническим исходом и сложностью иммунного микроокружения32. Аналогичные взаимосвязи между аберрантной экспрессией генов, обогащением иммунных путей, плохим прогнозом и сложными паттернами коэкспрессии были описаны и при других злокачественных новообразованиях33.

Экспрессия ARHGAP22 также была связана с различиями в иммунном микроокружении опухоли. В группе с высокой экспрессией после коррекции на уровень ложных открытий (FDR) наблюдались более высокие расчетные доли регуляторных T-клеток и M2-макрофагов, а также более низкие расчетные доли наивных B-клеток, покоящихся мастоцитов и активированных дендритных клеток. Также были выявлены положительные корреляции между экспрессией ARHGAP22 и несколькими молекулами контрольных точек иммунитета, наряду с более высокими значениями ImmuneScore, StromalScore и ESTIMATEScore. Светлоклеточный почечно-клеточный рак характеризуется значительной иммунной инфильтрацией, однако эта особенность не обязательно указывает на эффективный противоопухолевый ответ34. Дисфункциональные состояния иммунных клеток и иммуносупрессивные признаки могут ограничивать эффективность блокады контрольных точек иммунитета35. Регуляторные T-клетки и M2-макрофаги ассоциированы с иммуносупрессией, прогрессированием опухоли и плохим прогнозом при РКК36˒37, в то время как повышенная экспрессия контрольных точек иммунитета может отражать процессы, связанные с ускользанием опухоли от иммунного надзора38. Таким образом, полученные результаты позволяют предположить, что высокая экспрессия ARHGAP22 связана не просто с более выраженной иммунной инфильтрацией, а с иммунным профилем, содержащим признаки, обычно ассоциируемые с иммуносупрессией. Данная интерпретация носит предварительный характер, поскольку оценки популяций иммунных клеток были получены на основе данных bulk RNA-секвенирования с использованием одного метода вычислительной деконволюции.

Различия в расчетной чувствительности к препаратам также наблюдались между группами с разным уровнем экспрессии ARHGAP22. Ранее молекулярные признаки высокого риска связывали с измененной иммунной инфильтрацией, обогащением иммунных путей и дифференциальным ответом на лекарственную терапию39. Также сообщалось, что иммуно-связанные генные сигнатуры при кРКН позволяют стратифицировать выживаемость и предсказать дифференциальный ответ на иммунотерапию и таргетную терапию40˒41. В настоящем анализе группа с низкой экспрессией ARHGAP22 имела более низкие расчетные значения полумаксимальной ингибирующей концентрации для нескольких таргетных препаратов. Эти результаты указывают на связь между экспрессией ARHGAP22 и расчетной чувствительностью к препаратам, но не демонстрируют фактический ответ на лечение или клиническую пользу. Аналитическая согласованность была обеспечена несколькими методологическими решениями, включая фильтрацию качества образцов, использование единого порога экспрессии на основе медианы, фильтрацию результатов CIBERSORT по уровню достоверности и коррекцию ложноположительных результатов (FDR) для множественных сравнений. Тем не менее, расчетную чувствительность к препаратам следует интерпретировать как предварительную; необходима независимая валидация с использованием экспериментально измеренных или клинически наблюдаемых данных об ответе на лекарственную терапию.

Следует учитывать несколько ограничений. Хотя данные GSE167573 обеспечили внешнюю валидацию экспрессии ARHGAP22 и её связи с выживаемостью, по-прежнему необходима валидация на более крупных многоцентровых клинических когортах. Анализы были в значительной степени основаны на ретроспективных общедоступных наборах данных и данных полнотранскриптомного секвенирования РНК (bulk RNA-sequencing); следовательно, не удалось дифференцировать клеточный источник экспрессии ARHGAP22 между опухолевыми клетками, стромальными клетками и инфильтрирующими иммунными клетками. Для устранения этого ограничения могли бы помочь секвенирование РНК единичных клеток, мультиплексная иммунофлуоресценция или пространственная транскриптомика. Инфильтрация иммунных клеток, экспрессия контрольных точек иммунного ответа и чувствительность к препаратам были определены вычислительным путем и могут не отражать напрямую биологическую функцию или клинический ответ на лечение. В работу не были включены независимый метод иммунного деконволюционного анализа, институциональная иммуногистохимическая когорта или анализ экспериментальных возмущений. Кроме того, наблюдаемые ассоциации не устанавливают причинно-следственных связей между экспрессией ARHGAP22, коэкспрессируемыми генами, инфильтрацией иммунных клеток и ответом на препарат. Таким образом, перед клиническим внедрением потребуются механистические эксперименты, проспективная клиническая валидация и сравнение эффективности моделей. В целом, предложенный рабочий процесс обеспечивает воспроизводимую структуру для оценки потенциальных биомаркеров с использованием общедоступных молекулярных наборов данных, однако биологическая и клиническая значимость ARHGAP22 требует дальнейшего независимого подтверждения.

