摘要：研究概述：孟德尔随机化（MR）是一种利用遗传变异作为工具变量来探索暴露和结果之间潜在因果关系的方法。与传统的观察性研究中使用的统计方法相比，MR减少了混杂和反向因果关系的影响，因此越来越多的研究使用这种方法来研究病因机制。本研究中，作者应用MR来分析各种类型的
影响因子：7.7
研究概述：孟德尔随机化（MR）是一种利用遗传变异作为工具变量来探索暴露和结果之间潜在因果关系的方法。与传统的观察性研究中使用的统计方法相比，MR减少了混杂和反向因果关系的影响，因此越来越多的研究使用这种方法来研究病因机制。本研究中，作者应用MR来分析各种类型的癌症，旨在揭示基因与多种癌症之间的因果关系。鉴于肿瘤发生的复杂性，对与肿瘤发展密切相关的基因进行泛癌分析至关重要，以评估其临床预后意义和潜在的分子机制。本研究还利用了各种在线工具，包括GEPIA2、TIMER2和UALCAN，成功识别了多个肿瘤基因治疗的靶点。具体研究如下：
研究结果：
免疫相关预后签名（IRPS）构建和表达验证
通过分析血液eQTL数据，作者鉴定了与欧洲血统个体中基因相关的10,126个顺式eQTL。为了阐明基因与各种癌症之间的因果联系，作者对六种不同癌症的GWAS数据集进行了基于SMR分析（甲状腺、胶质母细胞瘤、前列腺、乳腺、胃和子宫体）（显著性阈值为P_SMR 0.05）。结果，作者发现了379个与乳腺癌相关的基因，389个与前列腺癌相关的基因，277个与子宫体癌相关的基因，267个与甲状腺癌相关的基因，223个与胃癌相关的基因，以及175个与脑胶质母细胞瘤相关的基因。
作者留意到，TGS1在SMR分析中作为一个共同的显著基因出现在所有癌症类型中，表明其潜在的泛癌致病作用。TGS1表达与胶质母细胞瘤呈正相关，与其他五种癌症类型呈负相关（图a-f）。SMR分析结果表明TGS1的顺式eQTL效应与多个癌症中GWAS效应大小之间的关系（图g-i）。
基因表达分析数据
作者利用HPA数据库分析了TGS1在各种人体器官中的表达情况（图a-b）。鉴于TGS1在与免疫相关的器官中表达水平较高，包括胸腺、淋巴结和骨髓，作者进行了单细胞分析，以检查这些组织中特定免疫细胞的TGS1表达情况（图c-e）。在淋巴结中，TGS1在B细胞中的表达量很高，与B细胞标志物（CD191、CR2、MS4A1）的关联性很强，这表明TGS1在B细胞的发育或功能中可能扮演着重要角色（图c）。同样在胸腺中，TGS1主要在T细胞中表达，其表达与巨噬细胞（CD163、CD68、MARCO、MRC1、MSR1）和T细胞标志物（IL17A、CD8A、CD4、CD3E）都有相关性。在骨髓中，观察到B细胞中TGS1的高表达，与巨噬细胞和红细胞标志物（CD163、CD68、MARCO、MRC1、MSR1、CA1、ALAS2）的关联性很强。这些发现表明TGS1可能在调节免疫细胞功能方面发挥关键作用，可能涉及免疫反应、炎症和肿瘤微环境。作者还分析不同细胞类型中TGS1 mRNA的表达（图f），以及评估细胞系中蛋白的表达和亚细胞定位，揭示了其主要的细胞质定位（图g）。人类染色体定位和跨脊椎动物的保守性分析提供了TGS1在细胞功能和免疫反应中作用额外的见解（图h-i）。
利用TIMER2网站，作者对TGS1的表达进行了广泛分析，揭示了TGS1在各种癌症中的显著差异表达（图a）。在十种特定癌症中，与正常组织相比肿瘤组织中TGS1的表达升高：胆管癌、结肠癌、食管癌、胶质母细胞瘤、头颈鳞状细胞癌、肝细胞癌、肺腺癌、肺鳞状细胞癌、直肠腺癌和胃腺癌。由于TCGA数据库中正常组织数据有限，所以作者利用GEPIA2进行了联合分析，合并了GTEx和TCGA的数据。四种肿瘤类型（TGCT、THYM、DLBC和PAAD）显示出TGS1表达的新统计学意义（P
生存分析
