代谢生信分析（代谢 生物）

疾病的脂质代谢研究，尤其是肿瘤中的脂质代谢重编程研究可以说是近几年持续性的研究热点之一了如果你也想做脂质代谢快速发文，那么今天番茄君分享的这篇文章，你一定不能错过！这篇文章的创新点在于采用CRISPR/Cas9文库筛选和生物信息学数据库挖掘相结合的方法，研究头颈部鳞状细胞癌中与药物反应相关的脂质代谢基因，思路清晰，内容精炼，具体如何操作，快跟番茄君学习下吧~。

文章信息：

题目：通过脂质代谢相关的聚类多基因模型提高头颈部鳞状细胞癌化疗的预后准确性杂志：Cancer Cell International影响因子：IF=5.8发表时间：2023年8月 后台回复“123”领取文献

PART 01

研究背景及思路

脂质代谢对于癌症的发生和发展和耐药性至关重要以顺铂为基础的化疗作为头颈部鳞状细胞癌(HNSCCs)的一线治疗方法被广泛应用然而，患者接受治疗过程中容易产生顺铂耐药，影响治疗效果因此，迫切需要可靠的铂耐药方案。

最近的研究表明，参与脂质代谢的基因表达的改变与顺铂耐药有关，特别是参与脂肪酸代谢的基因，如FASN、CD36和SCD此外，脂质代谢重编程的发生与治疗用药有关，受环境和细胞微环境的影响目前关于HNSCCs脂质代谢重编程的研究有限，基于不同的解剖区域和肿瘤微环境，报道的结果相互矛盾。

因此探讨脂质代谢重编程对HNSCCs总体药物反应的影响，特别是化疗的影响对于改善全身化疗和提高患者预后是非常必要的

 数据来源

 研究思路本研究利用CRISPR/cas9全基因功能缺失文库筛选和来自癌症基因组图谱(TCGA)接受全身治疗的HNSCC患者的数据来检测差异表达基因(DEGs)基于鉴定的功能富集DEGs，建立脂质代谢相关聚类多基因模型脂质代谢相关评分(LMRS)模型。

使用HNSCC数据集、GEO数据库和临床样本评估模型对生存结果、化疗和免疫治疗反应的预测效率

PART 02

研究结果

一通过CRISPR/Cas9文库筛选鉴定与HNSCC化疗耐药相关的脂质代谢基因将GeCKO 2.0转染到HNSCC细胞系Fadu和Detroit 562中进行筛选，了解HNSCC化疗耐药的功能和途径（图1B）。

然后使用顺铂和5-FU进行药物筛选，将处理过的细胞用于下一代测序以获得DEGs（图1C）GO基因富集和KEGG通路分析显示，脂质代谢功能和通路相关基因显著富集，脂质相关DEGs的热图显示，脂质代谢相关基因的表达随细胞系和药物的不同略有不同（图1I）。

图1 DEGs的鉴定和功能富集分析二采用脂质代谢基因进行全身治疗的HNSCC患者预后表现和代谢特征接下来，作者确定了751个已知脂质代谢基因，研究这些基因在HNSCC中的功能有化疗或靶向治疗史的TCGA-HNSCC队列患者根据751个脂代谢相关基因的不同表达水平分为2个亚型（图2A），对C1组和C2组的脂代谢相关基因表达模式进行分析（图2B）。

生存分析结合临床数据显示，C1组的临床预后明显差于C2组（图2C）GO和KEGG分析表明，C2组有更多的富含脂肪酸代谢和DNA复制的基因（图2G和H）代谢相关基因的热图显示，与药物代谢、铂耐药、谷胱甘肽代谢和脂肪酸代谢相关的基因在C1组中表达水平相对较低（图2I）。

图2 脂质代谢基因在HNSCC中的功能三建立具有脂质代谢特征的多基因预后模型通过LASSO回归分析，结合之前的CRISPR/cas9文库筛选结果，将纳入该评估模型的基因数量降至最低最终，LMRS模型包括8个与脂质代谢相关的基因（ACSBG2、APOB、IKBKB、MAPK9、MOGAT2、PLA2G10、PIK3R3和SREBF1），（图3A、B）。

评分依据LMRS基因表达水平确定然后，根据LMRS评分的高低，将患者分为LMRS- high和LMRS- low两组（图3C）生存分析显示LMRS- high组的总生存率较低，而LMRS-Low组总生存率较高（图3E）。

图3 LMRS模型建立四LMRS模型预测对免疫治疗的反应和免疫细胞的浸润进一步研究揭示了LMRS模型对免疫细胞浸润的强大预测作用，这在T细胞中尤为明显CIBERSORT分析结果显示，LMRS- low组T-helper和T-reg细胞百分比较高，M0巨噬细胞浸润率较低（图4A、B）。

图4 免疫浸润分析五在外部HNSCC数据集上验证LMRS模型的有效性该研究涉及GEO的三个HNSCC数据集，包括一项检查HNSCC患者化疗有效性的研究（GSE32877，n = 23；图5A），一项监测HNSCC患者的生存和预后的研究（GSE10300，n = 42；图5B），以及一项检查化疗和生存信息的研究（GSE41613，n = 97；图5C）。

从GEO数据库中检索基因表达数据，并使用模型公式评估每个病例的相应LMRS评分（图5D-F）我们的研究结果显示，化疗反应良好的患者LMRS评分较低，生存时间较长的患者LMRS评分较低此外，GSE41613的结果与LMRS评分越高的患者预后越差的总体趋势是一致的。

图5 外部数据集验证六LMRS模型预测HNSCC临床样本的化疗反应除了GEO数据集，作者还在HNSCC样本中验证了LMRS模型的有效性化疗结束后，将患者分为两个亚组那些表现出肿瘤减少大于50%的人满足应答状态（图6G），而那些减少低于50%的人假定无应答状态。

通过MRI和电子喉镜进行验证8种LMRS蛋白的免疫组化（IHC）和免疫荧光（IF）染色在两个队列中证实了上述生物信息学发现（图6H-J）在有反应亚组中，LMRS评分显著低于无反应队列（图6J）这些发现进一步证明了LMRS模型作为评估HNSCC治疗结果和药物反应的调查工具的适用性。

图6 HNSCC临床样本验证PART 03

文章小结

本研究采用CRISPR/Cas9文库筛选和生物信息学数据库挖掘相结合的方法，研究HNSCCs中与药物反应相关的脂质代谢基因利用获得的数据，开发了一个能够评估HNSCCs临床结果和药物反应的LMRS模型，促进了对不太可能对药物治疗产生反应的个体的识别。

这不仅为患者节省了时间和成本，而且为新药的开发提供了基础此外，LMRS模型显示出作为HNSCCs ICB治疗的预测工具的潜力总之，作者紧跟肿瘤中脂质代谢重编程这一热点，在疾病选择、研究设计以及模型建立上有着比较高的创新性，大家赶快学习起来吧！

番茄有话说：想复现这种思路或者定制更多创新性思路吗？欢迎咨询番茄君吧！

往期链接   1.一组GEO数据就能分析基因网络？8+分非肿瘤文章简单思路get！   2.非肿瘤Q1区7.3分生信！机器学习算法分析线粒体自噬与免疫浸润的奥秘！   3.深入探讨长链非编码RNA背后的调控机制，生信研究经典模板！

   4.没有基础怎么发9分+SCI？如何锁定目标基因？学会这几招，高分文章手到擒来，快快学起来吧~   5.1区10分+多组学整合！单细胞+空间转录组，错过这篇的高分范文就是错过了全世界~