Auswirkungen des anoxischen Prognosemodells auf die Immunmikroumgebung bei Bauchspeicheldrüsenkrebs

Jun 24, 2023

Wissenschaftliche Berichte Band 13, Artikelnummer: 9104 (2023) Diesen Artikel zitieren

1 Altmetrisch

Details zu den Metriken

Bauchspeicheldrüsenkrebs hat eine der schlechtesten Prognosen weltweit, was darauf hindeutet, dass die Mikroumgebung des Tumors, die durch Hypoxie und Immunsuppression gekennzeichnet ist, eine bedeutende Rolle bei der Prognose und dem Fortschreiten von Bauchspeicheldrüsenkrebs spielt. Wir identifizierten PLAU, LDHA und PKM als Schlüsselgene, die an der Hypoxie bei Bauchspeicheldrüsenkrebs beteiligt sind, und zwar durch GO/KEGG-Anreicherungs-bezogene Hypoxiewege und Cox-Regression, etablierten prognostische Modelle und untersuchten ihre Beziehung zur Immuninvasion durch Bioinformatik unter Verwendung von R und verwandten Online-Datenbanken. Wir haben die hohe Expression von PLAU, LDHA und PKM in Bauchspeicheldrüsenkrebszellen mithilfe von qPCR in vitro überprüft und außerdem festgestellt, dass sich die Expression von PLAU, LDHA und PKM in hypoxischen Bauchspeicheldrüsenkrebszellen von der in normal kultivierten Bauchspeicheldrüsenkrebszellen unterschied. Schließlich haben wir herausgefunden, dass unser Prognosemodell Postrain bei Patienten mit Bauchspeicheldrüsenkrebs mit Hypoxie und Immuninfiltration genau vorhersagte.

Die Prognose für Bauchspeicheldrüsenkrebs gehört zu den schlechtesten der Welt und er ist die vierthäufigste krebsbedingte Todesursache weltweit1. Die spezifische Position der Bauchspeicheldrüse in der Bauchhöhle verursacht verborgene Merkmale von Bauchspeicheldrüsenkrebs in seinen frühen Stadien2 und die Das Fehlen extrem empfindlicher molekularer Marker für Bauchspeicheldrüsenkrebs erschwert eine frühzeitige Diagnose3,4. Bauchspeicheldrüsenkrebs ist äußerst aggressiv5. Nach der Diagnose ist die Krankheit wahrscheinlich bereits fortgeschritten, was es schwierig macht, einen wirksamen Behandlungsplan zu finden5. Obwohl Bauchspeicheldrüsenkrebs in den letzten Jahren umfassend untersucht wurde und kontinuierlich Forschungsergebnisse zu seiner Diagnose, Strahlentherapietechnologie und systematischen Behandlung vorgeschlagen wurden, hat sich die Überlebensrate der Krankheit nicht wesentlich verbessert und die Zahl der krankheitsbedingten Todesfälle nimmt weiterhin zu Aufstieg6.

Bei Bauchspeicheldrüsenkrebs machen bösartige Zellen nur einen geringen Anteil aus; Der Rest besteht hauptsächlich aus Fibroblasten, extrazellulärer Matrix, Endothelzellen und hämatopoetischen Zellen, und diese Wirtskomponenten bilden die Mikroumgebung des Tumors7. Die biologische Funktion von Tumoren wird hauptsächlich durch die Interaktion zwischen Krebszellen und ihrer Mikroumgebung bestimmt7,8. Diese Zelltypen der Tumormikroumgebung tragen zu einem stark immunsuppressiven, hypoxischen und profibroproliferativen Krebs bei7,9. Hypoxie ist eines der wesentlichen Merkmale der Mikroumgebung von Pankreastumoren, die auf eine breite Palette von Bindegewebshyperplasien und sekundären Gefäßverminderungen zurückzuführen ist10. Hypoxie ist auch einer der Faktoren, die zum Fortschreiten von Bauchspeicheldrüsenkrebs beitragen11 und spielt eine Schlüsselrolle bei einer Vielzahl von Zellen und biologischen Ereignissen, einschließlich Zellproliferation, Überleben, Angiogenese, Stoffwechsel, Tumorwachstum, Invasion und Metastasierung12. Hypoxie ist eines der wichtigen Mikroumgebungsmerkmale von Bauchspeicheldrüsenkrebs. Eine Hypoxie-Mikroumgebung kann das Ziel der HIF-1α-Faktorliste dazu veranlassen, nachgeschaltete Gene zu regulieren und die Aktivierung des nachgeschalteten Signalwegs zu fördern.

Die Immunumgebung bei Bauchspeicheldrüsenkrebs (PAAD) wird im Allgemeinen als Immunsuppression angesehen13,14. Diese Immunsuppression ist mit einer schlechten Prognose bei Bauchspeicheldrüsenkrebs verbunden15,16 und die Immunmikroumgebung des Tumors ist sehr unempfindlich gegenüber einer Immuntherapie, was zu einer schlechten Prognose bei Bauchspeicheldrüsenkrebs führt17.

Zusammenfassend lässt sich sagen, dass Hypoxie und hohe Immunsuppression in der Mikroumgebung von Pankreastumoren eine bedeutende Rolle für das Fortschreiten und die Prognose des Tumors spielen und die Entwicklung relevanter Prognosemodelle für die prognostische Führung von PAAD von großer Bedeutung ist. Gegenwärtig ist Hypoxie ein wesentlicher Faktor in der Mikroumgebung von Bauchspeicheldrüsenkrebs, und ein Modell zur Vorhersage der Prognose von PAAD-Patienten ist eine zwingende Notwendigkeit. Der Zweck dieser Studie bestand darin, spezielle Zielmoleküle im Zusammenhang mit Hypoxie bei Bauchspeicheldrüsenkrebs mithilfe bioinformatischer Methoden zu untersuchen, ihre Rolle in der anoxischen Tumormikroumgebung von Bauchspeicheldrüsenkrebs zu untersuchen, zugehörige Prognosemodelle zu etablieren und die wichtige Rolle von Modellen bei Bauchspeicheldrüsenkrebs zu untersuchen Immunmikroumgebung, um neue Ideen für die Prognose und Behandlung von Bauchspeicheldrüsenkrebs zu liefern.

