CN116500268B - 与骨肉瘤相关的hox基因的用途 - Google Patents

与骨肉瘤相关的hox基因的用途 Download PDF

Info

Publication number
CN116500268B
CN116500268B CN202310441571.8A CN202310441571A CN116500268B CN 116500268 B CN116500268 B CN 116500268B CN 202310441571 A CN202310441571 A CN 202310441571A CN 116500268 B CN116500268 B CN 116500268B
Authority
CN
China
Prior art keywords
osteosarcoma
prognosis
risk
expression level
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310441571.8A
Other languages
English (en)
Other versions
CN116500268A (zh
Inventor
夏可周
郑迪
魏子程
郭卫春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Renmin Hospital of Wuhan University
Original Assignee
Renmin Hospital of Wuhan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Renmin Hospital of Wuhan University filed Critical Renmin Hospital of Wuhan University
Priority to CN202310441571.8A priority Critical patent/CN116500268B/zh
Publication of CN116500268A publication Critical patent/CN116500268A/zh
Application granted granted Critical
Publication of CN116500268B publication Critical patent/CN116500268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • G01N33/57407—Specifically defined cancers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • G01N33/57484—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/46—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
    • G01N2333/47—Assays involving proteins of known structure or function as defined in the subgroups
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Chemical & Material Sciences (AREA)
  • Hematology (AREA)
  • Pathology (AREA)
  • Urology & Nephrology (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • Cell Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Oncology (AREA)
  • Microbiology (AREA)
  • Biotechnology (AREA)
  • Databases & Information Systems (AREA)
  • Hospice & Palliative Care (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了与骨肉瘤相关的HOX基因的用途，本发明发现HOX基因中的HOXA6、HOXB4、HOXC10表达水平与骨肉瘤相关，基于此，本发明提供了HOXA6、HOXB4、HOXC10基因在制备用于预测受试者骨肉瘤预后或患病风险、用于治疗或预防骨肉瘤的产品中的用途，特别是，本发明基于HOX基因开发的用于预测骨肉瘤预后的系统具有良好的准确性和特异性，对骨肉瘤预后和临床干预有重要意义。

