基于生物信息学预测影响卵巢癌患者总体生存率的铁死亡相关基因

摘要/Abstract

摘要：

目的通过生物信息学分析筛选影响卵巢癌（ovarian cancer， OC）患者总体生存率的铁死亡相关基因（ferroptosis-related genes， FRGs）。方法通过癌症基因组图谱公共数据库（the cancer genome altas， TCGA）和基因组织表达数据库（genotype-tissue expression， GTEx）下载OC患者的mRNA表达谱和相应的临床数据，使用铁死亡数据库（ferroptosis database， FerrDb）获得铁死亡相关基因，使用R软件确定具有差异表达和预后价值的铁死亡相关基因，并在此基础上使用Lasso回归分析构建风险模型。通过受试者工作特征曲线（receiver operator characteristic curve， ROC）评估模型对预后的准确性，使用单因素和多因素分析筛选独立预后因素。应用功能富集和单样本基因富集分析（single-sample gene set enrichment analysis， ssGSEA）探索潜在机制。结果最终由18个基因构建了预后模型，并将OC患者分为高风险和低风险组。与低风险组相比，高风险组OC患者的总生存期（overall survival， OS）显著。时间依赖ROC曲线显示第1，2，3年的曲线下面积（area under curve， AUC）分别为0.664，0.702和0.675，说明风险模型较为可靠。风险评分被证明是OS的独立预测因子（HR= 4.092， 95%CI：2.862 ~ 5.852，P< 0.001）。功能分析显示，差异可能与受体和配体的相互作用、细胞因子和细胞因子受体的相互作用有关。抗原呈递过程包括活化的树突状细胞（activate dendritic cells， aDCs）、浆细胞样树突状细胞（plasmacytoid dendritic cells， pDCs）、抗原呈递细胞（antigen presenting cells， APC）共抑制、主要组织相容性复合体（major histocompatibility complex， MHC） I类评分和人白细胞抗原（human leukocyte antigen， HLA），差异均具有统计学意义（调整后P< 0.05）。结论FRGs影响OC患者的总体生存率，为预测OC的预后及探索新的治疗方式提供了新的方向，但FRGs与肿瘤免疫之间的潜在机制仍值得进一步研究。

关键词:卵巢癌,铁死亡,生物信息学,总生存期,免疫状态

Abstract:

ObjectiveTo screen ferroptosis-related genes （FRGs） that affect the overall survival rate of patients with ovarian cancer by bioinformatics analysis.MethodsThe mRNA expression profiles and corresponding clinical data of ovarian cancer （OC） patients were downloaded from TCGA and GTEx public databases， ferroptosis-related genes were obtained using FerrDb database， FRGs with differential expression and prognostic value were identified by R software， and on this basis Lasso regression analysis was used to construct risk models. The accuracy of the model for prognosis was assessed by receiver operator characteristic curve （ROC）， and independent prognostic factors were screened using univariate and multivariate analysis. Functional enrichment and single-sample gene set enrichment analysis （ssGSEA） were applied to explore potential mechanisms.ResultsA prognostic model was finally constructed from 18 genes， and OC patients were divided into high-risk and low-risk groups. Compared with the low-risk group， the overall survival （OS） of OC patients in the high-risk group was significantly worse. The time-dependent ROC curve showed that the area under the curve （AUC） of the first， second， and third years were 0.664， 0.702 and 0.675， respectively， indicating that our risk model was more reliable. Risk score was shown to be an independent predictor of OS （HR= 4.092， 95%CI：2.862 ～ 5.852，P< 0.001）. Functional analysis showed that the differences might be related to the interaction of receptors and ligands， and the interaction of cytokines and cytokine receptors. Antigen presentation process including aDCs， pDCs， APC co-suppression， MHC class I score and HLA were all significantly different （adjustedP< 0.05）.ConclusionFRGs affect the overall survival rate of ovarian cancer patients， which provides a new direction for predicting the prognosis of OC and exploring new treatment methods， but the underlying mechanism between FRGs and tumor immunity needs further study.

Key words:ovarian cancer,ferroptosis,bioinformatics,overall survival,immune status

陈治宇, 徐晗, 于德新. 基于生物信息学预测影响卵巢癌患者总体生存率的铁死亡相关基因[J]. betway必威登陆网址（betway.com ）学报, 2023, 44(11): 819-825.