Insgesamt wurden 9211 unterschiedlich exprimierte Gene gescreent, darunter 1279 hochregulierte Gene und 116 herunterregulierte Gene (Abb. 1A).

Genexpressions- und Anreicherungsanalyse von GEPIA2, (A) Bauchspeicheldrüsenkrebs-Differenzialgen von GEPIA2, hochreguliert in Rot und herunterreguliert in Blau, (B) GO/KEGG vom GEPIA2-Bauchspeicheldrüsenkrebs-Differentialgen.

Wir verwendeten eine GO/KEGG-Analyse von 2615 ausgewählten Genen, um Hypoxie-bezogene Signalwege zu identifizieren. Sie identifizierten Hypoxie-bezogene Signalwege: GO:0001666 (Reaktion auf Hypoxie, insgesamt wurden 45 Gene identifiziert) (Abb. 1B).

Wir haben über die STRING-Datenbank 25 Gene herausgesucht, die in direktem Zusammenhang mit hif1a stehen (Abb. 2A, B). Die wichtigsten Hypoxie-Gene mit p <0, 05 wurden durch univariate COX-Regressionsanalyse gescreent (Ergänzungsdatei 1: Tabelle S1). Anschließend wurden entsprechend der Beziehung zwischen verwandten Genen und HIF1A in der Zeichenfolge und den Ergebnissen der univariaten COX-Regression PKM, PLAU und LDHA für die LASSO-Regression verwendet und ein Prognosemodell mithilfe der LASSO-Regression erstellt (Abb. 3A, B).

Visualisierung von Genen, die mit Hypoxie-Pfaden assoziiert sind. (A) Das PPI-Netzwerk in GO:0001666 und die (B) 25 Gene in GO:0001666 stehen in direktem Zusammenhang mit HIF1A.

Risiko-Score-Analyse, Prognoseleistung und Überlebensanalyse von Prognosemodellen, (A). Das LASSO-Regressionsmodell der 3 Hypoxie-bezogenen Gene, durchgeführt durch Lasso-Zehnfach-Kreuzvalidierung, (B). Die Koeffizientenverteilung im LASSO-Regressionsmodell, (C). Risikoscores und Überlebenszeitverteilung von Hypoxie-bezogenen Genen in der TCGA-PAAD-Kohorte, (D). Kaplan-Meier-Analyse des OS-Überlebens zwischen Risikogruppen in der TCGA-PAAD-Kohorte, (E). Wärmekarte der Genexpression von Hypoxie-assoziierten Genen in der TCGA-PAAD-Kohorte, (F). Die ROC-Kurven des Risikobewertungsmodells sagen ein OS von 1 Jahr, 3 Jahren und 5 Jahren in der TCGA-PAAD-Kohorte voraus.

Wir haben eine prognostische Modellformel für alle Krebsproben im Trainingssatz erstellt:

Risiko-Score = 0,693079351003975* Expressionsniveau von LDHA − 0,376224999076138* Expressionsniveau von PKM + 0,169271183333193* Expressionsniveau von PLAU.

Um zu überprüfen, ob unser Modell die Prognose von Patienten mit Bauchspeicheldrüsenkrebs genau vorhersagen kann, wurden 178 Patienten in Gruppen mit hohem Risiko (n = 89) und Gruppen mit niedrigem Risiko (n = 89) eingeteilt (Abb. 3C). Die Ergebnisse des Log-Rank-Tests legten nahe, dass der Unterschied in der Überlebenszeitverteilung zwischen den Risiko-Score-Gruppen statistisch signifikant war (Abb. 3D). In der Gruppe mit einem hohen Risikoscore war die Prognose schlechter. In ähnlicher Weise stellten wir fest, dass PKM, LDHA und PLAU in der Hochrisikogruppe überwiegend stark und in der Niedrigrisikogruppe überwiegend gering ausgeprägt waren (Abb. 3E). Die zeitabhängige ROC-Analyse zeigte, dass die Prognosegenauigkeit des 1-Jahres-OS 0,727 (95 %-KI 0,596–0,792) und die des 3-Jahres-OS 0,730 (95 %-KI 0,602–0,842) betrug. Die 5-Jahres-Prognosegenauigkeit des OS betrug 0,822 (95 %-KI 0,708–0,968) (Abb. 3F). Diese Ergebnisse deuten darauf hin, dass das von unserer Gruppe entwickelte Hypoxie-bezogene Genprognosemodell die Prognose von Patienten mit Bauchspeicheldrüsenkrebs vorhersagen kann.

Um die Genauigkeit des etablierten Prognosemodells zu überprüfen, verwendeten wir GSE85916 und ICGC-PACA-AU als Verifizierungssatz und sammelten Daten von 174 GSE85916- und ICGC-PACA-AU-Patienten mit Bauchspeicheldrüsenkrebs (79 stammten von GSE85916 und 95 von ICGC-PACA-AU). AU) und berechnete Risikobewertungen mit der gleichen Formel wie im Trainingssatz. Wir haben den Verifizierungssatz basierend auf dem mittleren Risikoscore in eine Gruppe mit hohem Risiko (n = 87) und eine Gruppe mit niedrigem Risiko (n = 87) unterteilt (Abb. 4A). Wie beim Trainingssatz beobachteten wir kürzere Überlebenszeiten in der Gruppe mit höchstem Risiko (Abb. 4B). Die zeitabhängige ROC-Analyse ergab, dass die prognostische Genauigkeit des 1-Jahres-OS 0,681 (95 %-KI 0,629–0,863) und das 3-Jahres-OS 0,649 (95 %-KI 0,690–0,940) betrug. Die 5-Jahres-Prognosegenauigkeit des OS betrug 0,758 (95 %-KI 0,745–1,007) (Abb. 4C).