Раскрытие информации

Авторы заявляют об отсутствии конфликта интересов.

Благодарности

В данном исследовании использовались общедоступные данные The Cancer Genome Atlas (TCGA). Мы выражаем благодарность исследовательской сети TCGA за создание и предоставление этих ресурсов.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
circlize R packageVersion 0.4.16CRANИспользуется для построения циркос-диаграмм и хордовых диаграмм.
clusterProfiler R packageVersion 4.12.0BioconductorИспользуется для анализа обогащения GO, KEGG и GSEA.
ComplexHeatmap R packageVersion 2.20.0BioconductorИспользуется для визуализации сложных тепловых карт и тепловых карт клинических аннотаций.
e1071 R packageVersion 1.7.16CRANИспользуется для регрессии на основе метода опорных векторов в анализе с применением CIBERSORT.
enrichplot R packageVersion 1.24.0BioconductorИспользуется для визуализации результатов функционального обогащения.
estimate R packageVersion 1.0.13R package/source packageИспользуется для расчета показателей стромального, иммунного компонентов и общего балла ESTIMATE.
ggExtra R packageVersion 0.10.1CRANИспользуется для построения диаграмм рассеяния с маргинальными распределениями плотности.
ggplot2 R packageVersion 3.5.1CRANИспользуется для общей визуализации данных.
ggpubr R packageVersion 0.6.0CRANИспользуется для построения диаграмм размаха (boxplot), скрипичных диаграмм и статистических сравнений.
ggrepel R packageVersion 0.9.5CRANИспользуется для создания неперекрывающихся текстовых меток на вулкан-плотах.
limma R packageVersion 3.60.4BioconductorИспользуется для предварительной обработки данных экспрессии и анализа дифференциальной экспрессии.
oncoPredict R packageVersion 1.2CRANИспользуется для прогнозирования чувствительности к препаратам на основе транскриптомных данных.
org.Hs.eg.db R packageVersion 3.19.1BioconductorИспользуется для аннотации генов и преобразования символов генов в идентификаторы Entrez.
pheatmap R packageVersion 1.0.12CRANИспользуется для визуализации тепловых карт.
preprocessCore R packageVersion 1.68.0BioconductorИспользуется для квантильной нормализации в анализе с применением CIBERSORT.
R softwareVersion 4.4.0R Foundation for Statistical ComputingИспользуется для статистического анализа и визуализации.
RColorBrewer R packageVersion 1.1.3CRANИспользуется для генерации цветовых палитр при визуализации.
regplot R packageVersion 1.1CRANИспользуется для визуализации номограмм.
reshape2 R packageVersion 1.4.4CRANИспользуется для изменения структуры данных перед визуализацией.
rms R packageVersion 6.8.1CRANИспользуется для построения прогностических моделей, анализа калибровки и анализа с применением номограмм.
scales R packageVersion 1.4.0CRANИспользуется для настройки масштаба и прозрачности цветов.
survival R packageVersion 3.5.8CRANИспользуется для регрессии Кокса и анализа выживаемости по методу Каплана-Мейера.
survminer R packageVersion 0.4.9CRANИспользуется для визуализации кривых выживаемости Каплана-Мейера.
timeROC R packageVersion 0.4CRANИспользуется для анализа зависимых от времени ROC-кривых.

