RGS2在泛癌中诊断、预后和免疫浸润的分析.pdf

RGS2 在泛癌中诊断、预后和免疫浸润的分析洪健豪，张 亭，杨 骏，谢诗恩，易 晨，江少锋（南昌航空大学 测试与光电工程学院，南昌330063）摘要 为探究 G 蛋白信号调节蛋白 2(Regulator of G Protein Signaling 2,RGS2)在泛癌中的表达与预后和免疫浸润的关系，利用生物信息学方法、结合 R 语言与多个数据库进行了深入分析。首先，通过 TCGA 数据库分析 RGS2 在 33 种癌症肿瘤组织与正常组织中的差异表达，并通过 GEO 数据库对部分结果进行验证；再通过 Cox 回归分析与 log-rank 检验进行预后分析。接着进行免疫浸润分析，并通过 ssGSEA 分析 RGS2 对免疫微环境的影响；根据 RGS2 表达的高低分组获取差异基因，并通过 Gene Ontology(GO)、Kyoto Encyclopedia of Genes and Genomes(KEGG)富集分析找到与 RGS2 相关的分子通路。最后，通过 STRING 数据库、GENEMANIA 数据库获取 RGS2 的相关基因，搭建蛋白互作网络(Protein-ProteinInteraction Networks,PPI)。结果表明，RGS2 表达量在 24 种癌症肿瘤组织显著下调，在 4 种癌症中显著上调。RGS2 在膀胱尿路上皮癌、肾透明细胞癌、肝细胞肝癌、胃腺癌中为危险因素，但在皮肤黑色素瘤、子宫癌肉瘤为保护因素。免疫浸润分析结果表明，RGS2 表达与多数免疫细胞表达量显著正相关，但与 Th17 细胞表达量显著负相关。富集分析表明，RGS2 与补体活化、免疫球蛋白受体结合等功能和通路密切相关。PPI 蛋白互作网络显示 RGS2 与 RGS4、GNA11、GNA14 等基因具有显著相关性。综上所述，RGS2 在 28 种癌症中显著差异表达，可作 6 种癌症的独立预后因子，与多种癌症的免疫浸润水平显著相关。因此，RGS2 有望成为多种癌症的诊断、预后、免疫浸润的新型生物标志物，有望成为一种新的治疗靶点。关键词 泛癌；RGS2；诊断；预后；免疫浸润 中图分类号 Q811.4 文献标志码 A doi：10.3969/j.issn.2096-8566.2023.02.010 文章编号 2096-8566(2023)02-0078-11Pan-cancer Analysis of RGS2 Gene in Diagnosis,Prognosisand Immune InfiltrationHONG Jian-hao，ZHANG Ting，YANG Jun，XIE Shi-en，YI Chen，JIANG Shao-feng（School of Testing and Optoelectronic Engineering,Nanchang Hangkong University,Nanchang 330063,China）Abstract:This study aims to investigate the relationship between RGS2 expression,prognosis,and immune infiltration in pan-cancer by using bioinformatics analysis methods based on R and various databases.Firstly,the differential expression of RGS2 in 33different tumor and normal tissues was analyzed based on the TCGA database and verified in the GEO database partly.Prognosticanalysis was performed using Cox regression analysis and log-rank test.Secondly,immune infiltration was performed to analyze theeffect of RGS2 on the immune microenvironment by ssGSEA.Differential genes expression was obtained according to the group ofhigh and low RGS2 expression.Gene Ontology(GO),Kyoto Encyclopedia of Genes and Genomes(KEGG)enrichment analyses 收稿日期2022-11-21 修回日期2023-03-06基金项目国家自然科学基金(62261039)通讯作者易晨(1988)，男，博士，讲师。主要研究方向：生物信息学。江少锋(1978)，男，博士，教授。主要研究方向：生物医学图像。