Analyse des Risikoscores, der Prognoseleistung und der Überlebensanalyse des Validierungssatz-Prognosemodells, (A). Die Risikobewertungen und die Überlebenszeitverteilung von Hypoxie-bezogenen Genen bilden den Verifizierungssatz (B). Kaplan-Meier-Überlebensanalyse des OS zwischen Risikogruppen im Verifizierungssatz, (C). Die Verifizierung legte ROC-Kurven des Risikobewertungsmodells fest, die das 1-Jahres-, 3-Jahres- und 5-Jahres-OS vorhersagen.

Darüber hinaus haben wir eine Kalibrierungskurve erstellt, die zeigte, dass unser Modell gut mit dem tatsächlichen Überleben von PAAD-Patienten übereinstimmte (Abb. 5A). Zusätzlich zur Erstellung eines Nomogramms von Risikobewertungen und traditionellen Prognosefaktoren (Abb. 5C) stellten wir fest, dass unser Modell einen höheren AUC-Wert aufwies als herkömmliche klinische Faktoren (Abb. 5B).

Prognose des 1-Jahres-, 3-Jahres- und 5-Jahres-OS bei PAAD-Patienten anhand des Nomogramms, (A). Nomogramm-Kalibrierungskurven zur Vorhersage des 1-Jahres-, 3-Jahres- und 5-Jahres-OS in TCGA-PAAD-Kohorten: (B) ROC-Kurven zur Vorhersage des Überlebens anhand des Risikoscores und anderer Variablen (Alter, Geschlecht, T-Stadium, M Stadium, N-Stadium, G-Stadium); (C) Nomogramm der Risikoscores und traditionellen Prognosefaktoren.

Darüber hinaus führten wir multivariate COX-Regressionsanalysen zu Risikobewertungen und klinischen Faktoren durch, die die Prognose von PAAD-Patienten beeinflussen können, wie z. B. T-Stadium, Geschlecht, Alter und histologischer Grad. Die Ergebnisse zeigten, dass die Risikobewertungen unseres Prognosemodells dies sein könnten werden als unabhängige Risikofaktoren bei multivariater COX verwendet (Ergänzungsdatei 2: Tabelle S2).

Zusammenfassend lässt sich sagen, dass unser Modell in der Lage ist, die Prognose von Patienten mit Bauchspeicheldrüsenkrebs genau vorherzusagen.

Der Zusammenhang zwischen dem Risikoscore unseres etablierten Prognosemodells und den klinischen Merkmalen von TCGA-PAAD wurde ebenfalls untersucht. Die Verteilung der Risikowerte variierte erheblich je nach T-Stadium (Abb. 6A), N-Stadium (Abb. 6B), Alter (Abb. 6C) und Tumorrest (Abb. 6D).

Zusammenhang zwischen klinischen Merkmalen und Risikobewertungen im TCGA-PAAD-Datensatz; Korrelation zwischen klinischen Merkmalen und prognostischen Modellrisikowerten in TCGA-PAAD-Kohortendaten: (A) T-Stadium (T1 und T2 vs. T3 und T4), (B) N-Stadium (N0 vs. N1); (C) ALTER (Alter < 65 vs. Alter ≥ 65); (D) Resttumor (R0 vs. R1 und R2).

Es wurde festgestellt, dass Neutrophile, Th1-Zellen, Makrophagen und Th2-Zellen einen hohen Invasionsgrad aufwiesen, während PDC- und Th17-Zellen einen niedrigen Invasionsgrad aufwiesen (Abb. 7A). In ähnlicher Weise korrelierten Neutrophile, Th1-Zellen, Makrophagen und Th2-Zellen positiv mit ihren Risikowerten, wohingegen PDC- und Th17-Zellen negativ mit ihren Risikofaktoren korrelierten (Abb. 7B – G).

Zusammenhang zwischen Immuninfiltration und Risikobewertung im TCGA-PAAD-Datensatz, (A). Das Boxdiagramm zeigt den Grad der Infiltration von Immunzellen zwischen Hochrisiko- und Niedrigrisikogruppen (B–G). Streudiagramm der Immunzellinfiltration im Zusammenhang mit der Risikobewertung (H). Das Boxdiagramm zeigt den Grad der Immun-Checkpoint-Expression zwischen Hochrisiko- und Niedrigrisikogruppen.

In unserem Modell haben wir außerdem festgestellt, dass CD276, TNFSF4, CD44, CD80, CD70, CD274, TNFSF9, TNFRSF9, CD86, NRP1, PDCD1LG2, HAVCR2, CD40, HHLA2 und CD160 zwischen Hochrisiko- und Niedrigrisikopatienten unterschiedlich exprimiert werden . CD160 wurde in der Niedrigrisikogruppe stark exprimiert, während die anderen umgekehrt exprimiert waren (Abb. 7H). Darüber hinaus stellten wir fest, dass CD160 negativ mit einem Risikoscore korreliert, während die anderen positiv korreliert sind (Ergänzungsdatei 5: Abb. S1A – O).

Den Ergebnissen der RT-PCR zufolge beobachteten wir, dass PLAU, PKM und LDHA in PANC-1-Zellen im Vergleich zu hTERT-HPNE-Zellen stark exprimiert wurden (Abb. 8A – C). Die Expression von PKM und PLAU war in hypoxisch behandelten PANC-1-Zelllinien geringer als in unbehandelten Zellen, wohingegen die Expression von LDHA in hypoxisch behandelten PANC-1-Zelllinien höher war als in unbehandelten Zellen (Abb. 8D – F).

Das Gen wurde in PANC-1- und hTERT-HPNE-Zellen ((A) PLAU, (B) LDHA und (C) PKM) sowie in hypoxisch behandelten PANC-1-Zellen und unbehandelten PANC-1-Zellen ((D)) exprimiert. PLAU, (E) LDHA und (F) PKM).

