广东医大团队7分 +新作!网络药理学确定疾病靶点和生物标志物

大家好! 我们都知道,近年来科学家提出了对基因、蛋白质和临床数据的大规模生物信息学分析,以挖掘表达异常疾病的预后生物标志物,并用以确定具有生存效果的潜在药物靶点。这一筛选合适药物靶点的方法已被广泛应用于药物开发领域,利用网络药理学分析手段,从众多药物靶点中发现与疾病预后相关的靶点,可谓一种高效的分析方式。

近期小云在冲浪的时候看到,一项研究根据免疫细胞浸润和功能通路富集情况,鉴定出了结直肠癌(CRC)免疫炎症表型患者靶点。这项研究来自广东医大的郑明彬及黄遵楠教授团队,他们利用网络药理学分析确定了肿瘤微环境中的靶点,还通过交叉分析疾病靶点和微环境中的差异表达基因,确定出了共识基因,然后采用LASSO Cox分析从中确定预后标志,进一步使用Cytoscape软件构建了独特的草药-化合物-靶点网络图,此外,为了探索预后基因治疗中的分子机制和验证肿瘤微环境中预后基因的表达情况,团队还进行了KEGG和单细胞分析。

显然,这项研究不仅为利用免疫细胞浸润特性寻找疾病的可靠靶点和预后生物标志物提供了一种新方法,而且证明了该中药在CRC患者治疗中的潜在分子机制。类似的,结合药理学分析手段来探索疾病相关的生物标志物,并构建预测模型的这种方法简单高效,发文思路非常值得同学们参考和掌握!如果你对此感兴趣,不妨一起来了解一下! (ps:如果你有任何想法,不论是找不到创新方向还是其他问题,都可以来找小云!)

  • 题目:结合网络药理学和生物信息学分析,探讨易YYFZBJS治疗结直肠癌免疫发炎表型的潜在机制
  • 杂志:Computers in Biology and Medicine
  • 影响因子:IF=7.7
  • 发表时间:2023年11月

研究背景

结直肠癌(CRC)的发展和进展与其复杂的肿瘤微环境(TME)密切相关,评估免疫细胞浸润(ICI)的改良模式将有助于增加有关TME浸润特征的知识。薏苡附子败酱散(YYFZBJS)已被证明对结直肠癌免疫微环境的调节有积极作用,然而其药理学靶点和分子机制仍有待阐明。本文从YYFZBJS靶标中确定了CRC IIP患者的11个预后基因,发现YYFZBJS激活了IIP微环境中的免疫反应并减少了炎症,本研究为CRC免疫发炎表型的准确诊断和治疗提供了新的研究课题和依据。

数据来源

数据库 数据类型 详细信息
TCGA RNA-seq数据 42个正常样本和480个CRC病例(TPM格式)
TCMSP RNA-seq数据 YYFZBJS的活性化合物

研究思路

本文首先通过无监督聚类将480个结直肠癌(CRC)样本分为三个不同的免疫细胞浸润(ICI)模式,并根据ssGSEA和GSVA分析确定了这三个簇的免疫特征,并进行差异分析,鉴定了与肿瘤微环境相关的差异表达基因(DEGs)。通过网络药理分析,对基因集进行交叉处理,获得11个YYFZBJS在CRC的TME中差异表达的靶点,然后通过LASSO Cox分析建立预后模型,进一步的生存分析确定该预后模型的预测性能。蛋白质相互作用(PPI)分析展示了与预后模型相关的基因之间的相互作用,随后进行了KEGG通路分析以阐明目的基因的功能。此外,对独立数据集CRC_EMTAB8107的单细胞分析进一步验证了与肿瘤微环境相关细胞中预后基因的表达情况。

总体而言,本研究旨在通过预后预测、通路富集和单细胞分析,从YYFZBJS的潜在治疗靶点中探索一种新的预后标志物,在CRC IIP患者中提供对YYFZBJS治疗机制的新视角,并实现对CRC患者的精确治疗。

图 1 用于从CRC微环境中YYFZBJS差异表达靶标鉴定预后基因的分析过程

主要结果

1. 结直肠癌肿瘤免疫微环境的特征

通过无监督聚类鉴定了三种不同的免疫细胞浸润(ICI)模式,包括A簇(284个样本)、B簇(73个样本)和C簇(123个样本)(图2A)。TME细胞浸润分析显示A簇表现出明显的先天免疫细胞浸润, B簇具有最低的ICI得分,C簇相比A簇显示出更高水平的巨噬细胞、肥大细胞、自然杀伤细胞和中性粒细胞浸润(图2B)。GSVA富集分析确定了不同ICI模式的生物特征,A簇富集与完全免疫激活相关的通路,而B簇与趋化因子信号通路和肠道免疫网络(IGA产生)呈负相关(图2C),C簇在基质和癌变激活通路方面显著富集(图2D)。

因此,这三种ICI模式具有TME细胞浸润的独特特征,我们可以将A簇轻松归类为免疫激活和适应性ICI特征的IIP,将B簇归类为免疫沙漠表型,具有免疫抑制特征,将C簇归类为免疫排斥表型,具有先天免疫细胞浸润和基质激活特征。

图2 ICI模式和每种模式的生物学特性

(A) k=3时的一致聚类矩阵;(B) 3种ICI修饰模型中23个TME相关细胞的免疫浸润;检测统计差异;热图为不同ICI簇生物通路的激活状态,红色表示激活状态,蓝色表示抑制状态:(C) ICI集群A 与B; (D) ICI集群A与 C

