基于生物信息学挖掘间变性甲状腺癌预后生物标志物及潜在的分子机制和免疫机制.pdf

382Journal of Practical Oncology Vol.38No.4 临床研究DOI:10.13267/ki.syzlzz.2023.061基于生物信息学挖掘间变性甲状腺癌预后生物标志物及潜在的分子机制和免疫机制柴武斌1，陈超2，黄海波11.浙江大学医学院附属第二医院岱山分院甲乳外科，浙江 舟山 316200；2.浙江省肿瘤医院核医学科，浙江 杭州 310022通信作者：柴武斌，E-mall：wubin_摘要：目的 运用生物信息学方法对间变性甲状腺癌（anaplastic thyroid carcinoma，ATC）的转录组数据进行分析，寻找相关生物标志物及潜在机制。方法 通过 IMAGEO 分析平台对 Gene Expression Omnibus（GEO）的转录组基因芯片数据集GSE85457、GSE65144 和 GSE29265 综合筛选区别 ATC 与正常甲状腺组织的关键靶点，并对关键靶点进行基因本体论（Gene Ontology，GO）富集分析及 Kyoto Encyclopedia of Genes and Genomes（KEGG）分析。运用 Cytoscape 的 CytoHubba 插件筛选出前 10 位的核心靶基因。运用 Kaplan-Meier 法探究 ATC 核心靶基因对患者总生存期的影响，探究 ATC 预后相关靶基因与常见分子亚型相关性。基于 CIBERSORT 算法分析其与免疫细胞浸润丰度和免疫检查点基因的关系。结果 共筛选出 ATC 差异表达基因 1 891 个，其中包含 832 个上调基因，1 059 个下调基因（均 P0.05）。富集分析显示，差异表达基因主要作用于细胞周期过程、DNA 复制、肿瘤信号转导、活性氧相关化学致癌、细胞凋亡、黏蛋白型 O 聚糖生物合成和甲状腺激素合成等通路。基于 Cytoscape 的 CytoHubba 插件 Maximal Clique Centrality（MCC）算法筛选出 10 个核心靶基因。经 Cox 比例风险模型及 Kaplan-Meier 法在癌症基因组图谱（The Cancer Genome Atlas，TCGA）外部 ATC 队列验证后发现，核心靶基因中周期蛋白依赖性激酶 1（cyclin-dependent kinase 1，CDK1）和细胞周期蛋白 B1（cyclin B1，CCNB1）的高表达与患者总生存期的不良预后相关（均 P0.05）。CDK1 表达量在 B-Raf 原癌基因丝/苏氨酸蛋白激酶（B-Raf proto-oncogene,serine/threonine kinase，BRAF）野生型及突变型患者中存在差异，具有正相关性（r=0.67，P0.7，均 P0.3，均 P0.2，均 P0.4，均 P0.5，均 P0.6，P0.05）。结论 CDK1 和 CCNB1的高表达水平与 ATC 患者预后呈负相关，其表达水平影响患者预后可能通过调节肿瘤免疫微环境实现。CDK1 具有更强的免疫原性，为 ATC 诊断与预后的潜在生物标志物。关键词：间变性甲状腺癌；生物信息学；预后；免疫机制；肿瘤微环境基金项目：舟山市级公益类科技项目（2021C31087）甲状腺癌是内分泌恶性肿瘤常见癌种之一。据统计 2020 年全球新增确诊的男性甲状腺癌患者44.9 万例，女性 13.7 万例，发病率分别为 10.1/10万和 3.1/10 万，死亡率分别为 0.5/10 万和 0.3/10万1。同一原发部位肿瘤的病理类型不同，其基因组不稳定性与异质性较其他病理类型也不同。多数甲状腺癌属于分化型甲状腺癌（differentiated thyroid carcinoma，DTC），预后较好。间变性甲状383实用肿瘤杂志 2023 年 第 38 卷 第 4 期 腺癌（anaplastic thyroid carcinoma，ATC）恶性程度高，约占全部甲状腺癌的 1%2%，预后较差，常发生远端及局灶转移2，确诊后中位生存期仅为 34 个月3。传统单一的放疗和化疗等手段对于患者生存期的获益欠佳，手术结合放化疗及靶向治疗的综合治疗策略仍在探索阶段4-5，故而亟需进一步明确 ATC 发生和发展的分子生物学机制，以促进其诊疗方案的完善。生物信息学基于生物学与计算科学将转录组等多组学数据综合分析，对作用于疾病的关键靶点进行筛选，为后续药物研发及临床诊疗提供科学依据。