Bauchspeicheldrüsenkrebs ist eine der tödlichsten bösartigen Erkrankungen18. Während sich die Überlebensraten bei anderen schweren Krebsarten erheblich verbessert haben, haben sich die Überlebensraten bei Bauchspeicheldrüsenkrebs nicht verbessert19. Bauchspeicheldrüsenkrebs wird normalerweise in einem fortgeschrittenen Stadium erkannt und die meisten Behandlungsmöglichkeiten sind unwirksam, was zu einer schlechten Prognose führt5. Der Bedarf an genauen prognostischen Informationen besteht nicht nur für Patienten, sondern auch für Ärzte, um aktive Behandlungsinterventionen zu wählen und einen signifikanten klinischen Nutzen zu erwarten. Daher ist ein zuverlässiges Prognosemodell erforderlich, um die Prognose von Patienten mit Bauchspeicheldrüsenkrebs vorherzusagen.

Für die Funktion und Erhaltung der aeroben Organe sind normale Sauerstoffkonzentrationen erforderlich20. Für die normale Funktion und Aufrechterhaltung der aeroben Organe innerhalb einer Organisation ist eine normale Sauerstoffkonzentration erforderlich21. Aufgrund des unkontrollierten Wachstums und der Vermehrung von Tumorzellen und abnormalen Tumorblutgefäßen werden jedoch große Mengen an Nährstoffen und Sauerstoff im Tumorgewebe verbraucht, was zu Hypoxie führt22. In Tumorgeweben kann sich das Gefäßnetzwerk nicht effizient und zeitnah bilden und das Neovaskularisationsnetzwerk weist strukturelle und funktionelle Anomalien auf23. Die oben erwähnte große Anzahl von Neovaskularisationen nicht funktionsfähiger oder funktionsgestörter Blutgefäße ist eine weitere wichtige Ursache für Hypoxie24. Die Transkriptionsfaktorfamilie des Hypoxie-induzierten Faktors (HIF) und ihre nachgeschalteten Signalwege sind in erster Linie für die Regulierung des Anpassungsprozesses verantwortlich, der in Tumorzellen unter hypoxischen Bedingungen abläuft25.

Mit der Entwicklung der Forschung in den letzten Jahren hat die Untersuchung von PAAD-Biomarkern, Prognosemarkern und Prognosemodellen immer mehr Aufmerksamkeit erhalten. Durch die Anreicherungsanalyse von Differenzialgenen aus GEPIA2 haben wir Hypoxie-bezogene Gene identifiziert und über das PPI-Netzwerk das Gen bestimmt, das direkt mit HIF1A zusammenhängt, das die wichtigste Rolle im Prozess der Tumorhypoxie spielt. Wir haben Hypoxie-bezogene Prognosegene (PLAU, PKM und LDHA) mithilfe des Ein-Faktor-Cox-Regressionsscreenings ausgewählt und Prognosemodelle mithilfe der Lasso-Analyse erstellt. Nach der Validierung und Analyse haben wir herausgefunden, dass unser Modell die Prognose von Patienten mit Bauchspeicheldrüsenkrebs genau vorhersagen kann. Die prädiktive Wirksamkeit dieses Modells (Fläche unter der ROC-Kurve) war laut unserer Studie größer als die herkömmlicher klinischer Prognosefaktoren. Wir haben auch festgestellt, dass unser Prognosemodell stark mit den klinischen Merkmalen korreliert, wobei höhere Risikowerte in den T- und N-Stadien und Tumorresten auf relativ bösartige Stadien und übermäßige Tumorreste hinweisen. Dies weist darauf hin, dass unser Modell für Kliniker hilfreich ist, um ihre prognostische Beurteilung von Patienten mit Bauchspeicheldrüsenkrebs zu verbessern, um die Behandlung von Bauchspeicheldrüsenkrebs effektiver und schneller abzuschließen und eine Auswahl prognostischer Interventionen bereitzustellen, von denen erwartet wird, dass sie das Überleben und die Prognose des Patienten erheblich verbessern Auswirkungen.

HIF-1 verbessert nicht nur die Sauerstoffversorgung durch Förderung der Angiogenese und Erythropoese, sondern passt sich auch an anoxische Umgebungen an, indem es den Stoffwechsel reguliert, um den Sauerstoffbedarf in den Zellen zu reduzieren. Beim Glukosestoffwechsel wandelt HIF-1 den oxidativen Stoffwechsel in Glykolyse um, indem es die Expression von Glykolyse fördert Enzyme, wodurch der Sauerstoffbedarf verringert wird26. PKM ist eines der Schlüsselenzyme bei der Umwandlung von Glucose in Pyruvat, und LDHA kann die Umwandlung von Pyruvat in Milchsäure katalysieren27,28. Es wurde festgestellt, dass diese Gene Sequenzen enthalten, die den HIF-1-Bindungsstellen in Erythropoetin-Enhancern ähneln29. Unter Hypoxiebedingungen kann HIF-1 den oxidativen Stoffwechsel in Glykolyse umwandeln und die Glykolyse verstärken, indem es die Expression der oben genannten Gene reguliert, um so den Sauerstoffbedarf zu reduzieren und eine normale Energieversorgung aufrechtzuerhalten und gleichzeitig Zellschäden zu hemmen, die durch Hypoxie-induzierte reaktive Sauerstoffspezies verursacht werden Generation30. PLAU kodiert für eine sekretorische Serinprotease, die Plasminogen in Plasminase umwandelt31. Es wurde auch festgestellt, dass PLAU an einer Reihe von Krebsarten beteiligt ist und bei einer Reihe von Krebsarten mit einer schlechten Prognose verbunden ist32; Einige experimentelle Studien haben gezeigt, dass eine Überexpression von PLAU mit einer schlechten Prognose von PAAD verbunden ist und eine wichtige Rolle bei der PAAD-Resistenz, -Invasion und -Migration spielt33. Allerdings ist die Rolle von PLAU im Anoxieprozess von Bauchspeicheldrüsenkrebs noch nicht ausreichend verstanden, und unsere Studie zielt darauf ab, diese Lücke zu schließen.

