基于生物信息学方法的胰腺癌组织趋化因子CCL2相关差异基因表达及其预后价值.docx

基于生物信息学方法的胰腺癌组织趋化因子CCL2相关差异基因表达及其预后价值 趋化因子是一类由细胞分泌的小细胞因子或信号蛋白，具有诱导附近反应细胞定向趋化的能力，是主导细胞迁徙的关键调节剂，对恶性肿瘤的发展有极大影响。CCL2是趋化因子CC亚家族中的重要成员，为促进单核细胞及巨噬细胞迁徙的关键因子之一，已经证实，CCL2在多种肿瘤发展进程中发挥作用，通过抑制细胞凋亡、坏死和自噬等过程提高癌细胞的存活能力，并在肿瘤微环境中与其受体相互作用，调节单核细胞的趋化性从而导致肿瘤的发展。然而，CCL2在胰腺癌中的作用机制尚不明确。本研究通过生物信息学分析CCL2及其相关差异表达基因，探讨它们在胰腺癌组织中的表达及其与患者预后的相关性。 一、材料与方法 1．数据集的选择：从肿瘤基因组图谱（The Cancer Genome Atlas,TCGA）数据库下载178例胰腺癌患者的基因表达谱，从TCGA数据库的连接网站UCSC XENA下载178例胰腺癌患者对应的完整临床数据。 2．基因表达差异分析及相关性分析：根据CCL2基因表达量中位数，将178例患者分为高、低表达两组，以logFC=1且P0.05为标准，采用R/Bioconductor软件的limma包对比筛选差异表达基因（differentially expressed genes，DEGs）。采用R软件的corplot包对TCGA样本与CCL2基因进行相关性分析，得到各个基因的相关系数，以相关系数的绝对值0.15为界限，选取相关基因与DEGs的交集，得到相关DEGs。根据178例患者的中位生存时间和生存状态，采用R软件的ezcox包进行批量COX回归分析，以P0.05为差异有统计学意义，筛选与预后相关的DEGs。 3．预后相关DEGs功能富集分析：使用R/Bioconductor软件的clusterprofiler包对预后相关DEGs进行功能富集分析，包括基因本体（gene ontology,GO）分析和京都基因与基因组百科全书（Kyoto Encyclopedia of Gene and Genomes,KEGG）通路富集分析，其中GO包括细胞成分、分子功能和生物学过程3个部分。 4．风险预测模型的建立与评估：采用R软件的glmnet包，用Lasso方法筛选变量，建立Cox回归模型，并计算基因的相关回归系数，获得预后相关DEGs模型。然后二次建模，根据回归系数加权建立胰腺癌预后风险评估公式，绘制生存曲线和受试者工作特征曲线(receiver operating characteristic, ROC)，计算曲线下面积(area under the curve, AUC)，并将预测模型可视化为列线图。 5．统计学处理：采用R软件(3.6.0版本)进行统计学分析。应用Wilcoxon秩和检验分析CCL2关键相关基因在胰腺癌组织中的差异表达，计量资料采用t检验，计数资料采用χ2检验。基因间的相关性采用Spearman相关分析，0.1≤|r|≤1.0时定义为存在相关；生存曲线采用Kaplan-Meier法和Log-rank检验。P0.05为差异有统计学意义。 二、结果 1．CCL2相关差异表达基因及功能和通路富集分析：通过差异分析及相关性分析，得到上调基因60个，下调基因304个，相关DEGs 223个(图1A)。结合患者中位生存时间和生存状态，进行多基因的COX回归分析，得到与患者预后相关的DEGs 20个。GO功能富集分析和KEGG通路富集分析发现，20个DEGs主要富集对IL-1、TNF的应答和G蛋白偶联受体结合位点上以及干细胞黏附分子、趋化因子信号通路上(图1B、1C)。 2．预后相关DEGs风险模型及验证：Lasso Cox回归分析筛选得到12个基因，分别为VTCN1、RXRG、HSD11B1、RELN、LCN6、MUC15、C1S、CLDN10、TRARG1、CCL18、SLC7A10、ZNF831，其中VTCN1、HSD11B1、C1S为高风险基因；Kaplan-Meier单变量分析结果显示，高风险基因与患者生存期短有关。根据回归系数得到患者的风险评分，并将患者分为高、低风险组，Kaplan-Meier法进行生存分析结果显示，两组患者生存期差异有统计学意义（P0.05），高风险组患者生存期明显缩短（图2A)。预测模型的ROC曲线见图2A，AUC值为0.716，表明该模型可预测胰腺癌患者的预后（图2B）。将预测模型可视化为生存预测列线图（图2C)。 讨论? 胰腺癌恶性程度高，预后差，了解其肿瘤免疫微环境，对疾病的干预和预后的判断具有重要意义。有证据表明，高CCL2水平与更具侵袭性的恶性肿瘤、更高的转移概率和更广泛的癌症预后相关。CCL2在聚集肿瘤相关巨噬细胞中发挥作用，促使胰腺癌