Description

与骨肉瘤相关的HOX基因的用途
技术领域
本发明属于肿瘤诊断领域，涉及与骨肉瘤相关的HOX基因的用途，具体涉及HOX基因在制备用于预测受试者骨肉瘤患病风险或预后风险评估、用于治疗或预防骨肉瘤的产品中的应用。
背景技术
骨肉瘤起源于间充质干细胞，是最广泛的骨原发恶性肿瘤，主要发生于青少年和青壮年，多发于股骨远端和胫骨近端骺端。尽管骨肉瘤是一种罕见的疾病，发病率为每年4.4万分之一，但其恶性程度特别高，易在早期转移。目前，骨肉瘤的常规治疗包括手术切除和新辅助化疗，这使得局限性骨肉瘤患者的5年生存率提高到了60-70％。但是，转移性、复发性或不可切除的骨肉瘤患者的预后非常差，5年生存率低于20％。此外，由于遗传异质性，即使具有相同的临床病理条件并接受标准治疗的骨肉瘤患者的临床结局也存在差异。到目前为止，还不可能正确预测骨肉瘤患者的临床命运。因此，迫切需要发现可靠的预测性生物标志物以及评估方法模型，以帮助患者风险分类和个性化治疗和护理策略的发展。
同源盒(HOX)基因编码哺乳动物中高度保守的转录因子家族，对器官发生和发育至关重要。到目前为止，在人类基因组中共发现了39个HOX基因。根据序列相似性和染色体位置，HOX基因被分为HOXA、HOXB、HOXC和HOXD四个簇，分别位于染色体7、17、12和2上。在过去的几十年里，我们已经发现许多控制胚胎发生的基因，如HOX基因同样参与致癌。除了在生理状态中作为胚胎发育的主要调控因子外，HOX基因还与多种类型的肿瘤有关。HOX基因的表达改变是癌基因或肿瘤抑制基因，其作用是转录激活子或转录抑制子，取决于环境背景。在肿瘤中，HOX基因的调控可能影响细胞增殖、侵袭、分化、血管生成和细胞内信号转导。例如，高HOXB9表达与肾上腺皮质癌较差的预后相关，而在转基因小鼠肾上腺皮质中同时过表达HOXB9和Ctnnb1会导致较大的肾上腺肿瘤。在胃癌中，上调的HOXA10促进了TGFB2的转录，从而触发了TGFβ/SMAD信号的激活，导致肺转移加速。此外，已有研究报道HOXB7、HOXB8等HOX基因的失调与骨肉瘤细胞的增殖、转移和凋亡相关，提示这些HOX基因在骨肉瘤的发生发展过程中发挥着至关重要的作用，而其他HOX基因在骨肉瘤恶性行为中的具体作用及其预后价值仍有待进一步研究。
发明内容
本发明发现HOX基因中的HOXA6、HOXB4、HOXC10表达水平与骨肉瘤相关，基于此，本发明提供了HOXA6、HOXB4、HOXC10基因在制备用于预测受试者骨肉瘤患病风险或预后、用于治疗或预防骨肉瘤的产品中的应用。
本发明提供的技术方案具体如下：
第一方面，本发明提供HOX基因或检测HOX基因表达水平的物质在制备以下任一项产品中的应用：
(1)用于骨肉瘤预后风险评估的产品；
(2)用于预测骨肉瘤预后总生存率的产品；
(3)用于骨肉瘤治疗指导的产品；
(4)用于预测受试者骨肉瘤患病风险的产品；
所述HOX基因为HOXA6、HOXB4、HOXC10中的至少一种，优选为HOXA6、HOXB4、HOXC10三种的组合。
在本发明提供的一些实施方式中，所述产品为系统、试剂盒、仪器或芯片。
在本发明提供的一些实施方式中，所述检测HOX基因表达水平的物质包括抗人HOXA6、HOXB4、HOXC10三个抗体中的至少一种。
第二方面，本发明提供一种用于预测骨肉瘤预后的系统，包括：
获取模块，用于获取骨肉瘤患者的HOX基因的表达水平；所述HOX基因为HOXA6、HOXB4、HOXC10中的至少一种；
预测模块，用于根据所述获取模块获得的表达水平预测骨肉瘤预后的风险评分，并输出风险评分；
其中，所述获取模块与所述预测模块之间通过无线和/或有线方式连接。
优选的，所述HOX基因为HOXA6、HOXB4、HOXC10三种基因的组合；所述预测模块包括一个骨肉瘤预后评分模型，所述骨肉瘤预后评分模型包括一个数学公式：风险评分＝HOXA6表达水平
×0.475+HOXB4表达水平×0.462+HOXC10表达水平×0.070。风险评分越高，预示预后可能越差，需要采取更积极的治疗方式及复查。
进一步的，本发明提供的用于预测骨肉瘤预后的系统还包括：
收集模块，用于收集所述预测模块输出的所有风险评分，并计算风险评分中值；
风险标记模块，用于根据所述风险评分中值将骨肉瘤患者标记为高风险组或低风险组。
进一步的，本发明提供的用于预测骨肉瘤预后的系统还包括：
治疗指导模块，用于根据所述风险标记模块的标记结果显示该骨肉瘤患者的治疗策略。
进一步的，本发明提供的用于预测骨肉瘤预后的系统的取模块还用于获取临床因素；所述系统还包括：
可视化模块，用于将所述预测模块输出的风险评分和所述获取模块获取的临床因素相结合，创建并显示预后列线图。
一些实施例中，临床因素包括年龄或性别。