Das Fortschreiten und die Prognose des Tumors stehen in engem Zusammenhang mit der Infiltration von Immunzellen in der Mikroumgebung des Tumors17. Wir fanden heraus, dass Makrophagen, Neutrophile, Th1-Zellen, Th2-Zellen und Makrophagen in der Hochrisikogruppe aggressiver waren, wohingegen PDC- und Th17-Zellen weniger aggressiv waren. Die tumorimmune Mikroumgebung bei schnell fortschreitenden PAAD-Patienten ist häufig mit einer unzureichenden Infiltration von Immunzellen verbunden34. Makrophagen und Neutrophile fördern die Unterdrückung immunsuppressiver Zellen35. In unserer Studie kann eine erhöhte Infiltration dieser beiden Zelltypen bei Patienten mit hohem Hypoxierisiko die immunsuppressive Tumormikroumgebung erhöhen und das Fortschreiten von Bauchspeicheldrüsenkrebs fördern, was mit einer schlechten Prognose verbunden ist. Ein Immun-Checkpoint ist eine Reihe von Molekülen, die auf Immunzellen exprimiert werden und die Immunaktivierung regulieren36. Immun-Checkpoints spielen eine entscheidende Rolle bei der Krebsentstehung, indem sie die immunsuppressive Wirkung von Tumoren fördern37. Tumore können sich vor Angriffen schützen, indem sie Immun-Checkpoint-Ziele stimulieren38. Auch die Immuncheckpoints PD-L1, PD-L2 und CD276 waren in unserer Studie in der hyperhypoxischen Risikogruppe hochreguliert. Unser Modell begann mit hypoxiebezogenen Genen bei Bauchspeicheldrüsenkrebs und untersuchte gleichzeitig die Beziehung zwischen dem Modell und der Immunmikroumgebung, um die damit verbundene Immuninfiltration in Patientengruppen mit hohem und niedrigem Risiko zu untersuchen. Wir haben festgestellt, dass unser Hypoxie-bezogenes Genmodell stark mit der Immunmikroumgebung korreliert, was eine neuartige Methode zur Vorhersage der Prognose von Bauchspeicheldrüsenkrebs basierend auf der Tumormikroumgebung darstellt. Immun-Checkpoints sind eine Reihe von Molekülen, die auf Immunzellen exprimiert werden, den Grad der Immunaktivierung regulieren und eine wichtige Rolle bei der Verhinderung von Autoimmunität spielen (wenn die Immunfunktion fehlschlägt und gesunde Zellen angreift).

Darüber hinaus haben wir den Expressionsunterschied der drei Gene in Bauchspeicheldrüsenkrebszellen und normalen Pankreasgangepithelzellen durch RT-qPCR-Experimente überprüft und auch bestätigt, dass sich die Expression der drei Gene in Bauchspeicheldrüsenkrebszellen vor und nach Hypoxie unterschied, was darauf hinweist Diese drei Gene haben das Potenzial, Hypoxie-bedingte Prognosemarker für Bauchspeicheldrüsenkrebs zu werden.

Unser Modell hat das Potenzial, ein prognostisches Modell im Zusammenhang mit der Tumormikroumgebung von Bauchspeicheldrüsenkrebs zu sein und kann die Prognose von Patienten basierend auf dem Einfluss der Tumormikroumgebung auf Bauchspeicheldrüsenkrebs zuverlässig vorhersagen.

Menschliche Bauchspeicheldrüsenkrebszellen PANC-1 wurden von PROCELL erworben und menschliche normale Bauchspeicheldrüsengangszellen hTERT-HPNE wurden von CELL RESEARCH erworben. Beide Arten von Zellen wurden in der Probenbank des angegliederten Krankenhauses der Universität Qingdao mit flüssigem Stickstoff gelagert. Die Zellen wurden in DMEM-Medium mit hohem Glucosegehalt, ergänzt mit 10 % fötalem Rinderserum und 1 % Penicillin/Streptomycin (gekauft von Meilunbio), in einem feuchten Medium kultiviert Inkubator mit 5 % Kohlendioxid bei 37 °C. Mit Hypoxie behandelte PANC-1-Zellen wurden 24 Stunden lang in einem anoxischen Inkubator (Ruskinn Invivo2 400 Hypoxia Workstation) kultiviert.

Wir verwendeten die Online-Datenbank GEPIA239, um die unterschiedlich exprimierten Gene von Bauchspeicheldrüsenkrebs zu identifizieren, und verwendeten log2FoldChange (logFC) und P-Werte als Screeningbedingungen für unterschiedlich exprimierte Gene. Wir filtern nach P-Wert < 0,05 und | log2FC |> 1 Gen als Unterschied zwischen 2 Bedingungen: log2FC > 2,5 für hochreguliert, log2FC < − 2,5 für herunterreguliert. Anschließend wurden Vulkankarten verwendet, um diese unterschiedlichen Gene zu visualisieren.

Die Genontologie (GO) und die Kyoto Encyclopedia of Genes and Genomes (KEGG) können Gene anreichern und annotieren und verwandte Pfade finden. Die Genome wurden mit R. Main Package ClusterProfiler [Version 3.14.3] angereichert und analysiert; org.Hs.eg.db-Paket [Version 3.10.0]; und GOplot-Paket [Version 1.0.2]. Identifizierung der mit Hypoxie verbundenen Anreicherungswege und der angereicherten Gene.

Unser Trainingssatz bestand aus 178 PAAD-Proben aus den TCGA-Datenbanken (Ergänzungsdatei 3: Tabelle S3).

