纯生信轻松拿下5+分文。铜死亡+免疫浸润+预后模型，快学起来吧

今天给同学们分享一篇生信文章“A novel defined risk signature of cuproptosis-related long non-coding RNA for predicting prognosis, immune infiltration, and immunotherapy response in lung adenocarcinoma”，这篇文章发表在Front Pharmacol期刊上，影响因子为5.6。

结果解读：

 患者特征

本研究共纳入了1054例具有可用生存数据的LUAD病例。本研究的流程图如图1所示。作者从TCGA项目中纳入了500名患者用于风险模型的构建。作者从GEO下载了五个验证数据集（GSE29013、GSE30219、GSE31210、GSE37745和GSE50081）。根据作者的选择标准，这五个GEO数据集中包含了554个可用的LUAD信息，用于验证作者构建的基因特征。本研究使用的患者信息列于表1中。作者将五个验证数据集合并为一个队列，以更好地进行研究。批次效应是两个或多个数据集之间的非生物差异。作者根据之前提到的方法（图2A、B）消除了批次效应引起的偏差，并使转录谱更加相似。

生成的与死亡相关的八个长链非编码RNA标记

根据作者的标准，作者得到了60个与铜死亡相关的基因，如表2所示。作者使用Pearson算法在训练队列样本中检测与铜死亡相关基因显著相关的lncRNA，最终确定了8277个独特的lncRNA。从这8277个lncRNA中，"limma" R语言包确定了其中3261个在正常和肿瘤组织中表达差异显著（图2C、D）。然后，作者使用这3261个lncRNA在训练队列中的表达谱来评估具有预后能力的候选基因。鉴定出9个具有潜在预后能力的lncRNA。通过使用"glmnet" R包（版本4.1.2，新西兰），进行LASSO Cox回归分析，缩小了申请基因的范围并开发了一个预测模型。最终，最佳lambda值选择为0.006898922，保留了8个lncRNA及其系数（图2E、F）。此外，作者展示了这8个lncRNA与这60个与铜死亡相关的基因之间的相关性。

已证实具有稳定预后能力的八个lncRNA基因特征

上部分显示了按风险评分递增排序的患者，中间的散点图显示了LUAD的生存状态，下部分的热图显示了八个关键lncRNA的相对表达水平。根据作者开发的风险评分计算器，为每个LUAD病例计算了一个风险评分。Kaplan-Meier估计器表明，在TCGA队列（log-rank检验，p < 0.001，图3A）和验证队列（log-rank检验，p < 0.001，图3B）中，高风险患者的生存率较低于低风险患者。此外，肿瘤分期亚型分析表明，作者的风险评分可以准确预测患者的预后，其中较高的风险评分预示着较差的疾病结局（图3A、B）。作者使用两个队列的数据以Kaplan-Meier曲线的形式展示了每个八个lncRNA的预后能力，结果显示MIR4435-2HG和NKILA对LUAD患者有稳定的不利影响，而TSPOAP1-AS1、AC107464.3、AC006449.7、LINC00324、COLCA1和HAGLR有助于LUAD的预后改善。

通过实时聚合酶链反应验证了基因特征中每个基因的表达水平

为了更好地了解基因基因特征中每个基因在真实世界中的表达模式，作者应用实时聚合酶链反应（real-time PCR）检测了人类LUAD细胞系（n = 9）和人类正常细胞系（n = 9）中上述基因的表达差异。表3显示了8个基因的引物序列，分别为TSPOAP1-AS1、AC107464.3、AC006449.7、LINC00324、COLCA1、HAGLR、MIR4435-2HG和NKILA。值得注意的是，所有基因在肿瘤和正常细胞系中的表达均存在差异（图3J）。具体而言，MIR4435-2HG和NKILA基因在LUAD细胞系中高度表达，而其余基因在LUAD细胞系中表达不足。LUAD中上调的基因（如MIR4435-2HG和NKILA），而LUAD中下调的基因（如TSPOAP1-AS1、AC107464.3、AC006449.7、LINC00324、COLCA1和HAGLR）则显示出对LUAD结果具有保护功能，这进一步证明了作者发现的基因基因特征的有效性，并为深入研究提供了线索。

GSEA确定了预后标志的机制

基于风险评分进行的GSEA分析发现，lncRNA基因特征中存在显著富集的基因集，其中前十个项目主要与移植物排斥、脂肪酸代谢、肌醇磷酸代谢、花生四烯酸代谢、PPAR信号通路、肠道免疫网络对IgA产生、血管平滑肌收缩、α-亚麻酸代谢和非同源末端连接相关（图4）。