现有甲状腺癌的生物信息学研究多基于甲状腺癌疾病整体6-7，对亚分类的 ATC 少有关注，且多运用单数据集8或传统阈值筛选后取并集的多数据集分析方法9，容易遗失数据信息而影响后续分析准确性。本研究基于 ATC 转录组数据，运用批次化校正的多数据集差异基因筛选方法筛选致病关键靶点并进行富集分析，对其核心靶基因在外部数据集上验证临床预后性能，并进一步分析核心靶基因表达水平与免疫细胞浸润丰度的相关性（图 1），以期对 ATC 临床诊疗提供新思路。1资料与方法1.1转录组芯片数据集的选定Gene Expression Omnibus（GEO）数 据 库 收录大量高通量测序数据集，在 GEO 数据库检索ATC，选择与 ATC 相关转录组数据集 GSE85457、GSE65144 和 GSE29265。数据采集、差异表达基因筛选、功能富集分析、Protein-Protein Interaction（PPI）网络构建与核心靶基因筛选截止日期为2022 年 6 月 22 日。其 中 GSE85457 数 据 集 包 含ATC 患者 4 例（男性和女性各 2 例；年龄 2451岁，平均年龄 37.3 岁）与健康对照组 3 例（男性1 例，女性 2 例；年龄 2145 岁，平均年龄 34.0岁），GSE65144 数据集包括 ATC 患者 12 例（男性4 例，女性 8 例；年龄 3251 岁，平均年龄 44.5 岁）与健康对照组 13 例（男性 4 例，女性 9 例；年龄2858 岁，平均年龄 41.8 岁），GSE29265 数据集包括 ATC 患者 9 例（男性 2 例，女性 7 例；年龄3559 岁，平均年龄 46.3 岁）与健康对照组 20 例（男性 8 例，女性 12 例；年龄 3758 岁，平均年龄 42.9 岁）。1.2ATC 差异表达基因筛选运 用 批 次 化 校 正 方 法 优 化 的 多 GEO 数 据集 Integrative Meta-Analysis of GEO（IMAGEO）在 线 分 析 平 台10对 GSE85457、GSE65144 和GSE29265 转录组数据集进行质控、合并和功能分析等标准化步骤处理，按照随机效应模型以适用于不同批次及平台文件的异构转录组数据集，筛选参数设置为缺失值10、|logFC|2 和 adj P0.01。1.3ATC 差异表达基因功能富集分析将上一步所得 ATC 差异表达基因采用基因本 体 论（Gene Ontology，GO）富 集 分 析 其 细 胞组份（cellular component）、分子功能（molecular function）和生物途径（biological process），同时运用Kyoto Encyclopedia of Genes and Genomes（KEGG）分析 ATC 的代谢通路。1.4PPI 网络构建与核心靶基因筛选采用蛋白互作用网络分析平台 STRING 将ATC 差异表达基因构建 PPI 网络，运用 Cytoscape（3.5.0）中的 CytoHubba 插件对 PPI 网络模型进行筛选，运用 Maximal Clique Centrality（MCC）算法将排名前 20 位的核心靶基因进行可视化呈现。1.5预后相关 ATC 核心靶基因筛选为进一步验证核心靶基因对 ATC 患者的预后注ATC：间变性甲状腺癌（anaplastic thyroid carcinoma）；GEO：Gene Expression Omnibus；IMAGEO：Integrative Meta-Analysis of GEO；GO：基 因 本 体 论（Gene Ontology）；KEGG：Kyoto Encyclopedia of Genes and Genomes；PPI：Protein-Protein Interaction；TCGA:癌症基因组图谱（The Cancer Genome Atlas）图 1生物信息学分析间变性甲状腺癌流程图ATC 预后生物标志物及其对免疫细胞浸润的影响正常组织GO分析KEGG分析CytoscapeCytoHubbaKaplan-MeierPlotter差异基因筛选PPI 网络核心靶基因筛选分子亚型分析免疫浸润分析免疫检查点预后相关核心靶基因筛选ATC 组织IMAGEO去除批次化效应GEO差异基因筛选及富集分析TCGA外部队列验证GSE85457GSE65144GSE29265384Journal