Frühere Untersuchungen zeigten, dass HIF1A eine entscheidende Rolle bei Hypoxie spielt40. Wir kartierten das PPI-Netzwerk von Hypoxie-bezogenen Genen nach Zeichenfolgen und suchten nach Genen, die direkt mit HIF1A als Schlüsselgenen assoziiert sind.

Für die oben genannten Schlüsselgene wurde eine Einzelfaktor-COX-Regression unter Verwendung des Pakets „survival“ durchgeführt. Bei Genen mit p < 0,05 wurden die beiden Gene mit dem niedrigsten p-Wert und das Gen mit der engsten Beziehung zu HIF1A (mit dem größten kombinierten Score) als Gene zur Erstellung des Prognosemodells ausgewählt. Das Prognosemodell wurde mithilfe der LASSO-Regression41 erstellt.

Die Risikobewertungen wurden basierend auf standardisierten PAAD-mRNA-Expressionsdaten in TCGA berechnet.

In dieser Studie wurde das R-Softwarepaket glmnet verwendet, um Überlebenszeit-, Überlebensstatus- und Genexpressionsdaten zu integrieren, und eine Regressionsanalyse wurde mit der Lasso-Cox-Methode durchgeführt. Darüber hinaus haben wir ein zehnfaches Kreuzvalidierungsverfahren implementiert, um das optimale Modell zu ermitteln. PAAD-Patienten wurden auf der Grundlage des mittleren Risikoscores für die OS-Überlebensanalyse in Hochrisiko- und Niedrigrisikogruppen eingeteilt. Mithilfe des Pakets „timeROC“ wurde eine ROC-Kurve entwickelt, um den prognostischen Effekt des Modells zu bewerten.

Um die Genauigkeit des etablierten Prognosemodells zu überprüfen, verwendeten wir GSE85916 und ICGC-PACA-AU als Verifizierungssatz (Ergänzungsdatei 4: Tabelle S4).

In der Zwischenzeit verwenden wir die Pakete „rms“ und „survival“, um die Auswirkung der Modellvorhersage auf das tatsächliche Ergebnis zu bewerten, indem wir die tatsächliche Wahrscheinlichkeit und die vom Modell in verschiedenen Situationen vorhergesagte Wahrscheinlichkeit im Diagramm darstellen.

Das „pROC“-Paket wurde dann verwendet, um ROC-Kurven für den Risikoscore und zugehörige klinische Variablen zu zeichnen, um zu bestimmen, ob unser Modell im Vergleich zu herkömmlichen Systemen zur Bewertung klinischer Prognosen eine höhere Vorhersagekraft für die Prognose aufweist.

Für klinisch-pathologische Parameter wie den histologischen Grad und das T-Stadium wurden multivariate Cox-Regressionsanalysen durchgeführt, um zu bewerten, ob das Risikobewertungssystem als unabhängiger Prädiktor verwendet werden könnte. Wir analysierten auch die Beziehung zwischen dem Risikoscore und den klinischen Merkmalen von TCGA-PAAD-Kohortenpatienten.

Auf der Grundlage des vom R-Paket GSVA bereitgestellten ssGSEA-Algorithmus wurde die dem Prognosemodell entsprechende Immuninfiltration unter Verwendung von 24 Arten von Immunzellmarkern aus dem Artikel „Immunität“21 berechnet.

Gleichzeitig wurde die Expression von Immun-Checkpoint-bezogenen Molekülen bei Patienten mit Bauchspeicheldrüsenkrebs bestimmt.

Die Gesamt-RNA wurde aus PANC-1, hTERT-HPNE und PANC-1 extrahiert, die 24 Stunden nach der Hypoxie unter Verwendung des anaeroben Inkubators kultiviert wurden. Die umgekehrte Transkription wurde mit dem PrimeScrip RT-PCR-Kit (Takara, Japan) durchgeführt und die RT-qPCR wurde auf einem Roche-Gerät mit SYBR PreMix Ex Taq (Takara, Japan) durchgeführt. Die in dieser Studie verwendeten Primersequenzen werden wie folgt angezeigt: PLAU vorwärts: GGGAATGGTCACTTTTACCGAG, PLAU rückwärts: GGGCATGGTACGTTTGCTG; GAPDH vorwärts: GGAGCGAGATCCCTCCAAAAT, GAPDH rückwärts: GGCTGTTGTCATACTTCTCATGG; PKM Vorwärts CTGAAGGCAGTGATGTGGCC, PKM Rückwärts ACCCGGAGGTCCACGTCCTC; LDHA Forward GGCCTGTGCCATCAGTA: LDHA Reverse CAAGCCACGTAGGTCAA.

Für die statistische Analyse wurden die Software SPSS 24.0 (IBM Corp., NY, USA) und GraphPad Prism 8 (GraphPad, USA) verwendet. Der Student-T-Test wurde verwendet, um den Unterschied in den Genen zu analysieren. |logFC|> 1 und P < 0,05 wurden als Schwellenwerte festgelegt, um die Bedeutung des differentiellen Expressionsgens auszuwählen. Es kamen univariate und multivariate COX-Analyse, der Log-Rank-Test und die logistische Regressionsanalyse zum Einsatz.

Die während dieser Studie verwendeten und/oder analysierten Datensätze sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Midha, S., Chawla, S. & Garg, PK Modifizierbare und nicht veränderbare Risikofaktoren für Bauchspeicheldrüsenkrebs: Eine Übersicht. Krebs Lett. 381(1), 269–277 (2016).

Artikel CAS PubMed Google Scholar

Huang, S. et al. Das Interferon-Alpha-induzierbare Protein 27 (IFI27) ist ein prognostischer Marker für Bauchspeicheldrüsenkrebs, der auf einer umfassenden bioinformatischen Analyse basiert. Biotechnologisch https://doi.org/10.1080/21655979.2021.1985858 (2021).