第三方面，本发明提供一种用于预测骨肉瘤预后的仪器，该仪器使用上述用于预测骨肉瘤预后的系统。
第四方面，本发明提供一种用于预防或治疗骨肉瘤的产品，其活性组分为基因表达抑制产品，所述基因表达抑制产品用于抑制HOXA6、HOXB4、HOXC10中至少一种基因的表达，优选的，用于抑制HOXA6、HOXB4、HOXC10三种基因的表达。
在本发明提供的一些具体实施方式中，所述基因表达抑制产品包括多核苷酸序列、质粒、病毒、抑制型抗体、抑制蛋白活性的蛋白质、多肽、酶、小分子化合物中的一种或多种。
在本发明提供的一些具体实施方式中，所述基因表达抑制产品允许通过如下方式中的一种或多种进入细胞：直接裸DNA注射法、脂质体包裹DNA直接注射法、金包被DNA基因枪轰击法、繁殖缺陷细菌携带质粒DNA法、复制缺陷腺病毒携带目的DNA法、PEG修饰蛋白药物注射法、脂质体包裹蛋白静脉注射法、蛋白微球制剂皮下注射法。
本发明至少具有以下技术效果：
本发明发现了预测骨肉瘤预后的HOX关键基因，并提供了通过基因检测手段预测骨肉瘤预后的骨肉瘤预后评分模型，该骨肉瘤预后评分模型具有良好的准确性和特异性，可以准确预测骨肉瘤患者的总生存，该骨肉瘤预后评分模型结合临床因素构成的预后列线图，为骨肉瘤预后判断、临床治疗决策提供更准确的导向。
附图说明
附图用来提供对本发明技术方案的理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1为骨肉瘤中HOX基因的表达情况；其中：(A)TARGET队列骨肉瘤样本中HOX基因的热图；(B)TARGET骨肉瘤队列中HOX基因的相关热图；(C)火山图显示了单变量Cox分析中预后相关的HOX基因。
图2为骨肉瘤中基于HOX基因构建的模型；其中：(A-B)LASSO回归分析和多元Cox分析；(C)三个HOX基因系数的分布；(D-E)高风险组和低风险组的风险评分和生存状态分布；(F)高风险组和低风险组三个HOX基因的转录水平；(G)高风险组和低风险组患者总生存率的KaplanMeier生存曲线；(H)训练队列中的时间依赖性ROC曲线分析。
图3为内部队列中HOX基因标记的验证；其中：(A-B)测试队列和整个队列的风险评分概况；(C-D)试验队列和整个队列中生存时间和状态的分布；(E-F)测试队列和整个队列中三个HOX基因的表达模式；(G-H)测试队列和整个队列患者总生存率的Kaplan-Meier生存曲线；(I-J)测试队列和整个队列的时间依赖性ROC曲线分析。
图4为按性别(A-B)和年龄(C-D)分层的亚组中，比较高风险组和低风险组总生存率的Kaplan-Meier生存曲线。
图5为在外部GSE21257队列中验证HOX基因标记；其中：(A)GSE21257队列的风险评分概况；(B)GSE21257队列中生存时间和生存状态的分布；(C)GSE21257队列中三个HOX基因的表达模式；(D)GSE21257队列患者总生存率的Kaplan-Meier生存曲线；(E)GSE21257队列的时间依赖性ROC曲线分析。
图6为骨肉瘤预后列线图的构建和验证；其中：(A)将风险评分与性别和年龄等临床因素相结合的列线图用于预测1年、3年和5年总生存率；(B-C)TARGET和GSE21257队列中列线图的预测概率和实际概率的校准图。
图7为风险相关差异表达基因的识别和功能富集分析；其中：(A)高风险组和低风险组之间差异表达基因的火山图；(B)热图显示高风险组和低风险组差异表达基因的表达谱；(C-D)GO和KEGG富集分析。
图8为TARGET队列(A)和GSE21257队列(B)中高风险组和低风险组之间的基因集富集分析。
图9为基于HOX基因的特征与骨肉瘤样本免疫状况的相关性；其中：(A-D)TARGET队列高风险组和低风险组的基质评分、免疫评分、ESTIMATE评分和肿瘤纯度；(E-H)GSE21257队列中高风险组和低风险组的基质评分、免疫评分、ESTIMATE评分和肿瘤纯度。
图10为TARGET和GSE21257队列中高风险组和低风险组免疫细胞浸润和免疫功能的比较；其中：(A-B)TARGET和GSE21257队列骨肉瘤样本中免疫细胞浸润的相对丰度；(C-D)TARGET和GSE21257队列中高风险和低风险组22种免疫细胞类型的分数；(E-F)方框图显示了TARGET和GSE21257队列中两个亚组之间免疫细胞的富集分数；(G-H)方框图显示了TARGET和GSE21257队列中两个亚群之间相关免疫功能的富集分数。
图11为包括TARGET和GSE21257队列中高风险组和低风险组之间HOXA6(A-B)、HOXB4(C-D)和HOXC10(E-F)的表达。