Zhiyu CHEN, Han XU, Dexin YU. Prediction of ferroptosis-related genes affecting overall survival in ovarian cancer patients based on bioinformatics[J]. Journal of Shandong First Medical Unversity & Shandong Academy of Medical Sciences, 2023, 44(11): 819-825.

图/表6

基因	HR	95%CI	P
SELENOS	0.724	0.570 ~ 0.920	0.008
SLC7A11	0.757	0.630 ~ 0.910	0.003
GPT2	0.825	0.687 ~ 0.990	0.039
LURAP1L	0.824	0.702 ~ 0.967	0.017
ATP6V1G2	0.751	0.590 ~ 0.955	0.020
ARRDC3	1.215	1.015 ~ 1.453	0.034
STEAP3	1.158	1.013 ~ 1.324	0.031
ALOX12	1.475	1.139 ~ 1.910	0.003
RB1	1.271	1.055 ~ 1.531	0.012
OTUB1	0.700	0.508 ~ 0.965	0.029
PRDX6	0.713	0.528 ~ 0.961	0.027
ZFP36	1.118	1.010 ~ 1.237	0.031
CHMP5	0.805	0.651 ~ 0.996	0.046
GCH1	0.749	0.604 ~ 0.930	0.009
DUOX1	1.260	1.061 ~ 1.497	0.008
LPCAT3	1.304	1.054 ~ 1.613	0.014
EGFR	1.207	1.008 ~ 1.444	0.040
IFNG	0.565	0.324 ~ 0.985	0.044
ANO6	1.294	1.021 ~ 1.640	0.033
DNAJB6	0.728	0.546 ~ 0.971	0.031

基因	HR	95%CI	P
SELENOS	0.724	0.570 ~ 0.920	0.008
SLC7A11	0.757	0.630 ~ 0.910	0.003
GPT2	0.825	0.687 ~ 0.990	0.039
LURAP1L	0.824	0.702 ~ 0.967	0.017
ATP6V1G2	0.751	0.590 ~ 0.955	0.020
ARRDC3	1.215	1.015 ~ 1.453	0.034
STEAP3	1.158	1.013 ~ 1.324	0.031
ALOX12	1.475	1.139 ~ 1.910	0.003
RB1	1.271	1.055 ~ 1.531	0.012
OTUB1	0.700	0.508 ~ 0.965	0.029
PRDX6	0.713	0.528 ~ 0.961	0.027
ZFP36	1.118	1.010 ~ 1.237	0.031
CHMP5	0.805	0.651 ~ 0.996	0.046
GCH1	0.749	0.604 ~ 0.930	0.009
DUOX1	1.260	1.061 ~ 1.497	0.008
LPCAT3	1.304	1.054 ~ 1.613	0.014
EGFR	1.207	1.008 ~ 1.444	0.040
IFNG	0.565	0.324 ~ 0.985	0.044
ANO6	1.294	1.021 ~ 1.640	0.033
DNAJB6	0.728	0.546 ~ 0.971	0.031

指标	单变量Cox回归	多变量Cox回归
年龄	1.437	1.093 ~ 1.888	0.009	1.395	1.062 ～ 1.833	0.017
肿瘤分级	1.202	0.802 ~ 1.800	0.373
风险评分	4.101	2.875 ~ 5.850	< 0.001	4.092	2.862 ～ 5.852	< 0.001

指标	单变量Cox回归	多变量Cox回归
年龄	1.437	1.093 ~ 1.888	0.009	1.395	1.062 ～ 1.833	0.017
肿瘤分级	1.202	0.802 ~ 1.800	0.373
风险评分	4.101	2.875 ~ 5.850	< 0.001	4.092	2.862 ～ 5.852	< 0.001