Artikel PubMed PubMed Central Google Scholar

Cao, F., Li, J., Li, A. & Li, F. Radikale antegrade modulare Pankreatosplenektomie im Vergleich zum Standardverfahren bei der Behandlung von linksseitigem Bauchspeicheldrüsenkrebs: Eine systemische Überprüfung und Metaanalyse. BMC Surg. 17(1), 67 (2017).

Artikel PubMed PubMed Central Google Scholar

Koller, M. et al. Datengesteuerte Priorisierung und Überprüfung von Zielen für molekularbasierte theranostische Ansätze bei Bauchspeicheldrüsenkrebs. J. Nucl. Med. 58(12), 1899–1903 (2017).

Artikel PubMed Google Scholar

Ansari, D. et al. Bauchspeicheldrüsenkrebs: Gestern, heute und morgen. Zukünftige Onkol. https://doi.org/10.2217/fon-2016-0010 (2016).

Artikel PubMed Google Scholar

Grossberg, AJ et al. Multidisziplinäre Behandlungsstandards und jüngste Fortschritte beim duktalen Adenokarzinom des Pankreas. CA Cancer J. Clin. 70(5), 375–403 (2020).

Artikel PubMed PubMed Central Google Scholar

Dougan, SK Die Mikroumgebung von Bauchspeicheldrüsenkrebs. Krebs J. https://doi.org/10.1097/PPO.0000000000000288 (2017).

Artikel PubMed Google Scholar

Morrison, AH, Byrne, KT & Vonderheide, RH Immuntherapie und Prävention von Bauchspeicheldrüsenkrebs. Trends Cancer 4(6), 418–428 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Huber, MBC et al. Die Immunmikroumgebung bei Bauchspeicheldrüsenkrebs. Int. J. Mol. Wissenschaft. https://doi.org/10.3390/ijms21197307 (2020).

Artikel PubMed PubMed Central Google Scholar

Schwartz, DL et al. Radiosensibilisierung und stromale Bildgebungsreaktion korrelieren für den HIF-1-Inhibitor PX-478, der mit oder ohne Chemotherapie bei Bauchspeicheldrüsenkrebs verabreicht wird. Mol. Krebs Ther. 9(7), 2057–2067 (2010).

Artikel CAS PubMed PubMed Central Google Scholar

Huang, C. et al. Dermokin trägt zum epithelial-mesenchymalen Übergang durch erhöhte Aktivierung des Signalwandlers und Aktivators der Transkription 3 bei Bauchspeicheldrüsenkrebs bei. Krebswissenschaft. 108(11), 2130–2141 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Minchenko, OH, Tsuchihara, K., Minchenko, DO, Bikfalvi, A. & Esumi, H. Mechanismen der Regulierung der PFKFB-Expression in Bauchspeicheldrüsen- und Magenkrebszellen. Welt J. Gastroenterol. 20(38), 13705–13717 (2014).

Artikel CAS PubMed PubMed Central Google Scholar

Mizrahi, JD, Surana, R., Valle, JW & Shroff, RT Bauchspeicheldrüsenkrebs. Lancet 395(10242), 2008–2020 (2020).

Artikel CAS PubMed Google Scholar

Neoptolemos, JP et al. Therapeutische Entwicklungen bei Bauchspeicheldrüsenkrebs: Aktuelle und zukünftige Perspektiven. Nat. Rev. Gastroenterol. Hepatol. 15(6), 333–348 (2018).

Artikel PubMed Google Scholar

Mohammed, S., Van Buren, G. II. & Fisher, WE Bauchspeicheldrüsenkrebs: Fortschritte in der Behandlung. Welt J. Gastroenterol. 20(28), 9354–60 (2014).

PubMed PubMed Central Google Scholar

Mantovani, A. et al. Regulationswege bei Entzündungen. Autoimmun. Rev. 7(1), 8–11 (2007).

Artikel CAS PubMed Google Scholar

Padoan, A., Plebani, M. & Basso, D. Entzündung und Bauchspeicheldrüsenkrebs: Fokus auf Stoffwechsel, Zytokine und Immunität. Int. J. Mol. Wissenschaft. 20(3), 676 (2019).

Artikel CAS PubMed PubMed Central Google Scholar

Vincent, A., Herman, J., Schulick, R., Hruban, RH & Goggins, M. Bauchspeicheldrüsenkrebs. Lancet 378(9791), 607–620 (2011).

Artikel PubMed PubMed Central Google Scholar

Collisson, EA, Bailey, P., Chang, DK & Biankin, AV Molekulare Subtypen von Bauchspeicheldrüsenkrebs. Nat. Rev. Gastroenterol. Hepatol. 16(4), 207–220 (2019).

Artikel PubMed Google Scholar

Chen, D. et al. Entwicklung und Überprüfung der Hypoxie- und immunassoziierten prognostischen Signatur für das duktale Adenokarzinom des Pankreas. Vorderseite. Immunol. 12, 728062 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Garcea, G., Doucas, H., Steward, WP, Dennison, AR & Berry, DP Hypoxie und Angiogenese bei Bauchspeicheldrüsenkrebs. ANZ J. Surg. 76(9), 830–842 (2006).

Artikel PubMed Google Scholar

Hao, X., Ren, Y., Feng, M., Wang, Q. & Wang, Y. Stoffwechselumprogrammierung aufgrund von Hypoxie bei Bauchspeicheldrüsenkrebs: Auswirkungen auf Tumorbildung, Immunität und mehr. Biomed. Pharmakotherapeut. 141, 111798 (2021).

Artikel CAS PubMed Google Scholar

Tao, J. et al. Bekämpfung der hypoxischen Tumormikroumgebung bei Bauchspeicheldrüsenkrebs. J. Hämatol. Oncol. 14(1), 14 (2021).

Artikel PubMed PubMed Central Google Scholar

Feig, C. et al. Die Mikroumgebung von Bauchspeicheldrüsenkrebs. Klin. Krebs Res. 18(16), 4266–4276 (2012).