Ссылки

  1. Winter TD et al. Using Mendelian randomization to investigate etiologic heterogeneity across renal cell carcinoma subtypes. Int J Epidemiol. 2025;54(6):dyaf177. https://doi.org/10.1093/ije/dyaf177
  2. Hsieh JJ et al. Renal cell carcinoma. Nat Rev Dis Primers. 2017;3:17009. https://doi.org/10.1038/nrdp.2017.9
  3. Capitanio U et al. Epidemiology of renal cell carcinoma. Eur Urol. 2019;75(1):74-84.
  4. Siegel RL, Miller KD, Fuchs HE, Jemal A. Cancer statistics, 2022. CA Cancer J Clin. 2022;72(1):7-33.
  5. Wiechno P et al. Contemporary treatment of metastatic renal cell carcinoma. Med Oncol. 2018;35(12):156. https://doi.org/10.1007/s12032-018-1217-1
  6. Chen W et al. Targeting renal cell carcinoma with a HIF-2 antagonist. Nature. 2016;539(7627):112-117.
  7. Rydzanicz M, Wrzesiński T, Bluyssen HA, Wesoły J. Genomics and epigenomics of clear cell renal cell carcinoma: recent developments and potential applications. Cancer Lett. 2013;341(2):111-126.
  8. Barata PC, Rini BI. Treatment of renal cell carcinoma: current status and future directions. CA Cancer J Clin. 2017;67(6):507-524.
  9. Chowdhury N, Drake CG. Kidney cancer: an overview of current therapeutic approaches. Urol Clin North Am. 2020;47(4):419-431.
  10. Gulati S, Vaishampayan U. Current state of systemic therapies for advanced renal cell carcinoma. Curr Oncol Rep. 2020;22(3):26. https://doi.org/10.1007/s11912-020-0892-1
  11. Haga RB, Ridley AJ. Rho GTPases: regulation and roles in cancer cell biology. Small GTPases. 2016;7(4):207-221.
  12. Sahai E, Marshall CJ. RHO-GTPases and cancer. Nat Rev Cancer. 2002;2(2):133-142.
  13. Bustelo XR. RHO GTPases in cancer: known facts, open questions, and therapeutic challenges. Biochem Soc Trans. 2018;46(3):741-760.
  14. Crosas-Molist E et al. Rho GTPase signaling in cancer progression and dissemination. Physiol Rev. 2022;102(1):455-510.
  15. Li H, Peyrollier K, Kilic G, Brakebusch C. Rho GTPases and cancer. BioFactors. 2014;40(2):226-235.
  16. Goka ET, Chaturvedi P, Lopez DTM, Lippman ME. Rac signaling drives clear cell renal carcinoma tumor growth by priming the tumor microenvironment for an angiogenic switch. Mol Cancer Ther. 2020;19(7):1462-1473.
  17. Thompson JM, Landman J, Razorenova OV. Targeting the RhoGTPase/ROCK pathway for the treatment of VHL/HIF pathway-driven cancers. Small GTPases. 2020;11(1):32-38.
  18. Feng J et al. RhoJ promotes the progression of clear cell renal cell carcinoma via .the TNF-α/NF-κB axis. Transl Androl Urol. 2025;14(7):1849-1864.
  19. Guo K et al. Activation of RHO-GTPase gene pattern correlates with adverse clinical outcome and immune microenvironment in clear cell renal cell carcinoma. Clin Exp Med. 2025;25(1):67. https://doi.org/10.1007/s10238-025-01593-3
  20. Mori M, Saito K, Ohta Y. ARHGAP22 localizes at endosomes and regulates actin cytoskeleton. PLoS One. 2014;9(6):e100271. https://doi.org/10.1371/journal.pone.0100271
  21. Nakamura F. FilGAP and its close relatives: a mediator of Rho-Rac antagonism that regulates cell morphology and migration. Biochem J. 2013;453(1):17-25.
  22. Hu SH et al. The weak complex between RhoGAP protein ARHGAP22 and signal regulatory protein 14-3-3 has 1:2 stoichiometry and a single peptide binding mode. PLoS One. 2012;7(8):e41731. https://doi.org/10.1371/journal.pone.0041731
  23. Mori M et al. Endosomal localization of RacGAP protein ARHGAP22 regulates its GAP activity in human melanoma cells. Anticancer Res. 2022;42(12):5763-5771.