参考文献33

1	Sung H， Ferlay J， Siegel RL， et al. Global cancer statistics 2020： GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries［J］.CA Cancer J Clin，2021，71（3）： 209.
2	Park HK， Ruterbusch JJ， Cote ML. Recent trends in ovarian cancer incidence and relative survival in the United States by race/ethnicity and histologic subtypes［J］.Cancer Epidemiol Biomarkers Prev，2017，26（10）： 1511.
3	Vergote I， González-Martín A， Ray-Coquard I， et al. European experts consensus： BRCA/homologous recombination deficiency testing in first-line ovarian cancer［J］.Ann Oncol，2022，33（3）： 276.
4	Dixon SJ， Lemberg KM， Lamprecht MR， et al. Ferroptosis： an iron-dependent form of nonapoptotic cell death［J］.Cell，2012，149（5）： 1060.
5	Stockwell BR， Friedmann Angeli JP， Bayir H， et al. Ferroptosis： a regulated cell death nexus linking metabolism， redox biology， and disease［J］.Cell，2017，171（2）： 273.
6	Hassannia B， Vandenabeele P， Vanden Berghe T. Targeting ferroptosis to iron out cancer［J］.Cancer Cell，2019，35（6）： 830.
7	Liang C， Zhang X， Yang M， et al. Recent progress in ferroptosis inducers for cancer therapy［J］.Adv Mater，2019，31（51）： e1904197.
8	Rooney MS， Shukla SA， Wu CJ， et al. Molecular and genetic properties of tumors associated with local immune cytolytic activity［J］.Cell，2015，160（1/2）： 48.
9	Bray F， Ferlay J， Soerjomataram I， et al. Global cancer statistics 2018： GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries［J］.CA Cancer J Clin，2018，68（6）： 394.
10	Ye Y， Dai Q， Li S， et al. A novel defined risk signature of the ferroptosis-related genes for predicting the prognosis of ovarian cancer［J］.Front Mol Biosci，2021，8： 645845.
11	Chan DW， Yung MM， Chan YS， et al. MAP30 protein fromMomordica charantiais therapeutic and has synergic activity with cisplatin against ovarian cancerin vivoby altering metabolism and inducing ferroptosis［J］.Pharmacol Res，2020，161： 105157.
12	Worley BL， Kim YS， Mardini J， et al. GPx3 supports ovarian cancer progression by manipulating the extracellular redox environment［J］.Redox Biol，2019，25： 101051.
13	Huang Y， Huang J， Huang Y， et al. TFRC promotes epithelial ovarian cancer cell proliferation and metastasis via up-regulation of AXIN2 expression［J］.Am J Cancer Res，2020，10（1）： 131.
14	Bayır H， Anthonymuthu TS， Tyurina YY， et al. Achieving life through death： redox biology of lipid peroxidation in ferroptosis［J］.Cell Chem Biol，2020，27（4）： 387.
15	Goji T， Takahara K， Negishi M， et al. Cystine uptake through the cystine/glutamate antiporter xCT triggers glioblastoma cell death under glucose deprivation［J］.J Biol Chem，2017，292（48）： 19721.
16	Itkonen HM， Gorad SS， Duveau DY， et al. Inhibition of O-GlcNAc transferase activity reprograms prostate cancer cell metabolism［J］.Oncotarget，2016，7（11）： 12464.
17	Huang F， Zheng Y， Li X， et al. Ferroptosis-related gene AKR1C1 predicts the prognosis of non-small cell lung cancer［J］.Cancer Cell Int，2021，21（1）： 567.
18	Dixon SJ， Patel DN， Welsch M， et al. Pharmacological inhibition of cystine-glutamate exchange induces endoplasmic reticulum stress and ferroptosis［J］.Elife，2014，3： e02523.
19	Chen Y， Tian D， Chen X， et al. ARRDC3 as a diagnostic and prognostic biomarker for epithelial ovarian cancer based on data mining［J］.Int J Gen Med，2021，14： 967.
20	Xiao J， Shi Q， Li W， et al. ARRDC1 and ARRDC3 act as tumor suppressors in renal cell carcinoma by facilitating YAP1 degradation［J］.Am J Cancer Res，2018，8（1）： 132.
21	Takeuchi F， Kukimoto I， Li Z， et al. Genome-wide association study of cervical cancer suggests a role for ARRDC3 gene in human papillomavirus infection［J］.Hum Mol Genet，2019，28（2）： 341.
22	Yan Y， Liang Q， Xu Z， et al. Downregulated ferroptosis-related gene STEAP3 as a novel diagnostic and prognostic target for hepatocellular carcinoma and its roles in immune regulation［J］.Front Cell Dev Biol，2021，9： 743046.
23	Bebber CM， Thomas ES， Stroh J， et al. Ferroptosis response segregates small cell lung cancer （SCLC） neuroendocrine subtypes［J］.Nat Commun，2021，12（1）： 2048.
24	Liu T， Jiang L， Tavana O， et al. The deubiquitylase OTUB1 mediates ferroptosis via stabilization of SLC7A11［J］.Cancer Res，2019，79（8）： 1913.
25	Lu B， Chen XB， Hong YC， et al. Identification of PRDX6 as a regulator of ferroptosis［J］.Acta Pharmacol Sin，2019，40（10）： 1334.
26	Zhang Z， Guo M， Li Y， et al. RNA-binding protein ZFP36/TTP protects against ferroptosis by regulating autophagy signaling pathway in hepatic stellate cells［J］.Autophagy，2020，16（8）： 1482.
27	Dai E， Meng L， Kang R， et al. ESCRT-Ⅲ-dependent membrane repair blocks ferroptosis［J］.Biochem Biophys Res Commun，2020，522（2）： 415.
28	Kraft VAN， Bezjian CT， Pfeiffer S， et al. GTP cyclohydrolase 1/tetrahydrobiopterin counteract ferroptosis through lipid remodeling［J］.ACS Cent Sci，2020，6（1）： 41.
29	Wang H， Cheng Q， Chang K， et al. Integrated analysis of ferroptosis-related biomarker signatures to improve the diagnosis and prognosis prediction of ovarian cancer［J］.Front Cell Dev Biol，2021，9： 807862.
30	Yu Z， He H， Chen Y， et al. A novel ferroptosis related gene signature is associated with prognosis in patients with ovarian serous cystadenocarcinoma［J］.Sci Rep，2021，11（1）： 11486.
31	Xing C， Yin H， Yao ZY， et al. Prognostic signatures based on ferroptosis- and immune-related genes for cervical squamous cell carcinoma and endocervical adenocarcinoma［J］.Front Oncol，2022，11： 774558.
32	Han L， Bai L， Qu C， et al. PPARG-mediated ferroptosis in dendritic cells limits antitumor immunity［J］.Biochem Biophys Res Commun，2021，576： 33.
33	Ousingsawat J， Schreiber R， Kunzelmann K. TMEM16F/anoctamin 6 in ferroptotic cell death［J］.Cancers （Basel），2019，11（5）： 625.

