今天给大家分享一篇简单易学的！它发表在Onco Targets Ther(IF=3.046)上的文章IFI30 Is a Novel Immune-Related Target with Predicting Value of Prognosis and Treatment Response in Glioblastoma，作者根据IFN-γ刺激基因，筛选出IFI30并证明其可作为胶质母细胞瘤治疗的新靶点。
标题：IFI30 Is a Novel Immune-Related Target with Predicting Value of Prognosis and Treatment Response in Glioblastoma
IFI30可预测胶质母细胞瘤的预后和治疗应答，是一种新的免疫相关靶点
一. 研究背景
胶质母细胞瘤的肿瘤微环境复杂，其中免疫细胞是肿瘤恶性程度的调节因子，而干扰素(IFN)是公认的调节免疫应答的重要家族，且IFN-α/β已广泛应用于恶性胶质瘤的治疗，而IFN-γ在GBM中可能起着不同的作用，作者基于此展开研究。
二. 分析流程
三. 结果解读
1. ISGs在胶质瘤中表达失调
作者首先挑选了20个经典的IFN-γ刺激基因(ISG)，探讨其在胶质瘤中的预后价值。
图1. (A,B)胶质瘤ISGs差异表达
A图：(数据来源：CGGA) 由RNA测序绘制出的ISGs表达水平的热图
B图：(数据来源：TCGA) 由RNA测序绘制出的ISGs表达水平的热图
作者将患者按生存期长短分为两组，并分析ISG的表达差异，发现短生存期分别有7个(CGGA)和9个(TCGA)ISG显著上调，其中有5个交叉基因(ISG20，IFI30，IFI44，IFITM2，IFITM3)，他们可能与胶质瘤的预后不良相关。
2. IFI30被认为是GBM中具有预后价值的最重要ISG基因
D图：(数据来源：TCGA RNA-seq) 不同基因高/低表达的对数秩生存分析森林图
为了找出一个预后最稳定的ISG，作者对低级胶质瘤(LGG)和胶质母细胞瘤(GBM)进行对数秩生存分析，结果显示只有IFI30具有稳定的预后值。
【注：在补充图中，作者验证IFI30表达水平较高的患者总生存期较短。】
为了进一步评估IFI是否可作为独立预后因素，作者进行单因素和多因素cox回归分析(表1)，结果表明其可作为一个可靠的独立因素。
3. IFI30的表达与GBM的恶性亚型相关
D-F图：IFI30在不同亚型内的表达情况
G-I图：预测间充质亚型胶质瘤的ROC曲线
J图：不同级别胶质瘤的免疫组化分析
作者运用三种数据库分析(CGGA RNA-seq、TCGA RNA-seq、CGGA microarray)，发现IFI30的表达与WHO的评分呈正相关(图2A-C)，随后利用免疫组化进一步验证IFI30在胶质瘤的侵袭性亚型中优先表达，可能与胶质瘤的恶性程度有关(图2J)。
此外，作者还发现IFI30在IDH1野生型、MGMT启动子未甲基化以及间充质亚型的胶质瘤中表达更高(图2D-F)，而ROC曲线分析证实其可作为间充质亚型良好的预测因子(图2G-I)。 【注：IDH1突变和MGMT启动子甲基化是导致恶性肿瘤发生的两个主要因素，但IFI30表达反而降低，似乎与结论矛盾，因此作者随后探讨IFI30在其中的预测价值。】4. IDH1和MGMT启动子状态对GBM中IFI30的预测价值的影响
图3. IFI30的生存分析曲线
A-L图：生存分析以揭示IFI30的预后价值与IDH1和MGMT启动子状态之间的关系。
在IDH1野生型患者中，IFI30低表达与高表达组均存在显著生存差异(TCGA RNA-seq除外)，而在IDH1突变患者中无统计学上差异；类似的，MGMT启动子甲基化患者中，IFI30低表达与高表达组均存在显著生存差异，而在MGMT启动子未甲基化的患者中无明显差异。5. IFI30高表达的特异性体细胞突变和拷贝数改变
B图：IFI30高/低表达的30组差异突变基因
在高表达组中，RB1中显示出高突变频率，而在低表达组中，IDH1、ATRX、PDGFRA和MROH2B突变频率更高。
C图：IFI30高/低表达的基因拷贝数变异总体水平
D图：IFI30高/低表达的基因拷贝数变异差异水平
高表达组存在5号、22号和X号染色体部分片段扩增和8号染色体部分片段缺失。虽然两组间1p和19q等重要染色体片段的拷贝数无显著差异，但IFI30高表达扩增的基因，如NRIP1和SSBP2，可能促进了胶质瘤恶性程度。
6. IFI30高表达导致GBM化疗耐药
接下来作者进行不同条件下的生存分析，以探究IFI30表达与治疗反应的关系。
图5. IFI30降低GBM的化疗敏感性
A图：接受化疗的GBM患者中，IFI30低表达组具有生存优势
B图：未接受化疗的GBM患者中，两组之间无统计学差异
C图：在IFI30低表达组中，接受化疗的患者存活时间更长
D图：在IFI30高表达组中，化疗的治疗效益不佳
E-F图：无论是否化疗，仅IFI低水平+MGMT启动子甲基化的患者相对于未甲基化组具有生存优势
