RNA修飾調控基因（RRGs）碰上卵巢癌（OC），綻放不一樣的煙火！

原文轉自：一起實驗網

更多醫學生信思路獲取請戳https://www.yiqishengxin.com/

導語親愛的生信科研人，你們好！今天給大家帶來的2022年12月發表于FrontEndocrinol (Lausanne)，影響因子為6.1的關於RNA修飾調控相關基因的研究。RNA修飾在基因表達調控中起著關鍵作用。RNA甲基化對各種生物學功能至關重要，其失調與人類癌症的進展有關。隨著對RNA修飾研究的逐步深入，越來越多的RNA修飾調控基因（RRGs）在OC的發生和發展中起著至關重要的作用。本研究旨在探討RRGs在OC中的預后特徵，為OC的防治提供新的方向。

背景介紹RNA修飾是在RNA核苷酸鏈上添加化學基團，以參照轉錄后調節來調節RNA生物學行為的功能，也稱為表觀轉錄組。目前，在RNA中發現了多達170種化學修飾，其中N1-甲基腺苷（m1A），N6-甲基腺苷（m6A），2-O-二甲基腺苷（m6Am），5-甲基胞嘧啶（m5C），N7-甲基腺苷（m7G），N4-乙酰胞苷（ac4C），3-甲基胞苷（m3C）和假尿苷（Ψ）尤其重要。RNA修飾的過程由三個不同的特定蛋白質簇調節，稱為寫入器，閱讀器和橡皮擦。寫入器催化RNA上特定化學修飾的形成；橡皮擦催化從修飾的RNA中消除特定的化學修飾；閱讀器是RNA結合蛋白，可以識別和結合修飾的RNA。

研究思路（1）採用非負矩陣分解法（NMF）將OC樣品根據RNA修飾過程中的各種RNA修飾調控基因（RRG）（m1A、m6A、m6Am、m5C、m7G、ac4C、m3C和Ψ）分為不同的亞型（Clusters 1和Clusters 2）。

（2）基於簇間不同表達的RRG（DERRGs），利用套索回歸構建病理特異性RNA修飾調控基因印記。

（3）採用Kaplan-Meier分析和受試者工作特徵（ROC）曲線評估所識別模型的預后能力。

（4）還評估了不同NMF簇和風險核心組之間臨床病理特徵、免疫亞型、免疫評分、免疫細胞和腫瘤突變負荷（TMB）的相關性。（圖1）

研究結果基於tRRGt的卵巢癌亞型與tNMF

首先，從TCGA網站總共獲得了59個用於RNA修飾的RRG（m1A，m6A，m6Am，m5C，m7G，ac4C，m3C和Ψ）。NMF方法是降低癌症亞型鑒定維數的有效工具。本研究使用factoextra包獲得了聚類數（K）的最佳值。當K等於2時，OC樣本（n=307）分為兩種不同的亞型（聚類1：n=110；聚類2：n=197）通過 NFM方法（圖2A），顯示OC樣品與其鑒定的亞型之間的良好匹配。值得注意的是，聚類1的OC患者表現出良好的OS狀態，而集群2患者的預后較差（圖2B)。同時，第1組OC患者PFS率良好，而第2組患者預后較差（圖2C）。

使用STRING對59個RRG進行了蛋白質-蛋白質相互作用分析。節點組合得分的範圍從0.900到0.999（圖2D）。

3.RRGs的藥物敏感性和OCtClusterst1t和t2t之間的tDERRG

一些RRGs與藥物敏感性有顯著相關性，|相關係數|u0026gt;0.5和pu0026lt;0.05，如PUS1和三乙烯三聚氰胺，PUS1和噻替帕，ZC3H13和達拉非尼，PUS1和5-氟脫氧尿苷10mer，NSUN5和伏立諾他，YTHDC2和奈拉濱，ZC3H13和司魯美替尼，ALYREF和氟尿苷，RBMX和奈拉濱，PUS1和阿糖胞苷，PUS1和克拉屈濱，TRUB2和伏立諾他，NSUN6和奈拉濱，RBMX和白屈菜氨酸，ALYREF和5-氟脫氧尿苷10mer，DNMT3A和奈拉濱，IGF2BP2和右雷佐生，IGF2BP2和SR16157。其中一些被展示（圖3A)。

使用調整后的p值u0026lt;0.05篩選59個RRG的DERRGs，從中鑒定出21個DERRGs，包括PUS9，ALYREF，TRDMT1，ZC3H13，YTHDF2，YBX1，WTAP，TRUB2，TET2，RNMT，RBM15B，PUS7，NSUN5，NSUN2，METTL3，METTL4，METTL14，METTL1，IGF2BP3，HNRNPC和FTO（圖3B).隨後，使用Corrpplot和Spearman方法評估DERRGs之間的關聯（pu0026lt;0.05）。其中一些表現出高相關係數，包括METTL14和TET2，METTL1和TET2，HNRNPC和METTL1，HNRNPC和METTL3，HNRNPC和ALYREF，ALYREF和TRUB2，METTL4和RNMT（圖3C)。