of Practical Oncology Vol.38No.4 性能，基于生存分析平台 Kaplan-Meier Plotter，将上一步筛选出的 ATC 核心靶基因分别按照高表达量（high expression）与低表达量（low expression）分 为 两 组，对 癌 症 基 因 组 图 谱（The Cancer Genome Atlas，TCGA）数据库的外部 ATC 队列，运用 Kaplan-Meier 法分析，探究 ATC 核心靶基因对患者总生存期（overall survival，OS）预后的影响。1.6预后相关 ATC 核心靶基因与分子亚型分析为进一步分析核心靶基因表达水平与 ATC 常见分子亚型的相关性，基于 TCGA 数据库的外部ATC 队列，采用 Pearson 相关系数分别分析 ATC预后相关的核心靶基因表达水平与 B-Raf 原癌基因 丝/苏 氨 酸 蛋 白 激 酶（B-Raf proto-oncogene,serine/threonine kinase，BRAF）、神 经 母 细 胞 瘤RAS 病毒癌基因同源物（neuroblastoma RAS viral oncogene homolog，NRAS）和 端 粒 酶 反 转 录 酶（telomerase reverse transcriptase，TERT）等分子亚型的关系。1.7预后相关 ATC 核心靶基因免疫浸润分析为进一步分析核心靶基因表达水平与 ATC 肿瘤免疫细胞浸润水平的相关性，基于 CIBERSORT算法11，分别分析 ATC 预后相关的核心靶基因表达水平与不同免疫细胞浸润丰度的关系。1.8ATC 核心靶基因与免疫检查点相关性分析为进一步探究 ATC 核心靶基因与免疫检查点基因表达量之间的相关性，基于 TCGA 数据库的外部 ATC 队列，采用 Pearson 相关系数对 ATC 预后相关的核心靶基因表达水平与不同免疫检查点基因表达的相关性进行检验。1.9统计学分析差异表达基因的筛选采用随机效应模型，根据|logFC|2 和 adj P0.01 作为筛选标准。GO 和KEGG 富集分析采用超几何分布检验。PPI 网络构建采用 STRING 数据库，根据最小所需互作得分（minimum required interaction score）0.4 作为筛选标准。核心靶基因筛选采用 MCC 算法，根据排名前 20 位作为筛选标准。预后相关核心靶基因筛选采用 Kaplan-Meier 法分析，采用 Log rank 检验。预后相关核心靶基因与分子亚型分析采用独立样本 t 检验。预后相关核心靶基因免疫浸润分析采用CIBERSORT 算法。预后相关核心靶基因与免疫检查点相关性分析采用皮尔逊相关分析。以 P0.05为差异具有统计学意义。2结果2.1ATC 差异表达基因筛选结果最终获得 1 891 个 ATC 差异表达基因，其中包含 832 个上调基因，1 059 个下调基因，将上调与下调最显著的各 50 个差异表达基因以热图形式呈现（图 2）。2.2ATC 差异表达基因富集分析结果GO 富集分析结果显示，在细胞组份方面，上调靶基因主要富集于细胞周期过程、细胞有丝分裂、DNA 复制、染色体分裂和基因复制等层面，下调靶基因主要富集于神经元分化与产生、神经系统发育、纤毛组织、质膜细胞和负调控 RNA 聚合酶转录等层面；在分子功能方面，上调靶基因主要富集于核糖核酸合成、DNA 活性催化、嘌呤核糖核苷三磷酸合成、嘌呤核苷酸合成和嘌呤核糖核苷酸合成等层面，下调靶基因主要富集于 DNA结合转录因子活性、RNA 聚合酶特异性、金属离子结合和阳离子结合等层面；在生物途径方面，上调靶基因主要富集于核质核腔、细胞膜封闭腔、细胞器腔和染色体区域等层面，下调靶基因主要富集于纤毛、质膜结合细胞投射、纤毛活动、细胞突起和核周体等层面（表 13）。2.3ATC 差异表达基因代谢通路富集分析结果KEGG 代谢通路分析显示，ATC 相关差异表达基因主要富集在以下 20 条代谢通路：Fanconi 贫血通路、DNA 复制通路、亨廷顿舞蹈症通路、细胞周期和肿瘤转录失调通路、单纯疱疹病毒 1 型感染通路、辅助因子生物合成通路、Fc-gamma 受体（Fc gamma receptor，FcR）介导的吞噬作用通路、缬氨酸/亮氨酸/异亮氨酸降解通路、流体剪切应力和动脉粥样硬化通路、吞噬体信号通路、药物代谢酶通路、沙门氏菌感染通路、糖类消化吸收通路、肿瘤信号通路、活性氧相关化学致癌通路、细胞凋亡通路、黏蛋白型 O 聚糖生物合成通路、甲状腺激素合成通路和型糖尿病通路（图 3）。