第 37 卷 第 2 期南昌航空大学学报：自然科学版Vol.37 No.22023 年 6 月Journal of Nanchang Hangkong University:Natural SciencesJun.2023 were performed on the differential genes to identify the molecular pathways related to RGS2.Finally,RGS2 related genes wereobtained through STRING and GENEMANIA databases,and protein-protein interaction networks(PPI)were constructed.Theresults showed that RGS2 expression was significantly lower in 24 tumor tissues,but higher in four tumor tissues.RGS2 was a riskfactor in bladder urothelial carcinoma,kidney renal clear cell carcinoma,liver hepatocellular carcinoma and stomachadenocarcinoma,while a protective factor in skin cutaneous melanoma and uterine carcinosarcoma.Immune infiltration analysisdisplayed that RGS2 expression was significantly positively correlated with the expression of most immune cells,while negativelycorrelated with the expression of Th17 cells in various cancers.Moreover,enrichment analysis showed that RGS2 expression isclosely associated with functions and pathways such as complement activation and immunoglobulin receptor binding.The Protein-Protein Interaction Networks revealed that RGS2 expression was significantly correlated with RGS4,GNA11,GNA14 and othergenes.In conclusion,RGS2 was aberrantly expressed in 28 cancers,which served as an independent predictor for the prognosis ofsix cancers and significantly associated with the level of immune infiltration in several cancers.Thus,RGS2 is expected to become anovel biomarker of various cancers,which is potential to providing novel treatment alternatives for patients.Key words:pan-cancer；RGS2；diagnosis；prognosis；immune infiltration 引言癌症严重威胁人类的生命安全1。2020 年，全球约有 1930 万例新发癌症病例和 1000 万例癌症死亡，预计到 2040 年，全球癌症病例将达到 2840万例2。在中国，癌症已成为主要死亡原因，且癌症发病率和死亡率仍在持续上升3。加强癌症诊断与预后对癌症的治疗非常重要，可有效降低患者死亡率4。而探索癌症的新型生物标志物对癌症的诊断与预后具有重要意义5。近年来有研究表明，G 蛋白信号调节蛋白 2(Regulator of G Protein Signaling 2，RGS2)的转录上调使慢循环/休眠癌细胞在免疫微环境下表现出主要的休眠样表型和高存活能力，影响癌症发展进程6。同时，自从快速增殖被确定为癌细胞的特征之一以来，调控有丝分裂一直是抗癌疗法的一个思路7。有研究表明，RGS2 参与有丝分裂调节和纺锤体形成，其耗竭会导致有丝分裂延迟和染色体对齐的严重缺陷8。因此，RGS2 可能通过影响细胞有丝分裂参与调节癌症发展进程。截止目前，虽然已有大量 RGS2 的相关机制研究，但 RGS2 在泛癌中的具体机制以及潜在的诊断、预后价值仍然未能明确。