  24. El-Masry OS, Alamri AM, Alzahrani F, Alsamman K. ADAMTS14, ARHGAP22, and EPDR1 as potential novel targets in acute myeloid leukaemia. Heliyon. 2022;8(3):e09065. https://doi.org/10.1016/j.heliyon.2022.e09065
  25. Yang C et al. Transcriptomic analysis identified ARHGAP family as a novel biomarker associated with tumor-promoting immune infiltration and nanomechanical characteristics in bladder cancer. Front Cell Dev Biol. 2021;9:657219. https://doi.org/10.3389/fcell.2021.657219
  26. Schiavoni V et al. Recent advances in the management of clear cell renal cell carcinoma: novel biomarkers and targeted therapies. Cancers (Basel). 2023;15(12):3207. https://doi.org/10.3390/cancers15123207
  27. Sanz-Moreno V et al. Rac activation and inactivation control plasticity of tumor cell movement. Cell. 2008;135(3):510-523.
  28. Sakaguchi T et al. Bromodomain protein BRD4 inhibitor JQ1 regulates potential prognostic molecules in advanced renal cell carcinoma. Oncotarget. 2018;9(33):23003-23017.
  29. Stránská J et al. Copy number variation and clinical response to chemotherapy and bevacizumab in Czech patients with metastatic colorectal cancer. Klin Onkol. 2024;37(4):277-285.
  30. Parihar JS, Tunuguntla HS. Role of chemokines in renal cell carcinoma. Rev Urol. 2014;16(3):118-121.
  31. Chen Z, Wu R, Ma J, Zheng J. C chemokines are prognostic biomarkers correlated with diverse immune cell infiltrations in clear cell renal cell carcinoma. Transl Cancer Res. 2022;11(8):2501-2522.
  32. Şenbabaoğlu Y et al. Tumor immune microenvironment characterization in clear cell renal cell carcinoma identifies prognostic and immunotherapeutically relevant messenger RNA signatures. Genome Biol. 2016;17(1):231. https://doi.org/10.1186/s13059-016-1092-z
  33. Song DM et al. LIG1 is a novel marker for bladder cancer prognosis: evidence based on experimental studies, machine learning, and single-cell sequencing. Front Immunol. 2024;15:1419126. https://doi.org/10.3389/fimmu.2024.1419126
  34. Vuong L, Kotecha RR, Voss MH, Hakimi AA. Tumor microenvironment dynamics in clear-cell renal cell carcinoma. Cancer Discov. 2019;9(10):1349-1357.
  35. Burgers FH et al. Immunological features of clear-cell renal-cell carcinoma and resistance to immune checkpoint inhibitors. Nat Rev Nephrol. 2025;21(10):687-701.
  36. Davidsson S et al. Infiltration of M2 macrophages and regulatory T cells plays a role in recurrence of renal cell carcinoma. Eur Urol Open Sci. 2020;20:62-71.
  37. Zhang X et al. Tumor-associated M2 macrophages in the immune microenvironment influence the progression of renal clear cell carcinoma by regulating M2 macrophage-associated genes. Front Oncol. 2023;13:1157861. https://doi.org/10.3389/fonc.2023.1157861
  38. Tronik-Le Roux D et al. Comprehensive landscape of immune checkpoints uncovered in clear cell renal cell carcinoma reveals new and emerging therapeutic targets. Cancer Immunol Immunother. 2020;69(7):1237-1252.
  39. Hong J et al. A zinc metabolism-related gene signature for predicting prognosis and characteristics of breast cancer. Front Immunol. 2023;14:1276280. https://doi.org/10.3389/fimmu.2023.1276280
  40. Xu W et al. Prognostic immunophenotyping clusters of clear cell renal cell carcinoma defined by the unique tumor immune microenvironment. Front Cell Dev Biol. 2021;9:785410. https://doi.org/10.3389/fcell.2021.785410
  41. Gu J et al. A novel immune-related gene signature for predicting immunotherapy outcomes and survival in clear cell renal cell carcinoma. Sci Rep. 2023;13(1):18922. https://doi.org/10.1038/s41598-023-45966-8

Перепечатки и разрешения

Теги

ARHGAP22TCGA KIRC
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.