利用GEPIA2平台，作者探索了TGS1表达与预后之间的关系，在几种癌症类型中，高TGS1表达与较差的预后相关，例如肾乳头状细胞癌（P=0.018）、肉瘤（P=0.048）、低级别胶质瘤（P=0.077）、肝细胞癌（P=0.072）、胰腺腺癌（P=0.075）和葡萄膜黑色素瘤（P=0.063）（图a）。相比之下，较高的TGS1表达似乎预示着肾透明细胞癌（KIRC）（P=0.0078）的更好预后。TGS1表达的升高与患者较差的复发结果相关（P=0.0028）（图b）。高TGS1表达与膀胱癌、食管鳞状细胞癌、肾透明细胞癌、直肠腺癌和胸腺瘤的改善生存结果相关。相反，TGS1表达的降低似乎与乳腺癌、食管腺癌、肾乳头状细胞癌、子宫内膜癌、肝细胞癌、肺腺癌、胰腺导管腺癌和肉瘤的更好生存相关（图c）。高TGS1表达似乎还增强了食管鳞状细胞癌、卵巢癌和胃癌的PFS（图d）。为了探索miRNA对mRNA的调控影响，作者对TGS1上游miRNA的OS进行了分析。作者汇总来自七个数据库的数据（包括miRTarBase、ENCORI、TargetMiner、miRDB、RNAInter、RNA22和miRWalk）。通过对靶向TGS1的miRNA进行反向预测进行了全面分析，这五个数据库—miRTarBase、miRDB、RNAInter、RNA22和miRWalk—共同指向hsa-miR-6134作为潜在的调控因子。对hsa-miR-6134的OS分析表明，其表达的升高与肺鳞状细胞癌、甲状腺癌、膀胱癌、肾透明细胞癌和肝细胞癌的改善生存相关。相比之下，在卵巢癌、胰腺导管腺癌、子宫内膜癌、乳腺癌、宫颈鳞状细胞癌、食管腺癌和头颈鳞状细胞癌中，hsa-miR-6134的高水平与较差的结果相关（图e）。
蛋白磷酸化数据分析
既往文献报道蛋白质磷酸化在调节各种细胞功能中起着关键作用，包括细胞生长、分化、凋亡和信号传导。在这项研究中，作者使用CPTAC数据库评估了九种癌症类型中正常和原发肿瘤组织中TGS1的磷酸化水平（乳腺癌、胰腺腺癌、肾透明细胞癌、肺鳞状细胞癌、胶质母细胞瘤、肝细胞癌、肺腺癌和结肠癌）。结果发现相对于正常组织，TGS1磷酸化位点在所有原发肿瘤组织中，S405、T407和S412位点的磷酸化水平升高（特别是在胶质母细胞瘤、肺鳞状细胞癌、胰腺腺癌、肺腺癌和肾透明细胞癌中）（图a-b）。
TGS1与DNA甲基化的关联
作者利用UALCAN在线工具，分析了多种癌症类型中GPC2的启动子甲基化水平（图a）。在这里甲基化水平由beta值表示，范围从0（表示未发生甲基化）到1（表示完全甲基化）。作者建立了beta值阈值来识别高甲基化（beta值在0.7到0.5之间）和低甲基化（beta值在0.3到0.25之间）。与正常组织相比，九种肿瘤类型的GPC2启动子甲基化水平显示出统计学上显著的变化（P
遗传变异分析数据
癌症进展的特征是一系列由遗传变异驱动的组织病理学阶段，这些变异导致基因表达模式的变化，其中基因突变尤为关键。作者使用cBioPortal数据库的分析显示，TGS1基因变异的发生率为4%（图a）。在子宫内膜癌患者中，突变是主要的变异形式，突变频率超过6%。相比之下，子宫肉瘤主要表现为复制数变异（CNAs）中的“扩增”，比率约为14%（图b）。此外，作者使用TISIDB数据库探索了TGS1拷贝数变异（CNVs）与免疫相关基因之间的关联，包括免疫抑制性、刺激性和MHC分子相关基因。并且，TGS1 CNV水平的增加与精原细胞瘤中免疫抑制基因表达水平的升高相关；而在葡萄膜黑色素瘤中，TGS1 CNV的升高似乎增强了免疫刺激性和MHC分子相关基因的表达（图c）。因此，TGS1 CNV的变化可能对肿瘤免疫微环境的发展产生重大影响。最后作者分析了不同癌症中TGS1的总突变计数（图d），并使用TIMER2数据库评估了TGS1突变和CNVs的频率（图e-f）。错义突变构成了TGS1中主要的遗传变异，特别是Methyltransf-15结构域中的A726G/S突变（图g）。这种突变涉及第726位的甲硫氨酸转变为谷氨酸，在一例浆液性卵巢癌和一例肺腺癌中被鉴定出来，同一位置发生了甲硫氨酸到色氨酸的替换（图h）。
免疫浸润分析
肿瘤浸润性免疫细胞是肿瘤微环境的重要组成部分，在癌症的启动、进展和转移中发挥关键作用。在作者的研究中，作者利用了一系列算法，包括TIMER、TIDE、XCELL、MCPCOUNTER和EPIC，来检查TCGA中不同癌症类型中免疫细胞浸润与TGS1基因表达之间的关联（图a）。具体来说，作者在多个平台上的分析揭示了TGS1表达与M1型巨噬细胞水平之间的正相关，以及与M2型巨噬细胞水平在大多数情况下的负相关。考虑到M1型巨噬细胞在抗肿瘤免疫中的作用以及M2型巨噬细胞通过血管生成促进肿瘤生长的参与，TGS1可能影响巨噬细胞的极化，从而影响肿瘤免疫微环境。此外，作者使用口腔鳞状细胞癌样本中的免疫细胞进行了单细胞分析，以评估TGS1表达。结果显示，巨噬细胞表现出相对较高的TGS1表达，并且癌症组织相对于正常组织有增加的TGS1水平（P