本研究采用生物信息学方法，结合以 TCGA数据库为主的多个数据库，探究 RGS2 在泛癌中的表达与临床预后的相关性，并分析 RGS2 对癌症免疫浸润的影响，获取 RGS2 参与调节的功能与分子通路，为癌症的诊断治疗寻找新型生物标志物。1 材料与方法 1.1 数据来源从癌症基因组图谱计划(The Cancer GenomeAtlas Program，TCGA)数 据 库(https:/portal.gdc.cancer.gov/)中下载 33 种肿瘤样本与正常组织样本的 RNA 测序数据(RNA-seq)、临床数据、生存数据，从 UCSC Xena 数据库(https:/)下载基因型组织表达数据(The Genotype-Tissue Expression，GTEx)。从GEO(Gene ExpressionOmnibus)数 据 库 (https:/www.ncbi.nlm.nih.gov/geo/)选取 GSE44076 数据集验证结肠癌中 RGS2的异常表达，选取 GSE17351 数据集验证食管癌中 RGS2 的异常表达，选取 GSE16515 数据集验证胰 腺 癌 中 RGS2 的 异 常 表 达，选 取 GSE66229数据集验证胃腺癌中RGS2 的异常表达。GSE44076包 含 98 个 结 肠 癌 和 148 个 正 常 组 织 样 本；GSE17351 包含 5 个食管癌与 5 个正常组织样本；GSE16515 包含 36 个胰腺癌与 16 个正常组织样 第 2 期洪健豪，张 亭，杨 骏，等：RGS2 在泛癌中诊断、预后和免疫浸润的分析 79 本；GSE66229 包含 300 个胃腺癌与 100 个正常组织样本。1.2 差异分析使用 R 包 DESeq2 获取肿瘤组织与正常组织的差异表达基因，在非配对样本与配对样本中分析 RGS2 在肿瘤组织与正常组织的差异表达。调用 pROC 包进行对非配对样本表达差异进行 ROC分析，评估 RGS2 在泛癌中的差异表达。使用R 包 limma 获取 GSE44076、GSE17351、GSE16515、GSE66229 数据集中癌症组织与正常组织的差异表达基因，分析 RGS2 在癌症组织与正常组织中的差异表达。1.3 生存分析与临床特征预后分析根据 RGS2 的表达量中值为阈值，使用 R 包survival、survminer，进行 Cox 单因素回归分析，并以 log-rank 统计检验方法绘制 Kaplan-Meier 曲线进一步进行生存分析。预后评估指标包括总生存期(Overall Survival，OS)、疾病特异性生存(DiseaseFree Survival，DSS)。1.4 免疫浸润分析使用R 包GSVA 进行ssGSEA 分析，获得RGS2表达与癌症肿瘤组织的免疫细胞表达量相关性。1.5 富集分析在癌症组织中，以 RGS2 表达量中值为阈值分组，进行组间差异分析。以 logFC 排名选取上调基因 200 个，下调基因 200 个，使用 R 包 clusterProfiler进行 GO、KEGG 富集分析，获取 RGS2 差异基因富集的生物学过程(Biological Process，BP)、细胞成分(Cellular Component，CC)、分子功能(MolecularFunction，MF)和分子通路。1.6 PPI 网络构建分 别 通 过 GENEMANIA 数 据 库 (https:/genemania.org)和 STRING 数据库(https:/cn.string-db.org)获取 RGS2 相关基因。将 STRING 数据库获取的 RGS2 相关基因导入 Cytoscape 软件进行可视化，并采用 cytohubba 的 MCC(Maximum CliqusCentrality)算法获取子网络 Hub 基因。1.7 统计学分析数据整理、分析采用 R(3.6.3)。组间差异分析采用 Wilcoxon rank sum test 或 Kruskal-Wallis Test。相关性分析采用 Spearman 检验。P 0.05 表明存在显著性差异(*P0.05，*P0.01，*P0.05)。2 结果 2.1 RGS2 在泛癌组织中的差异表达为探究 RGS2 在泛癌中的诊断价值，进行RGS2 差异表达分析。非配对样本差异分析（图 1、图 2）表明，与正常组织相比，在肾上腺皮质癌(Adrenocortical carcinoma，ACC)、膀胱尿路上皮癌(Bladder Urothelial Carcinoma，BLCA)、乳腺浸润癌(Breast invasive carcinoma，BRCA)、宫颈鳞癌和腺癌(Cervical squamous cell carcinoma and endocer-vical adenocarcinoma，CESC)、结肠癌(Cholangio-carcinoma，COAD)、弥漫性大 B 细胞淋巴瘤(Lym-phoid Neoplasm Diffuse Large B-cell Lymphoma，DLBC)、食管癌(Esophageal carcinoma，ESCA)、肾嫌色细胞癌(Kidney