2.4ATC 差异表达基因共表达网络构建及核心靶基因筛选结果将通过 GEO 数据库筛选后的 1 891 个 ATC 差异表达基因输入 STRING 平台构建 PPI 网络，再导入 Cytoscape 软件进行调整排列，发现共有 4 854条蛋白互作用网络节点，运用 CytoHubba 插件中的 MCC 算法筛选出作用于 ATC 的排名前 10 位的核心靶基因依次如下：周期蛋白依赖性激酶 1385实用肿瘤杂志 2023 年 第 38 卷 第 4 期 （cyclin-dependent kinase 1，CDK1）、细胞周期蛋白 A2（cyclin A2，CCNA2）、CCNB1、细 胞 分 裂周 期 样 蛋 白 20（cell division cycle 20，CDC20）、泛素-B（ubiquitin B，UBB）、有丝分裂检验点丝/苏氨酸激酶 B 蛋白 BUB1（BUB1 mitotic checkpoint serine/threonine kinase B，BUB1B）、有 丝 分 裂 阻滞 缺 陷 2 样 蛋 白 1（mitotic arrest deficient 2 like 1，MAD2L1）、人细胞分裂周期相关基因 8（cell division cycle associated 8，CDCA8）、CDC6 和baculoviral IAP repeat containing 5（BIRC5），将结果可视化呈现（图 4）。2.5ATC 核心靶基因与预后的关系将作用于 ATC 的 10 个核心靶基因运用单因素 Cox 回归及 Kaplan-Meier 法在 TCGA 数据库的外部 ATC 队列人群验证发现，CDK1（HR=11.26，P0.05）和 CCNB1（HR=9.44，P0.05）的表达水注ATC：间变性甲状腺癌（anaplastic thyroid carcinoma）图 2ATC 差异表达基因热图 LDLRAD3RALAHN1MRPS17KPNA2ZNF281FAM83DCDCA4SLC16A1SFXN3CDKN3UBE2ACTPS1GOLT1BBOLA2MRPS10CDC20LHFPL2FOXM1CKLFTPD52L2DUXAP10PRR11GLRX2TPX2DEPDC1ORC6KNOP1NOL9HAUS2MAD2L1CDC45MIR3658OIP5PSMD2GGHEIF2S1RRP36ST3GAL4-AS1ZWINTBIDCKS2RPP40TROAPNCAPGCENPAPDGFAKIF2CUBE2CLZICPHYHD1EIF4BZFP3GTF2IPPP1R14CPCP4OTOSC16orf89SAP18FBXO34GPALPP1LOC101927824RP11-355B11.2PPFIBP2YPEL5TSHRPPIELGPRASP1SALL2GPX3GREB1LSLC26A11FCGBPKANSL1LCOL23A1MUM1L1CGNL1SPXIPCEF1SKP1CARKDTCTAHLFCLIC3MLLT3KIAA1456IGFBPL1ESRRGFMODGLTSCR1LCCL28MIR4680PROM1IP6K3SCUBE3CDR2GALNT18ZNF148SGK223ATP8A1数据集组别10.50-0.5-1数据集组别GSE85457GSE65144GSE29265对照组ATC 组表 1ATC 差异表达基因富集分析细胞组份表IDP 值风险比 期望值 实际值细胞组份GO:00224020.013.996151细胞周期过程GO:00070490.013.4120176细胞周期GO:00002780.013.985134有丝分裂细胞周期GO:19030470.014.278125有丝分裂细胞周期过程GO:00062610.0145.01838DNA 复制GO:00301820.012.75475神经元分化GO:00486990.012.45879神经元生成GO:00220080.012.36283神经发生GO:00073990.011.997122神经系统发育GO:00447820.013.72640纤毛组织表 2ATC 差异表达基因富集分析分子功能表IDP 值风险比 期望值 实际值分子功能GO:0003723 