肝細胞癌腫瘤微環(huán)境相關(guān)基因與預(yù)后的關(guān)系

肝癌是高發(fā)病率、高致死率的惡性腫瘤，占全世界癌癥發(fā)生率的 6%^[1] ，肝細胞癌（hepato-cellularcarcinoma，HCC）是全世界最高發(fā)的肝癌類型，約占原發(fā)性肝癌總數(shù)的 75%～90%^[2] 是肝癌研究的重點[3]。HCC 的發(fā)生發(fā)展主要由復(fù)雜的因素協(xié)同作用共同促進肝炎-肝硬化-肝癌的轉(zhuǎn)變效應(yīng)，其中腫瘤微環(huán)境（tumormicroenvironment，TME）是近幾年研究癌癥發(fā)生及耐藥機制比較熱門的因素之一[4]。TME 是腫瘤細胞所處的細胞環(huán)境，其在腫瘤的生長和進展中起著關(guān)鍵作用主要組成包括細胞外基質(zhì)、可溶性分子和腫瘤基質(zhì)細胞還有眾多免疫細胞[5]，免疫細胞和基質(zhì)細胞是其兩種主要類型的非腫瘤組分，并且已被提出對于腫瘤的診斷和預(yù)后評估是有價值的[6-7]。在這篇文章中，使用基因表達數(shù)據(jù)庫（geneexpressionomnibus，GEO）分析在癌旁組織與HCC組織中腫瘤微環(huán)境中的基質(zhì)細胞與免疫細胞的表達差異，探討其與HCC患者臨床表征和預(yù)后的相關(guān)性，為研究肝細胞癌的靶向藥物聯(lián)合治療提供新思路和理論基礎(chǔ)。

1材料與方法

1.1數(shù)據(jù)下載及注釋

從GEO數(shù)據(jù)庫（http：//www.ncbi.nlm.nih.gov/gds）下載公共原始數(shù)據(jù)，包括探針矩陣文件（GSE76427_ series_ matrix.txt.gz）和平臺文件（GPL10558_HumanHT_12_V4_0_R1_15002873_B.txt），其中樣本總數(shù)167個（癌旁組織樣本52個，HCC組織樣本115個）。將平臺文件探針矩陣轉(zhuǎn)化成基因矩陣，根據(jù)ESTIMATE算法繼而得到腫瘤微環(huán)境的打分結(jié)果[8]，將免疫細胞和基質(zhì)細胞分為高評分組和低評分組，并取上調(diào)和下調(diào)基因的交集，對基因集進行基因功能注釋。本研究使用的所有數(shù)據(jù)均從GEO下載，數(shù)據(jù)的收集和使用均按照GEO的出版指南和數(shù)據(jù)訪問政策進行，無需獲得當?shù)貍惱砦瘑T會的額外批準。

1.2基因富集分析

通過R包clusterprofiler對DEGs進行功能富集分析以識別GO（geneontology，GO）類別。利用聚類分析器參照京都基因與基因組百科全書（kyoto encyclopedia of genes and genomes，KEGG）路徑進行路徑富集分析，以 FDRlt;0.05 作為分界點。

1.3蛋白-蛋白相互作用

在 STRING 10.5 平臺（https：//string-db.org）構(gòu)建蛋白-蛋白相互作用（protein-proteininteraction，PPI）網(wǎng)絡(luò)模型，將蛋白種類設(shè)置為“Homosapiens”，將最低相互作用閾值設(shè)置為“highest confidence”（ gt;0.96） ，其他參數(shù)保持默認設(shè)置，以獲得PPI網(wǎng)絡(luò)效果。

1.4DEGs體外實驗驗證

培養(yǎng)L-02正常肝細胞和HePG2肝癌細胞，對數(shù)生長期的HePG2細胞分別用阿霉素（Adria-mycin，ADR）不同濃度（7.5、15.0、 30.0mg/ L）處理 24h ，觀察細胞生長情況，計算IC50值，并用于后續(xù)RNA收集。以總RNA約 1μg 為模板進行反轉(zhuǎn)錄生成cDNA。在ABIQuantStudioDx系統(tǒng)上使用TrantStartGreenqPCRSuPerMix（北京，中國）評估靶基因表達水平，以GAPDH表達水平作為內(nèi)參，然后，采用 2^-ΔΔCT 方法計算目標基因的相對表達量。PCR所用引物由生工生物技術(shù)公司合成（見表1）。

