嘿！是你還在苦于沒有濕實驗發(fā)不了高分嗎？

來布小谷公眾號看看吧！

這里有新鮮出爐的生信熱點方向、還有一茬接一茬的創(chuàng)新型思路····

抗PD1，PDL1免疫治療已經成為腫瘤治療中不可或缺的一環(huán)。近年來，越來越多的研究證明，長鏈非編碼RNA（lncRNA）在免疫治療中發(fā)揮著重要的作用。選擇腫瘤免疫治療相關lncRNA作為分析方向具有多重優(yōu)勢。首先，lncRNA在免疫治療中扮演著重要角色，其參與了許多免疫調節(jié)并可以調控腫瘤免疫逃逸及免疫檢查點抑制劑的療效。其次，采用以lncRNA為標志物的干濕結合思路，提高研究效率和準確性的同時進一步驗證數據分析結果的可信度和科學性，充實研究成果并得出更加可靠的結論。此外，通過高通量測序分析，可以同時發(fā)現多個lncRNA標志物，提高預測模型精確度。通過采用這一系列創(chuàng)新性的思路，實現對膀胱癌患者免疫療法反應和藥物候選品的預測。

題目：鑒定免疫療法相關的lncRNA特征，以預測膀胱癌的預后，免疫療法反應和候選藥物

雜志：BMC Cancer

影響因子：IF=4.638

發(fā)表時間：2023年4月

研究背景

膀胱癌（BC）是全球最常見的惡性疾病之一，也是癌癥死亡的最常見原因。免疫療法為膀胱腫瘤的精準治療開辟了新的途徑，免疫檢查點抑制劑（ICIs）徹底改變了膀胱腫瘤的臨床治療策略。此外，長鏈非編碼RNA（lncRNA）在調節(jié)腫瘤發(fā)展和免疫治療效果方面起著重要作用。

數據來源

研究思路

從IMvigor210數據集中獲得了抗PD-L1治療應答與無應答有顯著差異的基因，并結合TCGA隊列中的膀胱癌表達數據，獲得了免疫治療相關的lncRNA?；谶@些lncRNA，構建膀胱癌預后風險模型，并通過GEO外部數據集進行驗證。分析了高危人群和低危人群免疫細胞浸潤的特征及免疫治療效果。此外還預測了ceRNA網絡，并對關鍵靶蛋白進行了分子對接。功能實驗驗證了SBF2-AS1的功能。

主要結果

1.?基于免疫治療相關lncRNA構建風險評分

使用R包DESeq2對IMvigor210數據集篩選出對PD-L1阻滯劑的應答和無應答之間存在顯著差異的基因（圖1）。在線工具分別篩選5個數據集中的差異表達基因，取交集后獲得1450個DEGs（圖1A）。然后，將上述基因與TCGA膀胱癌中的lncRNA取交集，獲得6個lncRNA（圖1B）。進行多因素Cox回歸分析，最終鑒定了三種與免疫治療相關的lncRNA來構建風險模型，包括TFAP2A-AS1、SBF2-AS1和RRN3P2（圖1C）

2.?腫瘤微環(huán)境與免疫治療分析

腫瘤微環(huán)境（TME）不僅是腫瘤細胞、免疫浸潤細胞、基質細胞和細胞外成分的復雜組合，也是腫瘤-免疫相互作用的關鍵因素。作者使用了R包ESTIMATE分析了高危組和低危組TME組成的差異。結果顯示，高危組腫瘤純度顯著高于低危組，低危組ESTIMATEScore、免疫評分和基質評分顯著低于高危組（圖2A-D）。使用ssGSEA算法基于不同的免疫細胞類型和免疫功能研究高風險和低風險群體之間的免疫浸潤水平，發(fā)現低危組多數免疫浸潤細胞和免疫功能明顯下降（圖2E）。（ps：腫瘤微環(huán)境分析、免疫浸潤分析也可以用布小谷推薦的零代碼生信分析小工具實現，云生信分析工具平臺包含超多零代碼分析和繪圖小工具，上傳數據一鍵出圖，感興趣的小伙伴歡迎來嘗試喲，網址：http://www.biocloudservice.com/home.html）。

3.?藥物敏感性分析

為了探索藥物在膀胱癌化療中的潛在用途，作者評估了高危組和低危組化療藥物的半數抑制濃度（IC50）。結果顯示，高危組和低危組對不同的免疫抑制劑IC50存在差異（圖3A），具有一定的臨床借鑒價值。利用cellMiner數據庫分析基因與藥物敏感性的相關性，發(fā)現RRN3P2與大多數藥物敏感性呈正相關，即RRN3P2的表達越強，患者對這些藥物的敏感性越強（圖3B）

4.?基于免疫治療相關lncRNA和mRNA的ceRNA網絡的構建與驗證

根據ceRNA網絡機制理論，lncRNA可以通過與miRNA相互作用來調節(jié)mRNA的表達。利用LncATLAS進行ceRNA關系對預測，數據庫通過對免疫治療相關lncRNA細胞的定位分析發(fā)現，SBF2-AS1主要位于細胞質中（圖4A）。通過LncACTdb和ENCORI數據庫進一步預測了SBF2-AS1調控的mRNA和miRNA，并將預測的免疫治療差異基因的mRNA和Imvigor210數據集相交，得到了兩個mRNA，即ATP2C1和HNRNPA2B1（圖4B）。

5. HNRNPA2B1與小分子藥物的分子對接姿勢

結合上述發(fā)現和已有研究，靶向HNRNPA2B1可以降低癌細胞對內分泌治療的耐藥性。使用MOE軟件模擬HNRNPA2B1與小分子藥物的結合姿勢將HNRNPA2B1與小分子對接，找到靶向HNRNPA2B1的8種小分子藥物（圖5A-H）。藥物預測使結果更豐富，更具有臨床應用價值。

6. SBF2-AS1敲低抑制膀胱癌細胞的增殖和遷移

通過HPA數據庫驗證了HNRNPA2B1在正常組織和腫瘤組織中的蛋白表達水平，發(fā)現HNRNPA2B1在正常組織中而且在腫瘤組織中都高表達，并且在腫瘤組織中的表達水平較高（圖6A）。為了研究SBF2-AS1在膀胱癌細胞中的作用，設計了siRNA來沉默T24和UC3細胞中的SBF24-AS3表達。隨后，對轉染si-SBF2-AS1的T24和UC3細胞進行CCK1，Transwell和集落形成測定。結果表明，敲低SBF2-AS1的表達可以抑制膀胱癌細胞的增殖、遷移和侵襲（圖6C-D）。

文章小結

本篇文章介紹了腫瘤免疫治療的現狀和存在的挑戰(zhàn)，發(fā)現了與免疫治療相關lncRNA，并通過建立相關的模型對腫瘤患者的預后、免疫治療反應和候選藥物進行了預測。整篇文章邏輯嚴謹，行文流暢，巧妙利用了TCGA，LncACTdb和ENCORI等數據庫資源，豐富了文章內容，從數據分析，在線資源和濕實驗驗證角度驗證假設。感興趣的朋友，碼住這個設計思路行動起來吧！