0.012.671103RNA 结合GO:0140097 0.019.51324DNA 的催化活性GO:0035639 0.011.980104嘌呤核苷三磷酸结合GO:0017076 0.011.981106嘌呤核苷酸结合GO:0032555 0.011.981106嘌呤核糖核苷酸结合GO:0000981 0.012.16483DNA 结合转录因子活性，RNA 聚 合 酶特异性GO:0003700 0.012.06786DNA 结合转录因子活性GO:0046872 0.011.6180206金属离子结合GO:0000977 0.012.06280RNA 聚合酶转录调控区序列特异性 DNA结合GO:0043169 0.011.5180207阳离子结合表 3ATC 差异表达基因富集分析生物途径表IDP 值风险比 期望值 实际值生物途径GO:00056540.012.5180241核质GO:00319810.012.2210275核腔GO:00319740.012.1260321膜封闭腔GO:00432330.012.1260321细胞器腔GO:00700130.012.1260321细胞内细胞器腔GO:00059290.014.42844纤毛GO:01200250.011.891112质膜结合细胞投射GO:00315140.0011.2814纤毛运动GO:00429950.0021.696115细胞突起GO:00432040.002NA5.310核周体注NA：不适用（not applicable）386Journal of Practical Oncology Vol.38No.4 2.6ATC 核心靶基因表达量与分子亚型的相关性基于 TCGA 的 ATC 队列人群，检验影响 ATC患者 OS 预后的 2 个核心靶基因与 BRAF、NRAS和 TERT 等分子亚型的相关性。经 Wilcoxon 符号秩和检验表明，CDK1 的表达量在 BRAF 野生型和突变型患者中比较差异具有统计学意义（P0.7，均 P0.3，均 P0.2，均 P0.4，P0.05；图 7）。图 3ATC 差异表达基因 KEGG 图 注与 ATC 发病相关性越高的靶基因颜色越偏红色，反之则 偏 黄 色；UBB：泛 素-B（ubiquitin B）；BIRC5：baculoviral IAP repeat containing 5；CDK1：周期蛋白依赖性激酶 1（cyclin-dependent kinase 1）；CDCA8：人细胞分裂周期相关基因 8（cell division cycle associated 8）；CCNB1：细胞周期蛋白 B1（cyclin B1）；MAD2L1：有丝分裂阻滞缺陷 2 样蛋白 1（mitotic arrest deficient 2 like 1）；CDC20：细胞分裂周期样蛋白 20（cell division cycle 20）；BUB1B：有丝分裂检验点丝/苏氨酸激酶 B 蛋白 BUB1（BUB1 mitotic checkpoint serine/threonine kinase B）图 4ATC 核心差异基因 PPI 网络图平可影响 ATC 患者的 OS，低表达组 OS 均长于高表达组，其中 CDK1 高表达组相较低表达组增加10.26 倍的死亡风险，CCNB1 高表达组较低表达组增加 8.44 倍的死亡风险（图 5）。0123-log10 P4567hsa03460:Fanconi 贫血途径hsa03030:DNA 复制hsa05016:亨廷顿舞蹈症hsa04110:细胞周期hsa05202:肿瘤转录失调hsa05168:单纯疱疹病毒 1 型感染hsa01240:辅助因子的生物合成hsa04666:FcyR 介导的吞噬作用hsa00280:缬氨酸、亮氨酸和异亮氨酸降解hsa05418:流体剪切应力和动脉粥样硬化hsa04145:Phagosomehsa00983:药物代谢-其他酶hsa05132:沙门氏菌感染hsa04973:碳水化合物的消化和吸收hsa05200:癌症通路hsa05208:化学致癌-活性氧hsa04210:细胞凋亡hsa00512:黏蛋白型 O 聚糖生物合成hsa04918:甲状腺激素合成hsa04930:型糖尿病UBBBIRC5CDCA8CCNB1MAD2L1CDK1CDC20BUB1BCDC6CCNA2387实用肿瘤杂志 2023 年 第 