图12为TARGET和GSE21257队列中HOXA6(A-B)、HOXB4(C-D)和HOXC10(E-F)的Kaplan-Meier生存分析。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下文中将对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互任意组合。
本发明通过TARGET数据库与GEO数据库对HOX基因进行研究，确定了与骨肉瘤预后相关的HOX关键基因有HOXA6、HOXB4、HOXC10，并开发了基于HOXA6、HOXB4和HOXC10的独立的骨肉瘤预后评分模型，此模型有良好的准确性和特异性。本发明通过ESTIMATE算法、CIBERSORT算法和ssGSEA算法发现HOXA6、HOXB4和HOXC10与肿瘤免疫微环境、免疫细胞浸润(原始B细胞、γ-δT细胞和M0巨噬细胞等)密切相关。本发明基于上述骨肉瘤预后评分模型得出的风险评分和临床因素构建了预后列线图，预后列线图的生存预测与实际观察结果吻合度极好，为临床转化奠定基础，为临床治疗决策提供更准确的导向。
下面将结合附图和实验数据对本发明的技术方案作进一步的解释和说明。
实施例
1、骨肉瘤数据的收集与处理
从TARGET数据库(https://ocg.cancer.gov/programs/TARGET)下载骨肉瘤患者的转录组谱(HTSeq-FPKM)和相应的临床信息，并命名为TARGET队列。从GEO数据库(https://www.ncbi.nlm.nih.gov/geo/)下载包含基因表达矩阵文件和临床数据，并命名为GSE21257队列，用于外部验证。排除未录入总生存时间或生存状态的骨肉瘤病例后，最终共收集139例骨肉瘤病例，其中86例来自TARGET队列，53例来自GSE21257队列。
所有统计分析均使用R软件(版本4.1.0，并对结果进行可视化。采用Kaplan-Meier方法和log-rank检验方法比较危险组之间的总体生存率差异。使用Student t检验或Wilcoxon检验评估风险组之间多变量的差异。
2、与骨肉瘤相关的HOX基因的确定
对数据库的数据集进行单因素Cox回归分析，以确定与骨肉瘤相关的HOX基因，最终确定39个HOX基因。图1A显示了这些HOX基因在TARGET骨肉瘤队列肿瘤样本中的转录表达。图1B显示了HOX基因之间的相关性。对所有这些HOX基因进行单变量Cox分析，结果表明，HOXB5、HOXA6、HOXB4、HOXB2、HOXB3、HOXA5、HOXB6、HOXB8和HOXB1共9个HOX基因与骨肉瘤预后显著相关，所有这些与骨肉瘤预后相关的HOX基因都是骨肉瘤的危险因素(危险比>1)(图1C)。
3、基于HOX基因的骨肉瘤预后评分模型的构建与验证
以大约1:1的比例将TARGET队列(整个队列)随机分为训练队列(n＝44)和测试队列(n＝42)。为了减少过度拟合，训练队列中的所有HOX基因都用R中的glmnet包进行LASSO(最小绝对收缩和选择算子)回归分析，然后进行多变量Cox分析(图2A-B)，最后保留三个基因(HOXA6、HOXB4、HOXC10)作为骨肉瘤预后标志物。三个HOX基因的系数如图2C所示。通过基因表达水平(Expi)和相关系数(Coefi)的线性组合计算标记得出的风险分数，公式为： n代表样本量。结果如下：风险评分＝HOXA6表达水平×0.475+HOXB4表达水平×0.462+HOXC10表达水平×0.070。随后，计算所有病例的风险评分，并根据训练队列中的风险评分中值将骨肉瘤患者标记为高风险组或低风险组，图2D显示了训练队列中骨肉瘤患者的风险评分分布。图2E显示了训练队列中骨肉瘤患者的生存状态和生存时间，这表明高风险组患者的死亡率高于低风险组。图2F显示了高风险组和低风险组中三个HOX基因的转录水平。KaplanMeier生存分析表明，高风险组和低风险组的总体生存率存在显著差异(图2G)。1年、3年和5年总生存率的时间依赖性受体工作特性(ROC)曲线下面积(AUC)值分别为0.769、0.791和0.787(图2H)，表明基于HOX基因的骨肉瘤预后评分模型对骨肉瘤患者的总生存期预测具有良好的准确性和特异性。