Chromophobe，KICH)、肾透明细胞癌(Kidney renal clear cell carcinoma，KIRC)、肾 乳 头 状 细 胞 癌 (Kidney renal papillary cellcarcinoma，KIRP)、肝细胞肝癌(Liver hepatocellularcarcinoma，LIHC)、肺腺癌(Lung adenocarcinoma，LUAD)、肺 鳞 状 细 胞 癌 (Lung squamous cellcarcinoma，LUSC)、卵巢浆液性囊腺癌(Ovarianserous cystadenocarcinoma，OV)、胰腺癌(Pancreaticadenocarcinoma，PAAD)、嗜铬细胞瘤和副神经节瘤(Pheochromocytoma and Paraganglioma，PCPG)、前列腺腺癌(Prostate adenocarcinoma，PRAD)、肠腺癌(Rectum adenocarcinoma，READ)、皮肤黑色素瘤(Skin Cutaneous Melanoma，SKCM)、胃腺癌(Stomach adenocarcinoma，STAD)、甲 状 腺 癌(Thyroid carcinoma，THCA)、胸腺瘤(Thymoma，THYM)、子宫内膜癌(Uterine Corpus EndometrialCarcinoma，UCEC)、子 宫 癌 肉 瘤 (Uterine 80 南昌航空大学学报：自然科学版第 37 卷Carcinosarcoma，UCS)共 24 种癌症中 RGS2 表达显著下调；在胆管癌(Cholangiocarcinoma，CHOL)、多形成性胶质细胞瘤(Glioblastoma multiforme，GBM)、急 性 髓 细 胞 样 白 血 病 (Acute MyeloidLeukemia，LAML)、脑低级别胶质瘤(Brain LowerGrade Glioma，LGG)中 RGS2 表达显著上调。配对样本差异分析(图 3)表明，在 BLCA、BRCA、COAD、KICH、KIRC、KIRP、LIHC、LUAD、LUSC、PRAD、READ、STAD、THCA、UCEC 中RGS2 表达显著下调；在 CHOL 中 RGS2 表达显著上调。结果与非配对样本分析结果一致。进一步比较泛癌肿瘤组织 RGS2 的表达量(图 4)，结果表明，RGS2 在 PRAD 中表达量最高，在葡萄膜黑色素瘤(UVM)中表达量最低。2.2 RGS2 在泛癌中的预后价值为探究 RGS2 在泛癌中的预后价值，进行生存*0 2 4 6 81012ACCBLCABRCACESCCHOLCOADDLBCESCAGBMHNSCKICHKIRCKIRPLAMLLGGLIHCLUADLUSCMESOOVPAADPCPGPRADREADSARCSKCMSTADTGCTTHCATHYMUCECUCSUVMRGS2 表达 Log2(TPM+1)正常肿瘤 图 1 RGS2 在癌症组织与正常组织的表达差异(非配对样本)1.00.80.60.40.2RGS2AUC:0.954Cl:0.932-0.97601.00.80.60.40.2真阳性率假正例率BLCA1.00.80.60.40.2RGS2AUC:0.814Cl:0.787-0.84201.00.80.60.40.2真阳性率假正例率BRCA1.00.80.60.40.2RGS2AUC:0.870Cl:0.737-1.00001.00.80.60.40.2真阳性率假正例率CESC1.00.80.60.40.2RGS2AUC:0.929Cl:0.855-1.00001.00.80.60.40.2真阳性率假正例率CHOL1.00.80.60.40.2RGS2AUC:0.907Cl:0.885-0.92901.00.80.60.40.2真阳性率假正例率COAD1.00.80.60.40.2RGS2AUC:0.673Cl:0.619-0.72701.00.80.60.40.2真阳性率假正例率DLBC1.00.80.60.40.2RGS2AUC:0.795Cl:0.764-0.82601.00.80.60.40.2真阳性率假正例率ESCA1.00.80.60.40.2RGS2AUC:0.749Cl:0.711-0.78701.00.80.60.40.2真阳性率假正例率GBM1.00.80.60.40.2RGS2AUC:0.845Cl:0.769-0.92201.00.80.60.40.2真阳性率假正例率KICH1.00.80.60.40.2RGS2AUC:0.689Cl:0.633-0.74401.00.80.60.40.2真阳性率假正例率KIRC1.00.80.60.40.2RGS2AUC:0.660Cl:0.594-0.72601.00.80.60.40.2真阳性率假正例率KIRP1.00.80.60.40.2RGS2AUC:0.949Cl:0.919-0.97901.00.80.60.40.2真阳性率假正例率LAML1.00.80