1.5統(tǒng)計學(xué)分析

采用Perl軟件對數(shù)據(jù)文本進行預(yù)處理。SPSS（IBMCorP.Armonk，NY，USA），R語言（R-Project.org），Bioconductor項目提供的軟件包（www.bioconductor.ORG）進行統(tǒng)計分析和制圖。使用R軟件包“survival”進行生存分析，然后使用“survminer”軟件包繪制生存曲線。采用Wilc-oxon秩和檢驗法測定HCC樣本組織及鄰近組織中的DEGs。采用R軟件分析免疫細胞和基質(zhì)細胞之間的DEGs。根據(jù)得分，將模型擬合到“l(fā)imma”包框架中，并使用配對 χ_t 檢驗對感興趣的假設(shè)進行檢驗[10]。 p 值已針對多重假設(shè)檢驗進行校正，并以FDR值表示（ plt;0.05） ， p 值由雙側(cè)檢驗得出。

2結(jié)果

2.1評分和生存及臨床性狀的關(guān)系

從GEO數(shù)據(jù)庫下載了115名HCC患者的基因表達圖譜和臨床信息?；贓STIMATE算法，免疫評分分布在 -808.82～2623.22 之間，基質(zhì)評分范圍分別為-1556.65＼～1076.46，綜合評分分布在-2365.48～3014.57 之間。HCC腫瘤微環(huán)境中的免疫細胞與基質(zhì)細胞評分和臨床性狀（性別、T分期等）沒有相關(guān)性（圖1）?？偵嫫冢╫verallsurvival，OS）與免疫評分具有潛在相關(guān)性，Ka-PlaneMeier生存曲線（圖2B）顯示免疫評分低評分組的中位OS的病例數(shù)低于高評分組（對數(shù)秩檢驗 p=0.013 。

A免疫評分與BCLC分期的關(guān)系；B免疫評分與性別的關(guān)系；C免疫評分與T分期的關(guān)系；D基質(zhì)評分與BCLC分期的關(guān)系；E基質(zhì)評分與性別的關(guān)系；F基質(zhì)評分與T分期的關(guān)系

A綜合評分與生存差異的關(guān)系圖；B免疫評分與生存差異的關(guān)系圖；C基質(zhì)評分與生存差異的關(guān)系圖

2.2基質(zhì)細胞與免疫細胞基因差異表達

為了揭示整體基因表達譜與免疫評分和/或基質(zhì)評分的相關(guān)性，比較GEO數(shù)據(jù)庫中167例HCC患者的Illumina微陣列數(shù)據(jù)。圖3A、B中的熱圖顯示了免疫評分高與基質(zhì)評分低組病例的不同基因表達譜，此外，Venn圖（圖3C，D）顯示，460個基因在高分組中普遍上調(diào)，34個基因普遍下調(diào)。為了概述DEGs（differentially expressedgenes，DEGs）的潛在功能，對高免疫評分組的460個上調(diào)基因和34個下調(diào)基因進行了功能富集分析。

A基質(zhì)細胞表達熱圖；B免疫細胞表達熱圖；C基質(zhì)細胞與免疫細胞上調(diào)表達基因交集圖；D基質(zhì)細胞與免疫細胞下調(diào)表達基因交集圖

2.3基因功能聚類分析（genefunctionclusteranaly-sis）

在Venn圖中發(fā)現(xiàn)在高分組中有460個基因普遍上調(diào)，34個基因普遍下調(diào)。為了揭示差異表達基因的潛在功能，對免疫和基質(zhì)評分普遍上調(diào)和下調(diào)的基因進行功能富集分析。通過RPackageclusterProfiler對494個差異表達基因進行基因的功能注釋及通路富集分析，根據(jù) FDRlt;0.05 進行篩選，結(jié)果表明494個靶點參與了702個生物過程相關(guān)的條目、65個細胞組成相關(guān)條目、70個分子功能相關(guān)條目。ToPGO術(shù)語確定了中性粒細胞激活、細胞因子參與并介導(dǎo)免疫反應(yīng)（圖4A）。將通路富集分析結(jié)果 plt;0.05 的前30條通路進行可視化（圖4B）。圖4中長方形條框越長，表明通路富集到的基因數(shù)目就越多；顏色越紅，表明p值越小。

A基因功能注釋分析；B基因富集通路分析

2.4蛋白互作網(wǎng)絡(luò)分析

共同靶點構(gòu)建蛋白-蛋白相互作用網(wǎng)絡(luò)模型（圖5A）。其中CXCL8、CXCL10、JUN、OAS2、MX1、MX2、SYK等基因為中樞核質(zhì)相互作用基因，是富集相互作用數(shù)目最多的基因，直接作用基因數(shù)最高為10個，combined_ score最高可達0.999。根據(jù)相互作用的蛋白數(shù) ?5 個，可以將各基因蛋白進行可視化直觀展示（圖5B）。