38 卷 第 4 期 注A：CDK1 表达量与 ATC 患者总生存的关系；B：CCNB1 表达量与 ATC 患者总生存的关系；CDK1：周期蛋白依赖性激酶 1（cyclin-dependent kinase 1）；CCNB1：细胞周期蛋白 B1（cyclin B1）图 5ATC 核心靶基因的表达水平对 ATC 患者总生存曲线的影响注A：CDK1 和 CCNB1 表达量与 BRAF 分子亚型的关系；B：CDK1 和 CCNB1 表达量与 NRAS 分子亚型的关系；C：CDK1 和 CCNB1表达量与 TERT 分子亚型的关系；CDK1：周期蛋白依赖性激酶 1（cyclin-dependent kinase 1）；CCNB1：细胞周期蛋白 B1（cyclin B1）；MT：突变型（mutant type）；WT：野生型（wild type）；H：高表达（high expression）；L：低表达（low expression）；BRAF：B-Raf 原癌基因丝/苏氨酸蛋白激酶（B-Raf proto-oncogene,serine/threonine kinase）；NRAS：神经母细胞瘤 RAS 病毒癌基因同源物（neuroblastoma RAS viral oncogene homolog）；TERT：端粒酶反转录酶（telomerase reverse transcriptase）；*P0.05图 6ATC 核心靶基因表达量与分子亚型的关系100100808060604040总生存率（%）总生存率（%）202000生存时间（月）生存时间（月）风险例数风险例数CDK1 低表达CDK1 高表达CCNB1 低表达CCNB1 高表达低表达高表达低表达高表达401536193062412152143505020202020404060608080100100HR=11.26（95%CI：0.97131.36）Log-rank P=0.017HR=9.44（95%CI：0.9494.89）Log-rank P=0.023BC表达量:log2(CCNB1+1)*AB102345nsnsHL*A表达量:log2(CDK1+1)34210MTWT表达量:log2(CDK1+1)WTMT34210表达量:log2(CCNB1+1)102345WTMT表达量:log2(CDK1+1)HL34210表达量:log2(CCNB1+1)102345MTWTns生存时间（月）生存时间（月）202000404060608080388Journal of Practical Oncology Vol.38No.4 2.8ATC 核心靶基因表达量与免疫检查点的相关性进一步验证影响 ATC 患者 OS 预后的核心靶基因 CDK1 及 CCNB1 与免疫检查点基因表达水平的相关性。经 Wilcoxon 符号秩和检验证实，免疫检查点细胞程序性死亡蛋白 1 配体 2（programmed cell death 1 ligand 2，PD-L2）、T 细胞免疫球蛋白和 ITIM 结 构 域 蛋 白（T cell immunoreceptor with Ig and ITIM domains，TIGIT）、T 细胞免疫球蛋白和黏蛋白结构域蛋白 3（T cell immunoglobulin and mucin domain-containing protein 3，TIM3）、T-细胞可诱导共刺激分子（inducible T-cell costimulator，ICOS）、吲 哚 胺 2,3-双 加 氧 酶 1（indoleamine 2,3-dioxygenase 1，IDO1）、细胞程序性死亡受体1（programmed cell death protein 1，PD-1）、细胞毒性 T 淋巴细胞相关蛋白 4（cytotoxic T-lymphocyte-associated protein 4，CTLA4）、淋巴细胞活化基因 3（lymphocyte-activation gene 3，LAG3）和 CD27 的表达量与高表达的 CDK1 均具有正相关性（均 r0.3，均 P0.6，P0.05；图 8）。3讨论ATC 恶性程度高，肿瘤侵袭力强，与其他甲状腺患者比较，预后较差10-12。传统的手术治疗和放化疗对于 ATC 常发生的晚期局灶及远端转移难以奏效，碘 131 治疗对于细胞分化程度低及聚碘能力差的 ATC 也疗效欠佳10，ATC 依然缺乏相对有效治疗策略。