.60.40.2RGS2AUC:0.621Cl:0.574-0.66901.00.80.60.40.2真阳性率假正例率LIHC1.00.80.60.40.2RGS2AUC:0.851Cl:0.825-0.87601.00.80.60.40.2真阳性率假正例率LUAD1.00.80.60.40.2RGS2AUC:0.911Cl:0.891-0.93101.00.80.60.40.2真阳性率假正例率LUSC1.00.80.60.40.2RGS2AUC:0.969Cl:0.955-0.98301.00.80.60.40.2真阳性率假正例率OV1.00.80.60.40.2RGS2AUC:0.754Cl:0.711-0.79701.00.80.60.40.2真阳性率假正例率PRAD1.00.80.60.40.2RGS2AUC:0.926Cl:0.901-0.95101.00.80.60.40.2真阳性率假正例率READ1.00.80.60.40.2RGS2AUC:0.597Cl:0.563-0.63001.00.80.60.40.2真阳性率假正例率SKCM1.00.80.60.40.2RGS2AUC:0.704Cl:0.660-0.74701.00.80.60.40.2真阳性率假正例率STAD1.00.80.60.40.2RGS2AUC:0.781Cl:0.751-0.81201.00.80.60.40.2真阳性率假正例率THCA1.00.80.60.40.2RGS2AUC:0.781Cl:0.751-0.81201.00.80.60.40.2真阳性率假正例率THCA1.00.80.60.40.2RGS2AUC:0.985Cl:0.972-0.99801.00.80.60.40.2真阳性率假正例率UCEC1.00.80.60.40.2RGS2AUC:0.952Cl:0.918-0.98601.00.80.60.40.2真阳性率假正例率UCS 图 2 RGS2 在癌症组织与正常组织的表达差异 ROC 分析 第 2 期洪健豪，张 亭，杨 骏，等：RGS2 在泛癌中诊断、预后和免疫浸润的分析 81 分析。OS 的Cox 回归分析(图5a)表明，在BLCA(HR=1.57)、KIRC (HR=1.54)、LIHC (HR=1.44)、STAD(HR=1.67)中，RGS2 高表达对患者预后是一个危险因素；在 SKCM(HR=0.67)、UCS(HR=0.45)中，RGS2 高表达对患者预后是一个保护因素。OS的 log-rank 检 验 表 明，在 BLCA、KIRC、LIHC、STAD 中，RGS2 低表达患者生存率显著高于过表达患者(图 5b、图 5c、图 5d、图 5f)；在 SKCM、UCS 中，RGS2过表达患者生存率显著高于低表达患者(图 5e、图 5g)。这一结果与 Cox 回归分析结果一致。DSS 的 Cox 回归分析(图 6a)表明，在 BLCA (HR=1.68)、KIRC (HR=1.74)、STAD(HR=1.62)中，RGS2 高表达对患者预后是一个危险因素；在 SKCM(HR=0.68)中，RGS2 高表达对患者预后是一个保护因素。DSS 的 log-rank 检验表明，BLCA、KIRC、STAD中，RGS2 低表达患者生存率显著高于过表达患者(图 6b、图 6c、图 6e)；在SKCM 中，RGS2 过表达患者生存率显著高于低表达患者(图 6d)。这一结果也与 Cox 回归分析结果一致。108RGS2 表达 Log2(TPM+1)6420BLCABRCACHOLCOADESCAHNSCKICHKIRCKIRPLUADLUSCLIHCPAADPRADREADSTADTHCAUCEC正常肿瘤nsnsns 图 3 RGS2 在癌症组织与正常组织的表达差异(配对样本)RGS2均值243567ACCBLCABRCACESCCHOLCOADDLBCESCAGBMHNSCKICHKIRCKIRPLAMLLGGLIHCLUADLUSCMESOOVPAADPCPGPRADREADARCKCMSTADTGCTTHCATHYMUCECUCSUVM 图 4 各癌症肿瘤组织中 RGS2 的表达比较 癌症ACCBLCABRCACESCCHOLCOADDLBCESCAGBMHNSC KICHKIRCKIRPLAMLLGGLIHCLUADLUSCMESOOVPAADPCPGPRADREADSARCSKCMSTADTGCTTHCATHYMUCECUCSUVMHR(95%CI)0.64(0.30-1.34)1.57(1.18-2.10)0.79(0.57-1.08)0.97(0.61-1.54)0.82(0.32-2.07)1.36(0.93-2.01)0.58(0.16-2.19)0.97(0.59-1.57)1.06(0.76-1.48)1.18(0.90-1.55)0.51(0.14-1.89)1.54(1.14-2.07)1.57(0.87-2.84)1.14(0.75-1.74)1.09(0.78-1.53)1.44(1.