甲状腺癌铁死亡预后风险模型的构建及其潜在机制的生物信息学分析

目的:筛选甲状腺癌(TC)差异预后铁死亡基因(PFRGs),构建TC铁死亡相关基因(FRGs)预后风险模型,并阐述其潜在作用机制.方法:从癌症基因组图谱(TCGA)数据库获取基因表达及临床数据,从铁死亡疾病数据库(FerrDb)和人类基因数据库(GeneCards)中获取FRGs,采用R软件筛选TCPFRGs;从TCGA和GTEx数据库获取TC组织和甲状腺组织中PFRGs mRNA表达数据,从人类蛋白图谱(HPA)数据库获取免疫组织化学结果,验证PFRGs mRNA和蛋白表达的差异;采用时间依赖性受试者工作特征(time-ROC)曲线和Kaplan-Meier曲线评估PFRGs与TC患者生存和预后的关系;采用单因素和多因素Cox回归分析计算PFRGs表达的风险评分,纳入TC患者临床数据,进行独立预后分析,并构建Nomogram图;TCGA数据库中PFRGs与各基因表达的相关性采用Spearman相关分析,计算相关系数并筛选共表达基因;采用生物信息学方法对PFRGs共表达基因进行蛋白-蛋白互作(PPI)网络图、基因本体论(GO)和京都基因与基因组百科全书(KEGG)富集分析.结果:在TC中差异分析筛选出3317个上调基因和3456个下调基因,单因素Cox回归分析筛选出343个差异表达基因(DEGs)与TC患者的生存和预后相关,其中包括CD44、膜联蛋白A1(ANXA1)和核受体亚家族4A类成员1(NR4A1).Kaplan-Meier和time-ROC曲线显示CD44、ANXA1和NR4A1的表达与TC患者生存和预后有关联(P=0.048,P=0.005,P=0.036),且均具有良好的1、3和5年生存预测作用.构建3个基因风险评分系统,风险评分作为TC患者临床预后因子[风险比(HR)=8.882,95％CI:1.561～50.547,P=0.014)],风险评分越高,生存预后越差[P=0.011,ROC曲线下面积(AUC)=0.761、0.767和0.722];风险评分联合TC患者临床特征构建的Nomogram图(C-index=0.938)对TC患者的生存具有较好的预测作用.共表达与富集分析,TC铁死亡主要与其共表达基因(DUSP1、DUSP5、DUSP6、FOS、IL1RAP、JUN、MET、RASGRF1、TGFA、TGFBR1、TNFRSF1A)介导MAPK信号通路,影响MAPK活性和p-MAPK活性,调控MAPK失活.结论:基于生物信息学筛选出的TC差异PFRGs CD44、ANXA1和NR4A1与TC患者生存和预后相关,由3个基因构建的预测模型具有较好的预测能力,其作用机制可能与多基因网状调控MAPK信号通路有关.