[1]	戚孟琪, 吕玉芹, 高蕾, 张敬军.基于生物信息学方法探究布瓦西坦抗癫痫机制[J]. betway必威登陆网址（betway.com ）学报, 2023, 44(6): 401-407.
[2]	陈玥, 佘婧瑶, 陈思, 曹莹, 梁春云, 卢燕, 王佩娟, 公真.E2F转录因子家族在宫颈癌中的表达及其与临床预后的关系[J]. betway必威登陆网址（betway.com ）学报, 2023, 44(3): 215-223.
[3]	于航, 管睿, 柴杰.铁死亡发生机制及其与胃癌发病的关系研究进展[J]. betway必威登陆网址（betway.com ）学报, 2023, 44(12): 955-960.
[4]	黄永胜, 黄彩娜, 董学岭, 卓秀丽, 房娟娟, 宋文霞, 张雨露, 阎磊, 陈刚, 吕仁广.膀胱尿路上皮癌蛋白组学相关个体化预后特征的推导与验证[J]. betway必威登陆网址（betway.com ）学报, 2023, 44(1): 15-23.
[5]	徐雯, 吕玉芹, 高蕾, 张敬军.基于多组学数据研究奥卡西平抗痫机制[J]. betway必威登陆网址（betway.com ）学报, 2022, 43(5): 327-334.
[6]	王舒钧, 田秀青.铁死亡抑制蛋白1：心肌再灌注损伤的潜在治疗靶点[J]. betway必威登陆网址（betway.com ）学报, 2022, 43(2): 138-141.
[7]	卜文超, 曾宪智, 关云茜, 谢思源, 陈世新, 汤挺兵, 曹明国.SOCS基因家族在肝细胞癌中的表达及生物信息学分析[J]. betway必威登陆网址（betway.com ）学报, 2022, 43(10): 740-747.
[8]	吕玉芹, 高蕾, 徐雯, 戚孟琪, 张敬军.颞叶癫痫差异发作频率相关生物通路及蛋白-蛋白相互作用网络分析[J]. betway必威登陆网址（betway.com ）学报, 2021, 42(7): 508-515.
[9]	牛盼红, 王岩, 刘营营, 张洁, 张书平, 刘思金.铁基磁性纳米载体在肿瘤治疗中的应用[J]. betway必威登陆网址（betway.com ）学报, 2021, 42(5): 333-339.