鉴于肿瘤免疫微环境（TIME）在癌症的启动和进展中扮演关键角色，作者使用TISCH数据库对TIME中TGS1的表达进行了广泛分析。最初，作者在单细胞数据下对15种癌症类型的TGS1表达进行了泛癌比较，揭示了TIME中基因表达的异质性，并确定了特定癌症中TGS1的过表达，如乳腺癌和黑色素瘤（图a-p）。为了阐明TGS1的表达模式，作者生成了一个热图来说明不同细胞类型中TGS1的平均表达水平（图q）：在某些肿瘤中，特定细胞类型（包括增殖性和CD8+ T细胞）中TGS1的显著上调，表明TGS1可能在影响这些细胞的功能，从而影响肿瘤动态。
富集分析
为了阐明TGS1在肿瘤发生中的分子机制，作者鉴定了与TGS1相互作用并与其表达相关的蛋白质和基因，以便进行后续的通路分析。利用STRING数据库，作者发现了50个与TGS1相互作用的蛋白质（图1）。此外，GEPIA2识别了与TGS1相关的前100个基因（图b）。交集分析揭示了三个共同基因：XPO1、DCAF13和NOP58。在不同癌症类型之间的相关性分析显示TGS1与这些基因之间存在显著关联（图c）。随后作者进一步确认了它们与大多数癌症中TGS1表达的正相关性。最后，作者将相互作用的基因结合起来（总共147个基因）（图d），通过Metascape进行富集分析，揭示了与“RNA代谢”、“核糖核蛋白复合物生物合成”和“RNA定位”等通路相关联（图e-g）。作者还使用STRING和GeneMANIA进行了蛋白质相互作用分析（图h-j）；从Enrichr中获取了200个共表达基因为TGS1预测了药物靶点，并使用DsigDB和DrugMatrix进行了药物预测（图k1-2）。
最后，作者通过对接分析探索了蛋白质-蛋白质相互作用。作者从NCBI获取蛋白质序列，并使用Alphafold 3生成结构。使用PyMOL进行可视化，揭示了关键的氢键，例如TGS1的ARG-591与XPO1的GLU-3713之间的相互作用（图a-c）。
TGS1与细胞死亡相关基因的关系
最后作者利用FerrDb数据库研究了TGS1与铁死亡之间的关联。作者将“得分≥1”的基因分类为“铁死亡标记基因”，“得分≥3”的基因分类为“铁死亡驱动基因”，以及“得分≥3”的基因分类为“铁死亡抑制基因”。然后作者使用TIMER2平台分析了TGS1与这些基因集之间的相关性，表明TGS1与一系列铁死亡相关基因之间存在显著关联，这意味着TGS1可能通过这些基因在诱导凋亡中发挥作用（图a）。具体来说，在对40种肿瘤类型的分析中，除了TGCT中的NFE2L2外，NFE2L2和TFRC的表达与TGS1在铁死亡相关基因中显示出强烈的正相关。既往文献报道NFE2L2为铁死亡促进因子，而TFRC是已知的铁死亡抑制因子。表明这些基因可能是TGS1在铁死亡中的关键共调节实体。此外，作者还检查了TGS1与参与铜细胞死亡和双硫死亡相关基因之间的相互作用（图b-c）。
研究总结：
本研究为单基因生信文章。图非常多。具体而言，作者深入探讨了TGS1（在泛癌中的表达模式、功能及相关性。研究发现，TGS1在多种癌症中的表达水平与患者的预后存在显著相关性，其中高表达的TGS1与某些癌症类型的不良预后相关，而在其他类型中可能预示着较好的预后。通过分析TGS1与免疫微环境的关系，研究揭示了TGS1表达与免疫细胞浸润水平的相关性，特别是在巨噬细胞中，TGS1可能通过影响巨噬细胞的极化来调节肿瘤免疫微环境。遗传变异分析显示，TGS1基因变异在不同癌症中的发生率和类型存在显著差异，这些变异可能对肿瘤行为和临床结果产生影响。此外，研究还发现TGS1与铁死亡相关基因之间存在显著关联，暗示TGS1可能通过这些基因在诱导凋亡中发挥作用。通过STRING数据库和GEPIA2平台，研究鉴定了与TGS1相互作用的蛋白质和基因，并进行了富集分析，揭示了TGS1与RNA代谢、核糖核蛋白复合物生物合成和RNA定位等过程的关联。这些研究结果表明，TGS1可能是肿瘤免疫治疗的一个有前景的靶点。
来源：晓勇游戏安利