在内部队列中进行模型验证，我们首先证实了基于HOX基因的骨肉瘤预后评分模型的准确性，包括测试队列和整个队列。采用上述骨肉瘤预后评分模型确定骨肉瘤患者的风险评分，并根据训练队列中风险评分的中位数将患者分为高风险组和低风险组。图3A-B显示了测试队列和整个队列中风险评分的概况。生存时间和生存状态的分布如图3C-D所示。图3E-F显示了三个HOX基因的表达模式。Kaplan-Meier生存分析确定，高风险组患者的总体生存率低于低风险组，这在测试队列和整个队列中都是一致的(图3G-H)。时间依赖性ROC分析表明，试验队列中1年、3年和5年总生存率的AUC值分别为0.686、0.565和0.634(图3I)，整个队列中的AUC为0.764、0.716和0.708(图3J)。此外，根据包括性别和年龄在内的临床因素将整个队列的患者分为多个亚组，生存率分析显示，高风险组患者的总体生存率较低(图4A-D)，表明HOX基因作为骨肉瘤预后标志物非常有用，在骨肉瘤预后预测方面表现良好。
在外部队列中进行模型验证，利用外部GSE21257队列来评估预后特征的稳定性和可推广性。使用与训练队列相同的公式，计算GSE21257队列中骨肉瘤患者的风险分数，并根据训练队列中风险分数的中值将患者分为高风险组和低风险组。高风险组和低风险组患者的风险评分分布如图5A所示。GSE21257队列患者的生存时间和生存状态分布如图5B所示，这表明高风险组患者往往有更好的生存状态和更长的生存时间。图5C显示了GSE21257队列中三个HOX基因的表达谱。生存分析显示，高风险组患者的总体生存率低于低风险组(图5D)。时间依赖性ROC分析表明，1年、3年和5年总生存率的AUC值分别为0.694、0.695和0.680(图5E)。
4、结合临床病理特征进行分层分析以及预后列线图的构建和检验
综合生风险评分和临床因素(如性别和年龄)，进行了单变量和多变量Cox回归分析，这些分析表明，生风险评分在TARGET和GSE21257队列中均具有显著性(表1)。因此，风险评分可以作为骨肉瘤患者的独立预后指标。此外，通过将风险评分与临床因素(如性别和年龄)相结合，创建预后列线图，用于模型可视化和临床应用(图6A)。如图6B-C所示，校准曲线表明预后列线图预测值与实际观察值之间符合良好，显示了预后列线图在预测骨肉瘤患者总体生存率方面的显著可靠性。
表1TARGET和GSE21257队列中基于HOX基因的特征和临床因素的单变量和多变量分析
5、HOX基因标记相关的功能与通路
根据每个样本的风险评分，将TARGET整个队列的表达谱分为高风险组和低风险组。然后，采用R中的edgeR包，以p值<0.05和|log2FC|>0.5为标准，识别高风险组和低风险组之间的差异表达基因(differential expression genes,DEGs)，结果我们在TCGA整个队列中确定了712个高风险和低风险人群之间的差异表达基因(DEGs)。随后，为了研究与基因标记相关的潜在生物过程和通路，我们利用R.的clusterProfiler软件包对基因本体(GeneOntology,GO)和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes andGenomes,KEGG)通路富集进行了DEGs分析。结果显示，在这712个TEG中，与低风险组相比，高风险组中分别有343或369个基因上调或下调(图7A-B)。然后，我们使用R中的clusterProfiler包注释了这些DEG的功能，发现免疫相关的生物学过程，包括细胞激活的正调节、T细胞激活、白细胞激活的正向调节、淋巴细胞激活的正调控、体液免疫反应和淋巴细胞介导的免疫，都得到了显著的丰富。至于细胞成分，质膜外侧、含胶原蛋白的细胞外基质和内吞囊泡是三个最丰富的术语。在分子功能类别中，DEG主要富集于信号受体激活剂活性、受体配体活性和G蛋白偶联受体结合(图7C)。然后，使用GSEA软件(4.0.2版)进行基因集富集分析，以基于KEGG术语挖掘与标记相关的潜在信号通路。将P值<0.05和|NES|>1作为富集结果的筛选标准，并使用ggplot2软件包在R中对结果进行可视化：KEGG富集分析表明，免疫相关途径，如细胞因子-细胞因子-受体相互作用、趋化因子信号途径、Th17细胞分化、Th1和Th2细胞分化、抗原处理和呈现以及白细胞跨内皮细胞迁移，显著富集(图7D)。之后，使用R中的GSVA包，应用ssGSEA方法确定免疫细胞的富集分数和相关免疫活性，然后在高风险组和低风险组之间进行比较：GSEA方法显示核糖体是骨肉瘤样本中唯一显著富集的标志，具有较高的风险分数。同时，在低风险组的骨肉瘤样本中，抗原处理和呈现、趋化因子信号通路、补体和凝血级联、细胞因子-细胞因子受体相互作用和自然杀伤细胞介导的细胞毒性等多种免疫相关通路显著富集(图8A-B)。
6、使用HOX基因标记对肿瘤免疫微环境和免疫细胞浸润的评估