Artikel CAS PubMed PubMed Central Google Scholar

Shah, VM, Sheppard, BC, Sears, RC & Alani, AW Hypoxie: Freund oder Feind der Medikamentenverabreichung bei Bauchspeicheldrüsenkrebs. Krebs Lett. 492, 63–70 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Albadari, N., Deng, S. & Li, W. Die Transkriptionsfaktoren HIF-1 und HIF-2 und ihre neuartigen Inhibitoren in der Krebstherapie. Expertenmeinung. Arzneimittelentdeckung. 14(7), 667–682 (2019).

Artikel CAS PubMed PubMed Central Google Scholar

Wang, XH, Jiang, ZH, Yang, HM, Zhang, Y. & Klin. Übers. Med. 11(1), e279 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Massari, F. et al. Stoffwechselphänotyp von Blasenkrebs. Krebs behandeln. Rev. 45, 46–57 (2016).

Artikel CAS PubMed Google Scholar

Balamurugan, K. HIF-1 an der Schnittstelle von Hypoxie, Entzündung und Krebs. Int. J. Cancer 138(5), 1058–1066 (2016).

Artikel CAS PubMed Google Scholar

Korbecki, J. et al. Chronische und zyklische Hypoxie: Treiber chronischer Krebsentzündungen durch HIF-1- und NF-kappaB-Aktivierung: Ein Überblick über die molekularen Mechanismen. Int. J. Mol. Wissenschaft. 22(19), 10701 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Gao, Y., Ma, X., Lu, H., Xu, P. & Oncol. Rep. https://doi.org/10.3892/or.2022.8462 (2023).

Artikel PubMed PubMed Central Google Scholar

Wang, H., Lu, L., Liang, X. & Chen, Y. Identifizierung prognostischer Gene in der Immunmikroumgebung des Pankreas-Adenokarzinoms durch integrierte bioinformatische Analyse. Krebsimmunol. Immunander. 71(7), 1757–1769 (2022).

Artikel CAS PubMed Google Scholar

Hosen, SMZ et al. Metastatischer Phänotyp und immunsuppressive Tumormikroumgebung beim duktalen Adenokarzinom des Pankreas: Schlüsselrolle des Urokinase-Plasminogenaktivators (PLAU). Vorderseite. Immunol. 13, 1060957 (2022).

Artikel CAS PubMed PubMed Central Google Scholar

Balli, D., Rech, AJ, Stanger, BZ & Vonderheide, RH Die immunzytolytische Aktivität stratifiziert molekulare Untergruppen des menschlichen Bauchspeicheldrüsenkrebses. Klin. Krebs Res. 23(12), 3129–3138 (2017).

Artikel CAS PubMed Google Scholar

Bindea, G. et al. Die räumlich-zeitliche Dynamik intratumoraler Immunzellen enthüllt die Immunlandschaft bei menschlichem Krebs. Immunität 39(4), 782–795 (2013).

Artikel CAS PubMed Google Scholar

Hashimoto, S. et al. ARF6 und AMAP1 sind Hauptziele von KRAS- und TP53-Mutationen, um die Invasion, die PD-L1-Dynamik und die Immunumgehung von Bauchspeicheldrüsenkrebs zu fördern. Proz. Natl. Acad. Wissenschaft. USA 116(35), 17450–17459 (2019).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Li, Y. et al. Aufklärung von LGALS1 als potenziellem Immun-Checkpoint und Prädiktor für die Reaktion auf eine Anti-PD1-Therapie bei klarzelligem Nierenkarzinom. Pathol. Oncol. Res. 26(3), 1451–1458 (2020).

Artikel CAS PubMed Google Scholar

Henriksen, A., Dyhl-Polk, A., Chen, I. & Nielsen, D. Checkpoint-Inhibitoren bei Bauchspeicheldrüsenkrebs. Krebs behandeln. Rev. 78, 17–30 (2019).

Artikel CAS PubMed Google Scholar

Tang, Z. et al. GEPIA: Ein Webserver für Krebs- und normale Genexpressionsprofile und interaktive Analysen. Nukleinsäuren Res. 45(W1), W98–W102 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Semenza, GL HIF-1 und Mechanismen der Hypoxieerkennung. Zellreg. https://doi.org/10.1016/S0955-0674(00)00194-0 (2001).

Artikel Google Scholar

Shen, W. et al. Sangerbox: Eine umfassende, interaktionsfreundliche klinische Bioinformatik-Analyseplattform. iMeta https://doi.org/10.1002/imt2.36 (2022).

Artikel Google Scholar

Referenzen herunterladen

Diese Arbeit wurde von der National Natural Science Foundation of China, 52075277, finanziert.

Abteilung für hepatobiliäre Pankreaschirurgie, angegliedertes Krankenhaus der Universität Qingdao, 16 Jiangsu Road, Qingdao, Shandong, Volksrepublik China

Yangdong Wu, Qingyan Kou und Xiao Hu

Abteilung für Intensivstation, angegliedertes Krankenhaus der Universität Qingdao, Qingdao, China

Lin Sun

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

YW führte eine bioinformatische Analyse sowie eine RT-qPCR durch; YW und QK haben den Haupttext des Manuskripts fertig geschrieben; LS-kultivierte verwandte Zelllinien; XH liefert Forschungsideen und leitet hauptsächlich die Forschung.

Korrespondenz mit Xiao Hu.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Wu, Y., Kou, Q., Sun, L. et al. Auswirkungen des anoxischen Prognosemodells auf die Immunmikroumgebung bei Bauchspeicheldrüsenkrebs. Sci Rep 13, 9104 (2023). https://doi.org/10.1038/s41598-023-36413-9

Zitat herunterladen

Eingegangen: 11. März 2023

Angenommen: 03. Juni 2023

Veröffentlicht: 05. Juni 2023

DOI: https://doi.org/10.1038/s41598-023-36413-9

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.