A基因相互作用網(wǎng)絡(luò)關(guān)系圖；B基因相互作用的富集數(shù)目

2.5預(yù)后基因生存相關(guān)性

在免疫高評分組中，544個基因根據(jù)（ plt; 0.05）進行篩選，得到87個與HCC生存分析具有顯著意義的基因見表2。進一步過濾，篩選得到8個基因表達與HCC生存分析比較，差異有統(tǒng)計學(xué)意義（ plt;0.01 ），分別是ALOX5AP、BST2、BTK、CD48、CECR1、CORO1A、DOCK2、Clorf162，各基因表達與生存關(guān)系分析圖如圖6所示，在87個具有顯著生存意義的基因中選取蛋白互作基因數(shù)目5個及以上的基因可以得到8個二級核心基因，分別是ALOX5AP、BST2、BTK、CCL5、COL6A1、HLA-DMB、HLA-DRA、RAC2。其中BST2、BTK均是與HCC生存預(yù)后分析比較，差異有統(tǒng)計學(xué)意義性（ plt;0.01 ）且蛋白互作數(shù)目多的一級核心基因。

AALOX5AP基因表達與生存關(guān)系差異；BBST2基因表達與生存關(guān)系差異；CBTK基因表達與生存關(guān)系差異；DCD48基因表達與生存關(guān)系差異；ECECR1基因表達與生存關(guān)系差異；FCORO1A基因表達與生存關(guān)系差異；GDOCK2基因表達與生存關(guān)系存在差異；HC1orf162基因表達與生存關(guān)系也存在差異。

2.6DEGs的體外驗證

ADR作用于HePG2細胞24h的IC50為82.5mg/L 。如圖7所示，所有8種DEGs在經(jīng)ADR處理的HePG2細胞中表達與對照組相比均有顯著差異。然而，只有BST2和BTK基因在肝癌和正常肝細胞系中表達有顯著差異并具有量-效關(guān)系（ plt;0.05） 。BST2和BTK是在HCC腫瘤微環(huán)境中起重要作用的 DEGs 。

以L-02細胞為對照組，以* plt;0.05 ，** plt;0.01 ，****plt;0.001 為差異有統(tǒng)計學(xué)意義。（A）不同濃度ADR對HePG2細胞存活率的影響；（B）ALOX5AP；（C）BST2；（D）BTK；（E）CD48；（F）CECR1；（G）CO-RO1A；（H）DOCK2；（I）C1orf162

3討論

GEO數(shù)據(jù)庫的數(shù)據(jù)挖掘已被廣泛用于預(yù)測癌癥預(yù)后及預(yù)后基因差異分析，在這項工作中，筆者分析了這87個DEGs的總體生存分析結(jié)果，挖掘了8個（ALOX5AP、BST2、BTK、CD48、CECR1、CORO1A、DOCK2、C1orf162）與 HCC預(yù)后生存顯著性差異最強的基因（ plt;0.01 ），其中BST2、BTK這兩個基因是蛋白互作基因數(shù)目的一級核心基因。此后進行體外細胞實驗也驗證了前面的分析篩選，這證明了基于GEO數(shù)據(jù)庫使用ESTIMATE算法對HCC腫瘤微環(huán)境相關(guān)基因進行大數(shù)據(jù)分析的預(yù)后價值。

BST2，也被稱為CD317，是一種跨膜糖蛋白。BST2在HCC組織中高表達，被認為是縮短肝癌患者OS 的重要臨床預(yù)后指標[]。它參與B細胞的生長發(fā)育，并能有效激活核因子 -σ_KB （NF-π_KB ），從而在免疫中發(fā)揮重要作用。BST2表達升高與腫瘤大小和數(shù)量的增加密切相關(guān)，但BST2與miR-760 聯(lián)合可促進腫瘤細胞凋亡[12]。BST2 也是膠質(zhì)瘤預(yù)后不良的獨立危險因素[13]。BST2 高表達HCC患者的總生存率較低。它被認為是HCC的獨立不良預(yù)后因素，與肝癌的發(fā)生發(fā)展密切相關(guān)，并有助于腫瘤轉(zhuǎn)移[14]。另一個核心基因布魯頓酪氨酸激酶（BTK）是一種細胞質(zhì)酪氨酸激酶，是與人類癌癥發(fā)病相關(guān)的Tec激酶家族中唯一的成員[15]。該基因編碼的蛋白質(zhì)在B細胞發(fā)育中起著至關(guān)重要的作用，該基因突變會產(chǎn)生免疫缺陷，導(dǎo)致不能產(chǎn)生成熟的B淋巴細胞進而誘發(fā)惡性腫瘤HCC[16-17]