4.OC亞型與臨床特徵或免疫之間的相關性

從TCGA資料庫中獲得臨床信息，包括年齡（30至84歲）、生存狀態（活和死）、解剖細分（左、雙側和右）、隨訪結局（完全緩解/緩解、部分緩解/緩解/反應、疾病穩定和進展性疾病）、病理分期（I、II、III和IV期）、癌癥狀態（伴有腫瘤或無腫瘤）、淋巴結轉移（是/否），放XX治療（是/否）、組織學分級（G1-G3）和腫瘤殘留病（無肉眼病變，1-10mm、11-20mm和u0026gt;20mm）。進一步探討了臨床特徵與OC亞型之間的相關性。一些臨床特徵，如病理分期和癌癥狀態，與OC亞型相關（圖4A)。免疫類型相關性分析顯示，在第1類中，11份樣本富集免疫C1型，52份樣本富集免疫C2型，3份樣本富集免疫C3型，27份樣本富集免疫C4型；然而，在第2類中，35個樣品富含免疫C1型，104個樣品富集免疫C2型，34個樣品富集免疫C4型。簇1和2在不同免疫類型（圖4B).在免疫相關評分方面，與第2類相比，聚類1顯示出更高的StromalScore和ESTIMATEScore，以及更低的腫瘤純度（圖4C–E)。

5.基於4個DERRG的風險核心模型構建

將OC樣本隨機分為訓練組（n=155）和測試組（n=152）。根據基於21個DERRG的風險評分，將訓練組和測試組分為高風險和低風險評分組。基於套索回歸分析（圖5A、B），當對數（λ）設置在−2和-3之間時。因此，得到的風險評分公式如下：風險評分=-0.116404020427426*ALYREF + 0.0203573242796506*ZC3H13 +0.186320163255671*WTAP +-0.05287456056501*METTL1。根據ROC曲線，訓練組的曲線下面積（AUC）等於0.835，ROC曲線顯示測試組的AUC=0.872（圖5C、D)。使用Kaplan-Meier方法分別在訓練和測試集群中的高風險和低風險評分組之間進行OS分析。總生存率差異有統計學意義（圖5E、F)。通過PCA驗證，觀察到整個OC樣本根據風險評分（圖5G)。在預后模型中已確定的DERRG中，ALYREF和WTAP分別與OS（圖5H，I)。基於4個DERRG構建的風險評分模型也得到了兩個獨立的外部驗證隊列的驗證。imvigor210隊列顯示，高風險評分組的預后較差於低風險評分組（圖5J)。基於imvigor210隊列的免疫治療反應顯示，PD和SD的風險評分較高，而PR和CR的風險評分較低（圖5K)。此外，GSE140082隊列顯示，高風險評分組的預后也比低風險評分組差（圖5L)。

熱圖顯示，風險評分組與臨床特徵有顯著關聯，包括初始診斷年齡、癌癥狀態、病理分期和放療（圖6A)。單因素Cox回歸分析發現，OS與初始病理診斷時的年齡、癌癥狀態、解剖學細分、腫瘤殘留疾病、原發治療結局和風險評分有關（圖6B)。此外，還繪製列線圖，根據基本臨床特徵和風險預測OC患者的生存率（1、3、5年）（圖6C)。決策樹圖驗證了列線圖能提供較好的效果（圖6D)。ssGSEA在高風險和低風險核心組之間執行，以顯示不同的基因集。共有44個重要的基因集被富集在高低風險核心組（圖6E，F）。

6.基於四個DERRG特徵的風險評分與免疫、TMB和CNV顯著相關

基於四個DERRG特徵的風險評分與CD4+記憶靜息T細胞呈正相關，與巨噬細胞M1和漿細胞呈負相關（圖7A）。此外，免疫檢查點也顯示出顯著差異在高風險和低風險評分亞型（圖7B），如CD276。TMB與M1巨噬細胞、T細胞γδ、記憶B細胞呈正相關，與活化NK細胞，幼稚B細胞呈負相關（圖7C）。

CNV是基因組中因個體而異的重複部分。我們探索了CNV是否影響LASSO模型中已鑒定基因（ALYREF，ZC3H13，WETP和METTL1）的表達。最後發現這些基因的CNV改變頻率與這些基因的表達呈廣泛正相關（圖7D–G)。