根据高风险组和低风险组的基因表达谱，使用ESTIMATE算法计算每个骨肉瘤样本的免疫评分、基质评分、ESTIMATE评分和肿瘤纯度，以进一步研究基于HOX家族特征的标记在免疫微环境中的指示作用。如图9A-H所示，高风险组的基质评分、免疫评分、ESTIMATE评分较低，但肿瘤纯度高于低风险组。通过CIBERSORT算法评估每个骨肉瘤样本中22种浸润免疫细胞类型的丰度，然后在高风险组和低风险组之间进行比较。图10A-B显示了TARGET和GSE21257队列骨肉瘤样本中22种浸润免疫细胞类型的丰度。在TARGET队列中，小提琴图显示，两个亚组之间的原始B细胞和激活记忆CD4 T细胞的浸润情况不同(图10C)。在GSE21257队列中，γ-δT细胞和M0巨噬细胞的免疫浸润水平越高，中性粒细胞水平越低，风险评分越高(图10D)。此外，我们还采用ssGSEA方法比较了高风险组和低风险组的免疫细胞富集分数和相关免疫功能。如图10E-F所示，与低风险组相比，高风险组的巨噬细胞、肥大细胞和中性粒细胞得分显著降低，这在TARGET和GSE21257队列中都是一致的。关于相关免疫功能，两个队列中高风险组的CCR富集分数始终较低(图10G-H)。
7、HOX基因标记物的表达和Kaplan-Meier生存分析
比较高风险组和低风险组三个HOX基因的表达水平，并对TARGET和GSE21257队列进行了Kaplan-Meier生存分析。如图11A-F所示，高风险组HOXA6、HOXB4和HOXC10的转录水平高于低风险组，这在TARGET和GSE21257队列中是一致的。同时，TARGET队列中的Kaplan-Meier生存分析显示，HOXA6的高表达与骨肉瘤患者的总体生存率较差相关(图12A-F)。
以上是本发明对HOX基因研究和开发的主要内容，基于HOX基因开发的用于预测骨肉瘤预后的系统包括一个骨肉瘤预后评分模型：风险评分＝HOXA6表达水平×0.475+HOXB4表达水平×0.462+HOXC10表达水平×0.070，风险评分越高，预示预后可能越差；本发明结合风险评分以及临床因素构建的预后列线图可以对生存率进行评估，得到患者生存时间概率，对骨肉瘤预后和临床干预有重要意义。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.HOX基因或检测HOX基因表达水平的物质在制备以下任一项产品中的应用：
（1）用于骨肉瘤预后风险评估的产品；
（2）用于预测骨肉瘤预后总生存率的产品；
所述HOX基因为HOXA6、HOXB4和HOXC10；
所述产品包括一个预测模块，所述预测模块包括一个骨肉瘤预后评分模型，所述骨肉瘤预后评分模型包括一个数学公式：风险评分= HOXA6表达水平×0.475+HOXB4表达水平×0.462+HOXC10表达水平×0.070。
2.根据权利要求1所述的应用，其特征在于：所述产品为系统、试剂盒、仪器或芯片。
3.根据权利要求1所述的应用，其特征在于：所述检测HOX基因表达水平的物质包括抗人HOXA6、HOXB4和HOXC10三个抗体。
4.一种用于预测骨肉瘤预后的系统，其特征在于，包括：
获取模块，用于获取骨肉瘤患者的HOX基因的表达水平；所述HOX基因为HOXA6、HOXB4和HOXC10三种基因的组合；
预测模块，用于根据所述获取模块获得的表达水平预测骨肉瘤预后的风险评分，并输出风险评分；所述预测模块包括一个骨肉瘤预后评分模型，所述骨肉瘤预后评分模型包括一个数学公式：风险评分= HOXA6表达水平×0.475+HOXB4表达水平×0.462+HOXC10表达水平×0.070；
其中，所述获取模块与所述预测模块之间通过无线和/或有线方式连接。
5.根据权利要求4所述的用于预测骨肉瘤预后的系统，其特征在于：所述系统还包括：
收集模块，用于收集所述预测模块输出的所有风险评分，并计算风险评分中值；
风险标记模块，用于根据所述风险评分中值将骨肉瘤患者标记为高风险组或低风险组。
6.根据权利要求5所述的用于预测骨肉瘤预后的系统，其特征在于：所述系统还包括：
治疗指导模块，用于根据所述风险标记模块的标记结果显示该骨肉瘤患者的治疗策略。
7.根据权利要求4所述的用于预测骨肉瘤预后的系统，其特征在于：所述获取模块还用于获取临床因素；所述系统还包括：
可视化模块，用于将所述预测模块输出的风险评分和所述获取模块获取的临床因素相结合，创建并显示预后列线图。
8.一种用于预测骨肉瘤预后的仪器，其特征在于：包括权利要求4~7任一项所述的用于预测骨肉瘤预后的系统。
CN202310441571.8A 2023-04-23 2023-04-23 与骨肉瘤相关的hox基因的用途 Active CN116500268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310441571.8A CN116500268B (zh) 2023-04-23 2023-04-23 与骨肉瘤相关的hox基因的用途