2. YYFZBJS靶向CRC的肿瘤微环境

为了阐明不同TME状态的基因表达特征,进一步确定了在免疫评分高低组和基质评分高低组之间显著差异表达的基因集。在CRC肿瘤微环境中鉴定出1328个差异表达基因(DEGs)。接下来,从中药系统药理学数据库(TCMSP)和Swiss Target Prediction数据库中预测出了744个YYFZBJS的靶点,从DisGeNET数据库检索到了2832个与CRC相关的基因,从DigSee数据库检索到了2092个与CRC相关的基因。最终,共鉴定出CRC的肿瘤微环境(1328个基因)、YYFZBJS的靶点(744个基因)和CRC(1008个基因)相关的35个基因(图3A)。

图3 IIP患者预后基因与OS预后评价

(A) CRC微环境中YYFZBJS靶点、CRC相关基因和DEGs的维恩图;(B)预后基因森林图;(C)训练队列中高危组和低危组生存预测模型的生存曲线和ROC曲线;(D)试验队列中高危组和低危组生存预测模型的生存曲线和ROC曲线

3. 免疫激活表型的预后模型

为探索IIP患者的预后基因建立了一个预后生存相关模型。274名具有生存信息的IIP患者进一步分为训练队列(194个样本)和测试队列(80个样本),其中训练队列用于优化模型参数,测试队列用于测试模型性能。建立了一个由这16个基因中的11个组成的多元Cox风险模型(表1)。其中, PTGS2、HPGDS和PRF1的上调与良好的预后相关,而C5AR1、IDO1、PIK3CG、CAV1和SERPINE1的上调与不良预后相关,而其他三个基因在CRC的预后效应上没有显示出显著性(图3B)。ROC曲线显示预后模型具有较高的敏感性、特异性和可靠性,AUC值为0.84(图3C)。在测试队列中,高风险组的生存率也显著短于低风险组,AUC值为0.793(图3D)。

表1 结直肠癌IIP患者11个预后基因的相关统计参数

4. PPI网络分析

PPI网络中11个预后基因之间的复杂相互作用揭示了这些预后基因之间的交互作用,并共同影响IIP患者的预后(图4A)。MCODE分析显示MMP9、TGFB1、CAV1、PTGS2和SERPINE1构成了PPI网络的核心模块(图4B),表明这些核心基因在网络中起关键作用。KEGG富集分析表明,预后基因主要富集在癌症中的蛋白聚糖、花生四烯酸代谢、代谢途径和IL-17信号通路(图4B)。

图4C显示了草药-化合物-靶点网络,它清晰地描述了三种草药、YYFZBJS的24个关键化合物和11个预后基因之间的多边隶属和靶向关系,可以帮助我们直接探索这种中药在治疗CRC患者中的药效物质基础,其中,C5AR1、HPGDS、IDO1、PRF1、CXCR2和SERPINE1、CAV1和TGFB1是外围靶点,其特点是来自薏苡仁、附子和败酱草中的活性化合物具有单向靶向关系。

图4 药物靶点与预后相关的物质基础和机制 (A) PPI网络 (B)基因通路网络 (C)草药-化合物-靶标网络

5. 预后基因富集情况

通过单细胞分析调查预后基因的富集情况。图5为预后基因在TME细胞亚群中的表达情况,表2显示PRF1和PIK3CG主要富集在CD4/CD8 T细胞中,而C5AR1和MMP9主要表达在单核/巨噬细胞中,HPGDS和PTGS2主要在单核/巨噬细胞和肥大细胞中,SERPINE1在内皮细胞和肠胶质细胞中显著表达,CAV1和TGFB1还在肌成纤维细胞(CAV1)和CD4/CD8 T细胞以及单核/巨噬细胞(TGFB1)中明显表达。且一些预后基因(PIK3CG、CAV1和TGFB1),在TME的其他细胞(浆细胞和B细胞)中略有表达。综上,除IDO1和CXCR2之外,所有预后基因在该数据集的单细胞分析中都检测到了富集。

图5 在CRC_EMTAB8107数据集中,用单细胞分辨率探索了11个预后基因中9个在不同TME细胞类型中的分布

表2 显示预后基因表达的TME细胞簇

6. 讨论

本研究从480名CRC患者中确定了284名IIP患者,共识基因中共有35个基因被确定为YYFZBJS在CRC患者的肿瘤微环境中的靶点,从中确定了包括11个基因预后标志,训练组和测试组的受试者工作特征(ROC)曲线下面积(AUC)分别为0.84和0.793。此外,在草药-化合物-靶点网络中,显示有24种化合物与这11个预后基因相互作用,这些化合物在IL-17信号通路、花生四烯酸代谢和代谢途径中富集。最后,预后基因的单细胞分析证实它们的异常表达与CRC的肿瘤微环境相关。

文章小结

本文将网络药理学和生物信息学分析结合,从YYFZBJS的靶点上鉴定了结直肠癌IIP患者的预后基因,该方法为寻找新的中药治疗靶点和中药靶向癌症的准确诊断指标提供了新的视角!这篇文章的研究思路清晰明了,简明扼要且准确无误,各种分析都紧密围绕着主线思路展开。如果你对构建预测模型感兴趣,千万别错过这篇文章,同时,该文章中利用网络药理学分析来确定免疫细胞浸润特性的方法非常值得学习和参考,感兴趣的小伙伴赶紧行动起来吧!

小编有话说

小云公众号持续为大家带来最新生信思路,请务必关注本公众号后续的文章,需要复现或定制分析思路的朋友欢迎call小云,风里雨里小云公众号等你!