早！今天小编分享一篇2022年1月10日发表在frontiers in Cell and Developmental Biology（影响因子 6.684）《Prognosis and Immunotherapy Response With a Novel Golgi Apparatus Signature-Based Formula in Lung Adenocarcinoma》。高尔基体（GA）是一个细胞器，参与包装、修饰和运输来自内质网的蛋白质和脂质，以便在提交给其他细胞成分之前进一步制造。最近的研究表明，GA促进了癌症发展中的许多细胞过程。因此，本研究旨在建立一个基于GA基因特征的新型肺腺癌（LUAD）风险评估模型。
我们从训练组中选出500名LUAD患者，从验证组中选出967名LUAD患者。这些患者的详细临床特征总结于表1。该研究的流程图见图1。
差异表达和高尔基体相关的基因
在训练组中，根据Log2Fc<-1或>1和P<0.05，应用Wilcoxon检验，我们在LUAD和邻近的正常组织之间确定了353/1,608个GA相关的DEGs。Log2Fc>1和Log2Fc<-1分别表示上调和下调的基因，我们发现212个上调和141个下调的GA相关基因（图2A）。
高尔基体相关的差异表达基因的功能分析
通过GO富集分析，我们确定了GA相关基因明显富集的最明显的GO类别。最明显改变的GA相关基因涉及糖蛋白代谢过程（图2B）。随后，我们进行了KEGG分析，确定了GA相关基因显著富集的顶级KEGG类别。这些改变的GA相关基因大多与粘蛋白型O-聚糖的生物合成有关（图2C）。
高尔基体基因相关风险评分的预测能力
共有11,047个基因被共同表达，其中353个与GA相关的DEG中的242个被选中。然后将这242个基因用于单变量的Cox回归分析。共确定了86个预后基因。为了避免预后模型的过度拟合，进行了LASSO回归分析（图3A,B）。最后，选择了14个基因并将其纳入风险评分公式。根据最佳的截止值，151名和349名患者分别被归入高GARS和低GARS组（图3C-E）。Kaplan-Meier生存分析显示，高GARS组的OS低于低GARS组（危险比（HR）=3.07；95% CI 2.29-4.12；P < 0.0001）。预测1年、3年和5年OS的曲线下面积（AUC）分别为0.720、0.727和0.726（图3F、G）。这些结果表明，基于这14个基因的风险模型在预测LUAD患者的OS方面具有很高的准确性。
高尔基体基因相关风险评分公式的稳定性
为了检查由训练集开发的GARS的稳定性，还根据与TCGA队列相同的截止值和风险公式，将验证集（GSE50081、GSE68465和GSE72094）中的患者分为高和低GARS组。结果显示，高GARS组的OS明显低于低GARS组（图4B，D，F）。在GSE50081中，预测1年、3年和5年OS的AUC分别为0.736、0.714和0.733（HR=3.27；95%CI=1.84-5.79；P＜0.0001）（图4A）。在GSE68465组中，预测1年、3年和5年OS的AUC分别为0.669、0.663和0.62（HR = 1.60；95% CI = 1.23-2.10；P < 0.001）（图4C）。在GSE72094队列中，相应的AUCs分别为0.728、0.655和0.637（HR = 2.74；95% CI = 1.89-3.97；P < 0.0001）（图4E）。
用高尔基体基因相关的风险评分公式对不同阶段进行亚组分析
目前，LUAD的治疗通常基于临床分期。然而，同一阶段的患者的预后是有差异的。因此，我们分析了TCGA-LUAD数据库中不同阶段与GARS之间的关联。GARS准确地识别了不同预后的IA期LUAD患者（HR = 2.93；95% CI 1.28-6.71；P < 0.01）（图5A）。此外，GARS在IB至IIIA阶段仍然有效（图5B-E）。然而，它并没有区分IIIB期和IV期LUAD患者的预后（图5F,G）。这可能是由于这些群体的人口较少。此外，上述结果也在森林图中得到说明（图5H）。
高风险评分组与低风险评分组之间的功能分析
进一步分析低GARS组和高GARS组之间的GO富集途径的差异，发现差异最大的途径是体液免疫反应、质膜外侧和抗原结合（图6A；补充表S2A）。我们还分析了低GARS组和高GARS组之间KEGG富集途径的差异，表明补体和凝血级联是最重要的途径（图6B）。这可能是高GARS组的OS较低的一个潜在原因。
高尔基体基因相关风险评分相关突变景观的鉴定
对高、低GARS组的突变景观进行了比较。结果显示，更多的突变事件发生在高GA评分的样本中，TP53和TTN突变是这些样本中最主要的改变（图6C,D）。
免疫状态分析
调查了TCGA队列中患者的GARS和免疫状态之间的关系。免疫细胞有明显的改变（图7A）。免疫相关的途径也有明显差异，包括CCR、HLA、T CELL共抑制、T细胞共刺激和II型IFN反应。随后，我们比较了高GARS组和低GARS组的免疫检查点相关基因的表达。在这项研究中，我们发现ICOS、ADORA2A、CD27 IDO2、LGALS9、CD80、BTNL2、BD86、CD160、TNFRSF25、CTLA4、TNFRSF14、CD28、CD48、BTLA、TNFRSF4、CD200R1、CD40LG、TIGHT、TNFSF15、TNFSF18、KIR3DL1、TNFSF14和CD244在高GARS组明显降低（图 7C）。肿瘤免疫微环境也用免疫评分、ESTIMATE评分和基质评分来评估，这也说明了GARS和免疫反应之间的负相关关系（图7D）。这些结果表明，低GARS组的肿瘤免疫活动比高GARS组更强。
免疫治疗分析
由于GARS与免疫状态之间存在高度的免疫联系，我们进一步估计了GARS与免疫治疗的预后预测价值。令人惊讶的是，GARS不仅与PD-1和CTLA4的IPS评分相关，而且还与接受PD-1/PD-L1治疗的肺癌患者的预后相关（图7E-I）。
不同高尔基体基因相关风险评分的患者对抗肺癌药物敏感性的比较
LUAD的不同分子亚型应指导临床决策。因此，在高和低GARS组之间比较对9种常见抗LUAD药物的敏感性，以确定潜在的治疗方式。结果显示，顺铂、多西紫杉醇、厄洛替尼、依托泊苷、吉西他滨、紫杉醇、雷帕霉素、索拉非尼和维诺雷宾的IC50s在GARS较高的患者中明显较高（图8A-I）。根据美国国家综合癌症网络（NCCN; https://www.nccn.org）的NSCLC指南，这些药物几乎包括所有用于治疗LUAD患者的常用药物。这充分显示了GARS的价值。
高尔基体基因相关风险评分相关列线图的构建和验证
根据注意到的参数，包括年龄、阶段、性别和GARS，建立了一个提名图。如提名图所示，每个风险因素都与一个特定的分数相关，计算出的分数可以准确预测1年、3年和5年生存率的预后（图9A-D）。这也为GARS提供了一个合适的临床应用场景。