02-2.04)1.23(0.92-1.63)1.12(0.86-1.47)1.09(0.69-1.73)1.27(0.98-1.65)1.06(0.70-1.60)1.68(0.42-6.70)0.40(0.12-1.39)1.15(0.54-2.49)0.95(0.64-1.41)0.67(0.51-0.88)1.67(1.20-2.31)0.25(0.03-1.80)1.56(0.58-4.22)3.22(0.87-11.91)1.44(0.96-2.17)0.45(0.22-0.89)1.19(0.53-2.70)0.2490.0030.1320.8990.6610.1160.3830.8920.7320.2160.3350.0050.1340.5350.6060.0360.1580.4000.7050.0620.7830.4720.1710.7140.7960.0030.0020.1810.4010.1220.0750.0140.67001230.25040RGS2BLCA(a)(b)(c)(d)(e)(f)(g)KIRCLIHCSKCMSTADUCSOSLog-rank P=0.002OSLog-rank P=0.003OSLog-rank P=0.020OSLog-rank P=0.005OSLog-rank P0.001OSLog-rank P=0.01180120时间/月04080120时间/月04080120时间/月04080120时间/月04080120时间/月04080120时间/月低表达过表达0.500.751.00生存概率0.40.60.81.0生存概率0.250.500.751.00生存概率0.40.20.60.81.0生存概率0.250.500.751.00生存概率0.2500.500.751.00生存概率RGS2低表达过表达RGS2低表达过表达RGS2低表达过表达RGS2低表达过表达RGS2低表达过表达(a)Cox 回归分析(b-g)Kaplan-Meier 曲线P Value 图 5 OS 生存分析 82 南昌航空大学学报：自然科学版第 37 卷 2.3 RGS2 表达与临床特征相关性为探究 RGS2 对临床特征预后价值，进行RGS2 与临床特征的相关性分析。图 7 中的结果表明，在 BLCA 中，RGS2 在肿瘤 T1、T2 期的表达显著低于 T3、T4 期的表达，早期表达显著低于晚期表达；在 KIRC 中，RGS2 在肿瘤 M0 期的表达显著低于 M1 期表达，T1 期表达显著低于 T4 期表达；在 SKCM 中，RGS2 在肿瘤 T3 期表达显著高于 T4 期表达；在 STAD 中，RGS2 在肿瘤 T1 期的表达显著低于 T4 期的表达。2.4 RGS2 表达与免疫浸润相关性肿瘤免疫微环境在肿瘤的发生发展中起着至关重要的作用9。为探究 RGS2 表达与免疫浸润的相关性，进行免疫浸润分析。图 8 中的结果表明，在 6 种 RGS2 可 作 独 立 预 后 因 子 的 癌 症 中，RGS2 表达与 BLCA、KIRC、LIHC、STAD、SKCM共 5 种癌症组织中多数免疫细胞表达量呈显著正相关，但与 Th17 细胞表达量呈显著负相关。RGS2 表达与 UCS 癌症组织的免疫细胞表达无显著相关性。2.5 GO 功能注释与 KEGG 通路富集分析为探究 RGS2 参与调节的功能与通路，进行GO、KEGG 分析。根据 RGS2 高低表达分组获取差异基因，再进行富集分析。图 9 中的结果表明，在 KIRC 中，差异基因参与构成免疫球蛋白复合物的分子组分，调控了免疫球蛋白受体结合、抗原结合的分子功能，并参与补体活化的通路；而在 UCS 中，差异基因也参与构成免疫球蛋白复合物的分子组分，并参与补体活化的通路。RGS2可能影响了部分基因的表达而参与调控患者的免疫。2.6 RGS2 及其相关基因的 PPI 网络构建使用 GENEMANIA 数据库的分析结果显示，MARCHF6、GNA15、GNA11、PRKG1、CHRM2、CHRM1、GNA14、GNAQ、PPP1R9B、RGS12、RGS5、RGS18、RGS1、RGS13、RGS4、IBTK、GDE1、GNAI3、KLK8、GNAO1 显著相关(图 10a)。使用 STRING 数据库分析获得 50 个相关基因，导入 Cytoscape 构建 PPI 网络，共 51 个关系节点，348 对互作关系(图 10b)。