八个lncRNA基因特征与凋亡、坏死程序性细胞死亡、火凤凰病和铁死亡的关系

根据作者的标准，作者找到了凋亡、坏死程序化、火凤凰和铁死亡基因。皮尔逊系数分析了作者的预后模型与凋亡、坏死程序化、火凤凰和铁死亡相关基因之间的关系。分析结果显示，SELENBP1、METTL7A、ANLN、SARM1、GGA2、GAPDH、MOAP1、CTSH、RBP5和CEP55是与凋亡相关的前十个相关基因，总体上，2321/3681（63.05%）个基因与长链非编码RNA特征显著相关。RIPK3、FADD、TRPM7、CYLD、TLR3、IPMK、ZBP1、TNF、FASLG和PGLYRP1被发现是与八个长链非编码RNA特征显著相关的前十个坏死程序化相关基因。总体而言，11/20（55.00%）个坏死程序化相关基因与该特征显著相关。此外，皮尔逊检验发现与作者的特征显著相关的前十个火凤凰相关基因是NLRP1、CARD8、GSDMB、CYCS、IRF2、GSDMD、IL1A、NLRP6、CASP1和CHMP2B。总体而言，34/50（68.00%）个火凤凰相关基因与作者的特征显著相关。检查发现SLC2A1、RRM2、AURKA、MDM4、PLA2G6、DUOX1、GLS2、NRAS、HIF1A和SIRT3是与作者的标志相关的顶级铁死亡相关基因。总结起来，222/380（58.42%）与作者的标志相关的铁死亡相关基因。

风险评分在免疫疗法中的作用

关于相关的免疫功能，CCR、检查点、细胞溶解活性、HLA、促炎、T细胞共抑制、T细胞共刺激和II型干扰素反应的评分在高风险组中低于低风险组（图5A）。这些发现表明，这八个长链非编码RNA的特征可能与LUAD的免疫状态有关。作者全面探索了TCGA-LUAD队列中所有肿瘤样本的突变特征。如图5B所示，前20个最常突变的基因中，TP53基因突变最频繁，约占队列的53.3%，其次是TTN（50.6%）和MUC16（43.8%）。在这些突变中，错义突变是最常见的变异类型。有趣的是，作者注意到这20个基因在高风险组和低风险组的突变分布在统计学上具有显著差异（p < 0.05）。

风险评分和抗癌药物敏感性

作者从GDSC数据库中筛选出了8种化疗药物（顺铂、紫杉醇、多柔比星、依托泊苷、吉西他滨、多西他赛、甲氨蝶呤和博来霉素），2种表皮生长因子受体（EGFR）抑制剂（吉非替尼、厄洛替尼）和1种免疫抑制剂（雷帕霉素），这些药物在LUAD临床实践中被使用。通过采用“pRRophetic”软件包，作者发现7种化疗药物（顺铂、紫杉醇、多柔比星、依托泊苷、吉西他滨、多西他赛和甲氨蝶呤）和1种EGFR抑制剂（厄洛替尼）在高风险和低风险患者中显示出显著的敏感性差异，而博来霉素、吉非替尼和雷帕霉素与作者的风险评分模型没有相关性。如图6所示，顺铂、紫杉醇、多柔比星、依托泊苷、吉西他滨、多西他赛和甲氨蝶呤在高风险患者中得到了更多的反馈，而厄洛替尼在低风险LUAD中得到了更强烈的反应，这暗示了八个长链非编码RNA标志在临床实践中的潜在用途。

肥大细胞在八个长链非编码RNA标记的预测能力中的重要作用

如图7A所示，Wilcoxon秩和检验确定了与风险评分相关的9个TICs。皮尔逊系数（图7B）发现了与作者的标志密切相关的12个TICs。总结如下（图7C），共有9个TICs与lncRNA标志显著相关，包括静息型肥大细胞、M0型巨噬细胞、记忆型B细胞、活化型肥大细胞、激活型CD4记忆T细胞、静息型CD4记忆T细胞、中性粒细胞、激活型树突状细胞和单核细胞。具体而言，作者的标志与M0型巨噬细胞、活化型肥大细胞、激活型CD4记忆T细胞、中性粒细胞、激活型树突状细胞呈正相关，与其他细胞呈负相关。