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310441571.8A CN116500268B (zh) 2023-04-23 2023-04-23 与骨肉瘤相关的hox基因的用途

Publications (2)

Publication Number Publication Date
CN116500268A CN116500268A (zh) 2023-07-28
CN116500268B true CN116500268B (zh) 2024-04-09

Family

ID=87322402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310441571.8A Active CN116500268B (zh) 2023-04-23 2023-04-23 与骨肉瘤相关的hox基因的用途

Country Status (1)

Country Link
CN (1) CN116500268B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013095793A1 (en) * 2011-12-22 2013-06-27 Aveo Pharmaceuticals, Inc. Identification of multigene biomarkers
WO2014074874A1 (en) * 2012-11-09 2014-05-15 Regents Of The University Of Minnesota Osteosarcoma diagnostic and prognostic methods
CN114134145A (zh) * 2020-09-03 2022-03-04 中山大学附属第一医院 Hoxc10在胃癌发病机制中的作用

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101437718B1 (ko) * 2010-12-13 2014-09-11 사회복지법인 삼성생명공익재단 위암의 예후 예측용 마커 및 이를 이용하는 위암의 예후 예측 방법
CA2947624A1 (en) * 2014-05-13 2015-11-19 Myriad Genetics, Inc. Gene signatures for cancer prognosis

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013095793A1 (en) * 2011-12-22 2013-06-27 Aveo Pharmaceuticals, Inc. Identification of multigene biomarkers
WO2014074874A1 (en) * 2012-11-09 2014-05-15 Regents Of The University Of Minnesota Osteosarcoma diagnostic and prognostic methods
CN114134145A (zh) * 2020-09-03 2022-03-04 中山大学附属第一医院 Hoxc10在胃癌发病机制中的作用

Non-Patent Citations (12)