中性粒細胞是宿主防御的關(guān)鍵防線，在消除感染中發(fā)揮著重要作用[18-19]。然而，中性粒細胞黏附增加導(dǎo)致中性粒細胞與內(nèi)皮細胞之間的相互作用增強，從而導(dǎo)致血管內(nèi)皮損傷和器官功能障礙[20-21]，并且過度嗜中性粒細胞激活可能會對宿主有害，導(dǎo)致附屬組織損傷[22]，包括分泌促炎介質(zhì)導(dǎo)致炎癥進而誘導(dǎo)癌癥 HCC^[23] 。細胞因子在炎癥過程的協(xié)調(diào)以及與炎癥相關(guān)的癌癥中發(fā)揮著廣泛免疫調(diào)節(jié)作用[24]，對人類生物學(xué)和疾病至關(guān)重要。細胞外基質(zhì)對炎癥及腫瘤免疫反應(yīng)是密不可分的，研究細胞外基質(zhì)在腫瘤免疫中的關(guān)鍵作用可能揭示新的腫瘤治療策略或改善現(xiàn)有的策略[25]

本研究利用HCC轉(zhuǎn)錄組數(shù)據(jù)進行DEGs挖掘和功能富集分析，鑒定出與預(yù)后有顯著性差異的基因。此外，細胞外基質(zhì)、中性粒細胞活化和細胞因子都參與了HCC預(yù)后不良的發(fā)生。DEGs的鑒定可能為尋找治療HCC的新靶點和新方法提供新的見解[26]。由于HCC 的復(fù)雜性，其腫瘤微環(huán)境需要由更大的隊列進行更全面的分析，未來還需要更完整的體內(nèi)體外實驗來探索TME和DEGs影響HCC進展的具體機制，實現(xiàn)積極的健康結(jié)果。

利益沖突聲明：所有作者均聲明不存在利益沖突

參考文獻：

[1]Grinchuk OV， Yenamandra SP， Iyer R， et al. Tumor-adjacent tissue co-expression profile analysis reveals pro-oncogenic ribosomal gene signature for prognosis of respectable hepatocellular carcinoma [J].Mol Oncol，2018，12（1）：89.

[2]Liu X， Qin S. Immune CheckPoint Inhibitors in HePatocellular Carcinoma： OPPortunities and Challenges[J]. Oncologist，2019，24（SuPPl 1） ： S3.

[3]Fan G，Xie T，LiL，et al. Single-cell and spatial analyses revealed the co-location of cancer stem cells and SPP1+ macrophage in hypoxic region that determines the poor prognosis in hepatocellular carcinoma[J]. NPJ Precis Oncol，2024，8（1） ：75.

[4]Shimada S，Mogushi K，Akiyama Y，et al. ComPrehensive molecular and immunological characterization of hePatocellular carcinoma[J]. E Bio Med，2019，4O（1） ：457.

[5]Hinshaw DC， Shevde LA. The tumor microenvironment innately modulates cancer progression[ J]. Cancer Res. 2019;79（18） ：4557.

[6]Rohr-Udilova N，Klinglmuller F，Schulte-Hermann R，et al. Deviations of the immune cell landscaPe between healthy liver and hePatocellular carcinoma[J]. Sci ReP，2O18，8（1） ：6220.

[7]Nishida N. Role of oncogenic pathways on the cancer immunosuppressive microenvironment and its clinical implications in hepatocellular carcinoma[J]. Cancers （Basel） ，2021，13（15） ：3666.

[8]Ran QC，Long SR，Ye Y，et al. Mining TCGA database for prognostic genes in head and neck squamous cell carcinoma microenvironment[J]. J Dent Sci，2021，16（2） ：661.

[9]Wei Y，Ren S，Wang R，et al.Based on Network pharmacology to explore the potential bioactive compounds and mechanisms of zuojin pillfor the treatment of ulcerative colitis[J].Evid Based ComPiement Aiternat Med，zU∠I ： /Do/UZ5.

[10]Wettenhall JM， Smyth GK. Limma GUI： a graphical user interface for linear modeling of microarray data[J]. Bioinformatics，2004，20（18） ：3705.

[11] Xu X，Wang Y， Xue F，et al. BST2 promotes tumor growth via multiple pathways in hepatocellular carcinoma[J]. Cancer Invest，2020，38（5） ：329.

[12]Liu W，LiY，F(xiàn)eng S，et al. MicroRNA-76O inhibits cell viability and migration through downregulating BST2 in gastric cancer[J]. J Biochem，2020，168（2） ：159.