本研究基于 IMAGEO 的多数据集分析平台10对 GEO 数据库的 ATC 相关转录组数据集筛选出 1 891 个差异表达基因。近年来，随着 R 语言第三方包及 GEO2R 等工具的推广运用13-14，多芯片平台数据集综合分析算法的日益成熟，诸如 IMAGEO等 GEO 多数据集融合分析平台较传统多数据集筛选方法可以促进不同平台数据集的荟萃融合，可以降低不同平台文件的批次化效应，从而有效扩充 ATC 的样本量，使得经阈值筛选后取交集难以被识别的靶点仍可以有效挖掘，从而保证发病率较低的肿瘤罕见类型得以进行靶基因筛选。不同数据库筛选出的差异表达基因往往存在差异，GEO 及 TCGA 数据库平台存储了涵盖甲状注A：CDK1 表达量与 ATC 免疫细胞浸润水平的关系；B：CCNB1 表达量与 ATC 免疫细胞浸润水平的关系；TCGA：癌症基因图谱（The Cancer Genome Atlas）；THCA：甲状腺癌（thyroid carcinoma）；NK：自然杀伤（natural killer）；*P0.05；*P0.05图 7ATC 预后靶基因表达量与免疫细胞浸润水平的关系幼稚 B 细胞记忆 B 细胞浆细胞浆细胞CD8 细胞CD4 幼椎细胞CD4 记忆激活细胞T 辅助细胞调节 T 细胞T 细胞 NK 细胞休息期NK 细胞激活期单核细胞巨噬细胞 M0巨噬细胞 M1巨噬细胞 M2树突细胞抑制树突细胞活化肥大细胞抑制肥大细胞激活嗜酸性粒细胞中性粒细胞ATCGA-THCACIBERSORT(%)0204060nsns*nsnsnsnsnsnsnsnsnsnsnsnsns幼稚 B 细胞记忆 B 细胞浆细胞浆细胞CD8 细胞CD4 幼椎细胞CD4 记忆激活细胞T 辅助细胞调节 T 细胞T 细胞 NK 细胞休息期NK 细胞激活期单核细胞巨噬细胞 M0巨噬细胞 M1巨噬细胞 M2树突细胞抑制树突细胞活化肥大细胞抑制肥大细胞激活嗜酸性粒细胞中性粒细胞BTCGA-THCACIBERSORT(%)0204060nsnsnsns*nsnsnsnsnsnsnsnsnsnsnsnsnsns*ns389实用肿瘤杂志 2023 年 第 38 卷 第 4 期 注A：CDK1 表达量与 ATC 免疫检查点的相关性；B：CCNB1 表达量与 ATC 免疫检查点的相关性；PDCD1LG2：细胞程序性死亡蛋白 1 配体 2（programmed cell death 1 ligand 2，又称为 PD-L2）；TIGIT：T 细胞免疫球蛋白和 ITIM 结构域蛋白（T cell immunoreceptor with Ig and ITIM domains）；HAVCR2：甲型肝炎病毒细胞受体 2（hepatitis A virus cellular receptor 2）,又称为 T 细胞免疫球蛋白和黏蛋白结构域蛋白 3（T cell immunoglobulin and mucin domain-containing protein 3，TIM3）；ICOS：T-细胞可诱导共刺激分子（inducible T-cell costimulator）；IDO1：吲哚胺 2,3-双加氧酶 1（indoleamine 2,3-dioxygenase 1）；PDCD1：细胞程序性死亡受体 1（programmed cell death protein 1，又称为 PD-1）；CTLA4：细胞毒性 T 淋巴细胞相关蛋白 4（cytotoxic T-lymphocyte-associated protein 4）；LAG3：淋巴细胞活化基因 3（lymphocyte-activation gene 3）；TCGA：癌症基因图谱（The Cancer Genome Atlas）；ATC：间变性甲状腺癌（anaplastic thyroid cancer）；CDK1：周期蛋白依赖性激酶 1（cyclin-dependent kinase 1）；L：低表达（low expression）；H：高表达（high expression）；CCNB1：细胞周期蛋白 B1（cyclin B1）；*P0.05；*P0.05图 8ATC 预后靶基因表达量与免疫检查点的相关性腺癌转录组、高通量芯片和单细胞测序数据在内的多组学数据,有利于 ATC 核心靶点挖掘，基于Cytoscape 软件 CytoHubba 插件的 MCC 