接着使用 cytohubba 的 癌症ACCBLCABRCACESCCHOLCOADDLBCESCAGBMHNSC KICHKIRCKIRPLGGLIHCLUADLUSCMESOOVPAADPCPGPRADREADSARCSKCMSTADUCECUCSUVMHR(95%CI)0.54(0.25-1.17)1.68(1.19-2.39)0.95(0.62-1.46)0.90(0.53-1.53)1.02(0.38-2.75)1.64(1.01-2.68)0.97(0.14-6.87)1.00(0.56-1.78)1.11(0.78-1.59)1.10(0.78-1.55)0.41(0.09-1.80)1.74(1.20-2.54)1.34(0.64-2.81)1.17(0.82-1.66)1.36(0.87-2.11)1.23(0.86-1.77)1.14(0.75-1.74)0.91(0.50-1.68)1.22(0.92-1.62)1.14(0.72-1.82)2.07(0.42-10.25)0.24(0.04-1.39)1.17(0.41-3.36)0.99(0.64-1.53)0.68(0.51-0.91)1.62(1.07-2.45)1.47(0.90-2.41)0.51(0.25-1.06)1.05(0.45-2.48)P Value0.1360.0040.8300.6990.9610.0520.9740.9960.5550.5990.2690.0040.4400.3960.1730.2620.5300.7720.1530.5640.3880.1650.7650.9750.0060.0240.1290.0570.9020.2040RGS2BLCAKIRCSKCMSTADDSS Log-rank P=0.002DSSLog-rank P=0.004DSS Log-rank P=0.010DSS Log-rank P=0.00980120时间/月04080120时间/月04080120时间/月04080120时间/月低表达过表达0.40.60.81.0(a)(b)(c)(d)(e)生存概率0.40.60.81.0生存概率0.20.40.60.81.0生存概率0.70.90.60.50.81.0生存概率RGS2低表达过表达RGS2低表达过表达RGS2低表达过表达00.51.51.02.0(a)Cox 回归分析(b-e)Kaplan-Meier 曲线 图 6 DSS 生存分析 第 2 期洪健豪，张 亭，杨 骏，等：RGS2 在泛癌中诊断、预后和免疫浸润的分析 83 MCC 算法获得 9 个子网络 hub 相关基因(GNA11、GNAI3、GNA14、GNAI2、RGS16、GNAQ、GNAT3)、RGS4、GNA15)。2.7 表达差异验证为进一步验证 RGS2 在癌症中的差异表达，分析 GSE44076、GSE17351、GSE16515、GSE66229数据集中 RGS2 的表达。GSE44076 分析表明，在COAD 中 RGS2 显著下调(图 11a)；GSE17351 分析表明，在ESCA 中RGS2 显著下调(图11b)；GSE16515分析表明，在 PAAD 中 RGS2 表达量显著下调(图 11c)；GSE66229 分析表明，在 STAD 中 RGS2表达量显著下调(图 11d)。结果与 TCGA 数据差异分析一致。3 讨论RGS2 是 G 蛋白信号传导调节分子家族的一员10。其在多种组织中表达，且已被证明参与多种生物功能，包括血液调节、神经功能等11。为探究 2T1T2T 分期BLCARGS2 表达 Log2(TPM+1)T3T4N1N0N2N34681012141012142M0M 分期BLCARGS2 表达 Log2(TPM+1)M14682N 分期BLCARGS2 表达 Log2(TPM+1)4681012142468Stage I Stage II Stage III Stage IV病理分期T1T2T 分期T3T4N1N0M0M 分期M1N 分期Stage I Stage II Stage III Stage IV病理分期T1T2T 分期T3T4N1N0M0M 分期M1N 分期Stage I Stage II Stage III Stage IV病理分期BLCAKIRCKIRCKIRCKIRCLIHCLIHCLIHCLIHCRGS2 表达 Log2(TPM+1)2RGS2 表达 Log2(TPM+1)46810121416102RGS2 表达 Log2(TPM+1)461082RGS2 表达 Log2(TPM+1)468101216142468RGS2 表达 Log2(TPM+1)5RGS2 表达 Log2(TPM+1)1015102RGS2 表达 Log2(TPM+1)461082RGS2 表达 Log2(TPM+1)46810155RGS2 表达 Log2(TPM+1)T1T2T 分期T3T4N3N2N1N0M0M 分期M1N 分期Stage I Stage II Stage III Stage IV病理分期SKCMSKCMSKCMSKCM5RGS2 表达 Log2(TPM+1)10152RGS2 表达 Log2(TPM+1)46121085RGS2 表达 Log2(TPM+1)101510155RGS2 表达 Log2(TPM+1)T1T2T 分期T3T4N3N2N1N0M0M 分期M1N 分期Stage I Stage II Stage III Stage IV病理分期STADSTADSTADSTAD4RGS2 表达 Log2(TPM+1)8126103RGS2 表达 Log2(TPM+1)45