[13]Shi H， Luo K，Huang W. Bone marrow stromal antigen 2 is a potential unfavorable prognostic factor for high-grade glioma[J]. Onco Targets Ther，202O，13：8723.

[14]Bego MG，Cong L，Mack K，et al. Differential control of BST2 restriction and plasmacytoid dendritic cell antiviral response by antagonists encoded by HIV-1 group m and o strains[J]. J Virol. 2016，90（22） ：10236.

[15] Carvalo A，Sánchez-Fernández S，Morales-Palacios MP. Fenebrutinib and BTK inhibition ：unveiling a new target for the treatment of chronic sPontaneous urticaria[J]. Allergy，2O23，78（2） ： 603.

[16]Qiu S，Liu Y，Li Q. A mechanism for localized dynamics-driven activation in Bruton's tyrosine kinase[J]. R Soc OPen Sci，2021，8（8） ：210066.

[17]Lew TE，Lin VS，Cliff ERS，et al. Outcomes of Patients with CLL sequentially resistant to both BCL2 and BTK inhibition[J]. Blood Adv，2021，5： 4054.

[18]de Oliveira S，Rosowski EE，Huttenlocher A. NeutroPhil migration in infection and wound rePair： going forward in re-verse[J]. Nat Rev Immunol，2O16，16：378.

[19]Hajishengallis G，Chavakis T，Hajishengalis E，et al. NeutroPhil homeostasis and inflammation ： novel Paradigms from studying Periodontitis[J]. J Leukocyte Biol，2O15，98：539.

[20]Yang Q，Langston JC， Tang Y，et al. The role of tyrosine phosphorylation of protein kinase c delta in infection and inflammation[J]. Int J Mol Sci，2019，2O：1498.

[21]Hua Y，Liu D， Zhang D，et al.Extracellular AMP suppresses endotoxemia-induced inflammation by alleviating neutrophil activation[J]. Front Immunol，202O，11：1220.

[22]Kovach MA， Standiford TJ. The function of neutrophils in sepsis[J]. Curr OPin infect Dis，2012， 25 ：321.

[23]Ma Y， Yang X， Chatterjee V，et al.Role of neutroPhil extracellular traps and vesicles in regulating vascular endothelial permeability[J]. Front Immunol，2019，10：1037.

[24]Schmidt-Arrs D， Rose-John S. Endosomes as signaling platforms for il-6 family cytokine receptors[J]. Front Cell Dev Biol，2021，9：688314.

[25]Tomlin H，Piccinini AM.A complex interplay between the extracelular matrix and the innate immune response to microbial pathogens[J]. Immunology，2018，155（2） ：186.

[26]TriPathy DK，Panda LP，Biswal S，et al. Insights into the glioblastoma tumor microenvironment ： current and emerging therapeutic approaches[J]. Front Pharmacol，2024，8（15） ：1355242.

Tumor Microenvironment-Related Genes Associated with Prognosis in Hepatocellular Carcinoma

CAI Ye'， DUAN Fangfang2（1. Department of Pharmacy， Jiangxi Children's Hospital； 2. Central Laboratory，Jiangxi Children's Hospital，Nanchang，Jiangxi 33o006，China）

ABSTRACTObjective Hepatocelular carcinoma （HCC） is a common malignancy. Genes related to the tumor microenvironment（TME）areoftencloselyrelated tooverallsurvival（OS）.However，therolesofTME-related genes in HCC have notyetbeen fulyelucidated.This studyaimed toidentifyTME-related genes thatcouldbeused to predictpoor prognosis in patients with HCC.Method The GSE76427 datasetand GPL10558 Platform matrix file inGene Expression Omnibus（GEO）were downloaded.Kyoto Encyclopedia of Genes and Genomes（KEGG）and GeneOntology（GO）analyses were conducted to identifydiferentially expressed genes （DEGs）and explore their potential prognostic value.Result Immune scores were significantly associated with OS and Barcelona Clinic Liver Cancer （BCLC） grade（ plt;0.05 ）. We identified 87 genes in the TME that were significantly correlated with HCC OS（ plt;0.05 ）.Eight of these DEGs， ALOX5AP，bone marow stromal cellantigen 2（BST2），Bruton tyrosine kinase（BTK），CD48，CECR1，CORO1A， DOCK2，and C1orf162 were significantly associated with OS （ plt;0.01 ）.Conclusion We identified two（BST2、BTK） TME-related genes thatweresignificantlyassociatedwithpoorprognosis in HCC，providingatheoretical basis fortreatment.

KEYWORDSdiferentially expressed genes；GEO database；hepatocellular carcinoma；prognosis；tumor microenvironment

（責任編輯 胡安娜）