算法进一步筛选出 10 个核心基因，通过对 GEO 数据库筛选出的 10 个 ATC 核心靶基因在 TCGA 外部数据库队列验证，进一步提升了 ATC 差异表达基因筛选结AB表达量：log2(PDCD1LG2+1)表达量：log2(PDCD1LG2+1)表达量：log2(CD274+1)表达量：log2(CTLA4+1)表达量：log2(LAG3+1)表达量：log2(CD27+1)表达量：log2(TIGIT+1)表达量：log2(TIGIT+1)表达量：log2(HAVCR2+1)表达量：log2(HAVCR2+1)表达量：log2(ICOS+1)表达量：log2(ICOS+1)表达量：log2(IDO1+1)表达量：log2(IDO1+1)表达量：log2(PDCD1+1)*nsnsnsnsns*11111111211111122222222422222233333333633333344444565656444454548105645000000000000000LHLHLLHLLLLHLHLHLHLHHLHHHHLHLHTCGA-Cohort:ATCCDK1:L(n=249)H(n=248)表达量：log2(CD274+1)表达量：log2(CTLA4+1)表达量：log2(LAG3+1)表达量：log2(CD27+1)nsnsnsns112122423363448105640000HHHHLLLLTCGA-Cohort:ATCCCNB1:H(n=248)L(n=249)表达量：log2(PDCD1+1)ns1234560HL390Journal of Practical Oncology Vol.38No.4 果的置信度，经过单因素 Cox 回归分析及 Kaplan-Meier 法验证，结果证实 CDK1 和 CCNB1 的高表达水平与 ATC 患者不良的生存预后相关。本研究进一步证实，BRAF 突变型与野生型ATC 患者的 CDK1 表达量比较，差异具有统计学意义（P0.05），CDK1 高表达容易叠加 BRAF 突变，或揭示此类人群预后较差，与本研究所揭示的 10.26 倍的高死亡风险相对应。近年来，一些研究证实，BRAF 和 TERT 等基因的启动子突变对于 ATC 生存期具有影响15。BRAF 调节肿瘤细胞分裂增殖，与甲状腺癌复发转移及死亡率高度相关16-17。BRAFV600E突变在 ATC 发生和发展中起重要作用。本研究发现，CDK1 与 CCNB1 的表达水平在 TERT 高表达组及低表达组中比较，差异均具有统计学意义（均 PT with BRAFV600E mutation,older patient age,and distant metastasis in anaplastic thyroid cancerJ.J Clin Endocrinol Metab,2015,100(4):E632-637.20 Karoulia Z,Gavathiotis E,Poulikakos PI.New perspec-tives for targeting RAF kinase in human cancerJ.Nat Rev Cancer,2017,17(11):676-691.21 Dankner M,Rose AAN,Rajkumar S,et al.Classifying BRAF alterations in cancer:New rational therapeutic strategies for actionable mutationsJ.Oncogene,2018,37(24):3183-3199.22 Ng JYS,Lu CT,Lam AKY.BRAF mutation:Current and future clinical pathological applications in colorectal car-cinomaJ.Histol Histopathol,2019,34(5):469-477.23 Park J,Jung HA,Shim JH,et al.Multimodal treatments and outcomes for anaplastic thyroid cancer before and after tyrosine kinase inhibitor therapy:A real-world expe-rienceJ.Eur J End