G-H图：在MGMT启动子甲基化情况下，IFI低水平组化疗的治疗效益更佳
7. IFI30参与了GBM细胞的恶性表型和耐药性
B图：不同浓度的IFN-γ诱导IFI30表达情况的柱状图
C图：qPCR验证两个siRNA的敲除效率
D图：细胞的侵袭和迁移实验
E图：不同浓度的TMZ对细胞的抑制作用
F图：(数据来源：CGGA RNA-seq) GSEA分析
G图：WB实验证实敲除IFI30基因降低了IL6和STAT6的表达
作者发现U87细胞株中IFI30 mRNA含量最高(图6A)，并在U87细胞株中验证了IFN-γ可显著诱导IFI30的过度表达(图6B)。随后构建siRNA并由qPCR验证(图6C)，并在体外细胞实验证实IFI30可促进细胞的侵袭和迁移(图6D)。
作者用不同浓度TMZ处理细胞以验证IFI30对细胞耐药性的作用(图6E)，并用GSEA研究IFI30介导的分子机制，发现IL6和STAT信号通路富集(图6F)，最后利用WB实验证实敲除IFI30可抑制IF6和STAT6的表达(图6G)，即IFI30可能通过促进IF6和STAT6表达，促进GBM化疗耐受性。
8. IFI30与白细胞介导的免疫反应增强以及免疫微环境相关
随后作者为了确定与IFI30高表达最相关的生物学过程，总结了一个IFI30相关基因群。
图7. 与IFI30相关的微环境分析和生物功能
A图：(数据来源：CGGA RNA-seq) 对IFI30相关基因的GO分析
分析表明这些基因在巨噬细胞分化和单核细胞迁移的调节中富集。
B图：(数据来源：CGGA RNA-seq) GSEA 分析验证IFI30生物学功能
高表达组的免疫应答和白细胞介导的免疫调节增强。
C图：IFI30与免疫相关基因簇的关系热图
由于IFI30与活化免疫应答相关，作者进一步研究了IFI30与各种刺激活性信号的相关性，发现其参与巨噬细胞活化、T细胞相关信号转导和抗原提呈细胞过程。
D图：(数据来源：CGGA) CIBERSORT算法证实IFI30与巨噬细胞相关
M0巨噬细胞在高表达组中显著富集。
E图：(数据来源：TCGA) CIBERSORT算法证实IFI30与巨噬细胞相关
M2巨噬细胞在高表达组中显著富集。
F图：免疫荧光法检验IFI30和CD163
CD163为M2巨噬细胞标记物，与IFI30协同定位和表达。
G图：(数据来源：CGGA) IFI30与免疫抑制检查点的关系图
IFI30与HAVCR2(也成为粘蛋白结构域3)高度相关。
这些结果表明IFI30在调节导致胶质瘤恶性进展的免疫微环境中起着关键作用。作者通过TCGA、CCGA数据库，筛选出胶质瘤中差异表达的IFN-γ刺激基因，随后通过对数秩生存分析进一步挑选出预后稳定的IFI30，并研究其生物学功能，发现其可以增强免疫反应，影响肿瘤微环境，并与肿瘤恶性表型以及化疗耐药相关，是一个良好的预测变量，但IDH1突变或MGMT启动子未甲基化会导致其预测价值降低。
之前我们也推送过单基因研究的生信套路：手把手零代码复现一篇单基因5分SCI、单基因生信加点免疫组化，4分sci等你来发！
往期推荐：
1.如何用RNA结合蛋白思路一月之内连发3篇纯生信SCI，IF累计过10？
2.表观遗传结合转录组学在早期肺癌中的纯生信研究发专业顶刊(IF=9.657)
3.胃癌中M6A调节因子介导的甲基化修饰模式与肿瘤微环境浸润特征(IF:15.9)
4.基于DNA甲基化驱动基因构建胃癌预后列线图模型(IF:5.03)
5.干湿结合：DNA甲基化标记物可预测胃癌患者的生存(IF:5.496)
6.lncRNA预测模型结合WGCNA网络，发5分+并不难
7.宫颈鳞癌的表观遗传与HPV16/18的表达、免疫激活和预后有关(IF:5.496)
8.非肿瘤ceRNA网络轻松发4分+
9.9分+乳腺癌免疫浸润预后标志物
10.基于肿瘤微环境基因构建I-III期结肠癌免疫预后模型(IF=6.68)
11.利用METABRIC和TCGA挖掘CNA负荷对乳腺癌的预后影响
12.4分文献解读：整合生物信息学鉴定结直肠癌的核心基因和通路
13.干湿实验研究宫颈癌甲基化发5.8分！
14.干湿实验鉴定胰腺癌诊断和预后生物标志物=6.8分SCI
15.缘起Cytoscape的5.5分SCI
16.表观遗传学纯生信分析探究戒烟对肺腺癌生存的影响(IF:5.962)
17.干湿结合7-mRNA预测模型轻松发5分+
18.CpG甲基化标记预测早期肝癌的复发(IF:28.245)
19.鉴定肌肉浸润性膀胱癌的分子分型(IF:17.29)
20.鉴定肝细胞癌代谢相关分子分型(IF:5.962)
21.免疫分子分型发一区5.3分杂志？这个思路值得借鉴！
22.如何用TCGA数据库DNA甲基化芯片发5分文章？
23. 预测子宫内膜癌患者CSS和OS的列线图：一项基于SEER的研究(IF:4.137)课程推荐
多点好看，少点脱发
扫一扫
4671
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