* Cited by examiner, † Cited by third party
Title
BELA BODEY等.Homeobox B3, B4, and C6 gene product expression in osteosarcomas as detected by immunocytochemistry.ANTICANCER RESEARCH.2000,第20卷(第4期),第2717-2721页. *
Di Zheng等.Identification of a novel gene signature with regard to ferroptosis, prognosis prediction, and immune microenvironment in osteosarcoma.Frontiers in Genetics.2022,第13卷第1-19页. *
Homeobox B3, B4, and C6 gene product expression in osteosarcomas as detected by immunocytochemistry;BELA BODEY等;ANTICANCER RESEARCH;第20卷(第4期);第2717-2721页 *
Homeobox C10 knockdown suppresses cell proliferation and promotes cell apoptosis in osteosarcoma cells through regulating caspase 3;Xiankuan Xie等;OncoTargets and Therapy;第11卷;第473-482页 *
Homeodomain-containing gene 10 inhibits cell apoptosis and promotes cell invasion and migration in osteosarcoma cell lines;Wen Xiong等;Tumor Biology;第39卷(第5期);第1-10页 *
Identification of a novel gene signature with regard to ferroptosis, prognosis prediction, and immune microenvironment in osteosarcoma;Di Zheng等;Frontiers in Genetics;第13卷;第1-19页 *
miR-181a-5p通过HOXB4抑制骨肉瘤细胞HOS增殖和迁移;李嘉熙 等;中国骨伤;第35卷(第11期);第1097-1103页 *
Wen Xiong等.Homeodomain-containing gene 10 inhibits cell apoptosis and promotes cell invasion and migration in osteosarcoma cell lines.Tumor Biology.2017,第39卷(第5期),第1-10页. *
Xiankuan Xie等.Homeobox C10 knockdown suppresses cell proliferation and promotes cell apoptosis in osteosarcoma cells through regulating caspase 3.OncoTargets and Therapy.2018,第11卷第473-482页. *
张辉 等.沉默HOXC10基因促进骨肉瘤MG-63细胞凋亡及其机制.现代肿瘤医学.2019,第27卷(第15期),第2651-2655页. *
李嘉熙 等.miR-181a-5p通过HOXB4抑制骨肉瘤细胞HOS增殖和迁移.中国骨伤.2022,第35卷(第11期),第1097-1103页. *
沉默HOXC10基因促进骨肉瘤MG-63细胞凋亡及其机制;张辉 等;现代肿瘤医学;第27卷(第15期);第2651-2655页 *

Also Published As

Publication number Publication date
CN116500268A (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
Song et al. Single-cell analysis of human primary prostate cancer reveals the heterogeneity of tumor-associated epithelial cell states
US20230287511A1 (en) Neuroendocrine tumors
ES2316932T3 (es) Pronostico de cancer colorectal.
US20090197259A1 (en) Gene signature for diagnosis and prognosis of breast cancer and ovarian cancer
CN105102636A (zh) 用于检测和测定前列腺癌预后的组合物和方法
Huang et al. Prognostic implications of the complement protein C1Q and its correlation with immune infiltrates in osteosarcoma
Ye et al. Key microRNAs and hub genes associated with poor prognosis in lung adenocarcinoma
CN114360721A (zh) 代谢相关子宫内膜癌的预后模型及构建方法
Zhu et al. Effects of immune inflammation in head and neck squamous cell carcinoma: Tumor microenvironment, drug resistance, and clinical outcomes
Zhang et al. Identification and preliminary validation of a four-gene signature to predict metastasis and survival in osteosarcoma
CN113470813A (zh) 肝癌患者生存率预后模型
CN113345589A (zh) 肝癌预后模型的构建方法及应用方法、电子设备
CN116500268B (zh) 与骨肉瘤相关的hox基因的用途
CN109735619B (zh) 与非小细胞肺癌预后相关的分子标志物及其应用
Yin et al. Development and validation of a 4-gene combination for the prognostication in lung adenocarcinoma patients
CN113774135B (zh) 一组用于预测高级别浆液性卵巢癌预后的标志物及其应用
CN115505644A (zh) 一种预测头颈部鳞癌化疗药效的试剂盒及其应用
CN112852969B (zh) 表观遗传修饰lncRNA作为肿瘤诊断或肿瘤进展预测标志物
CN116092674A (zh) 外泌体介导的胃癌总体生存率预后模型及构建方法和应用
CN112501290A (zh) 与乳腺癌预后相关的标志分子以及检测试剂盒
Yuan et al. Tumour microbiota structure predicts hypopharyngeal carcinoma recurrence and metastasis
CN113241181A (zh) 一种用于肝癌患者的预后风险评估模型及评估装置
CN113450917A (zh) 生物标志物在预测肝癌预后中的应用
Wang et al. Identification of distinct tumor cell patterns with single-cell RNA sequencing integrating primary lung adenocarcinoma and brain metastasis tumor
CN113862354B (zh) 用于预测局限期小细胞肺癌患者预后的系统及其应用

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant