Effect of fucosyltransferase 8 expression on immunecell infiltration and survival prognosis in breast cancer
-
摘要:目的 探讨岩藻糖基转移酶8(FUT8)与乳腺癌免疫细胞浸润的关系以及对预后的影响。方法 利用肿瘤免疫分析数据库(TIMER)和Oncomine数据库检索并分析FUT8在乳腺癌以及其他类型癌症的表达情况; 通过Kaplan-Meier Plotter数据库绘制生存曲线，总结不同临床特征的FUT8对乳腺癌患者预后的影响; 通过TIMER和TIMER2.0探讨FUT8与乳腺癌免疫细胞浸润的关系; 通过TIMER2.0和bc-GenExMiner数据库得出乳腺癌中FUT8与免疫细胞标志物和免疫检查点的相关性; 最后通过免疫组织化学染色检测乳腺癌中FUT8的表达。结果 FUT8在乳腺癌组织中的表达率为85%, 大多数高表达水平FUT8患者具有更好的生存和预后(HR < 1)。在basal亚型中, FUT8水平与CD8+T细胞、Treg细胞、NK细胞和巨噬细胞的浸润呈正相关，在HER2+亚型中, FUT8的水平与CD4+T细胞和Treg细胞的浸润呈正相关，在basal亚型和HER2亚型中FUT8的表达与大多数免疫检查点和免疫细胞标志物呈正相关。结论 FUT8评价乳腺癌患者的预后和免疫细胞浸润水平有重要作用。Abstract:Objective To investigate the relationship between fucosyltransferase 8(FUT8)and immune cell infiltration in breast cancer and its impact on prognosis.Methods The expression of FUT8 in breast cancer as well as other types of cancer was retrieved and analyzed using the Tumor Immunoassay database (TIMER) and Oncomine database; survival curves was plotted by Kaplan-Meier Plotter database and the effects of FUT8 under different clinical characteristics on the prognosis of breast cancer patients were summarized; the association between FUT8 and immune cell infiltration in breast cancer was investigated by TIMER and TIMER2.0; TIMER2.0 and bc-GenExMiner database were used to derive the correlations between FUT8 and immune cell markers, immune checkpoints in breast cancer; finally, immunohistochemical staining was conducted to detect the expression of FUT8 in breast cancer.Results FUT8 was expressed in 85% of breast cancer tissues, and high levels of FUT8 leaded to better survival and prognosis in most patients (HR < 1). In the basal subtype, the levels of FUT8 were positively correlated with infiltration of CD8+T cells, Treg cells, NK cells and macrophages; in the HER2 + subtype, the levels of FUT8 were positively correlated with infiltration of CD4+T cells and Treg cells; in basal and HER2 subtypes, FUT8 expression was positively correlated with most immune checkpoints and immune cell markers.Conclusion FUT8 has important roles in evaluating the prognosis and the level of immune cell infiltration in breast cancer patients.
-
Keywords:
- breast cancer /
- fucosyltransferase 8 /
- immunity /
- prognosis /
- immune cell markers /
- immune cell infiltration
-
急性缺血性脑卒中(AIS)是脑组织急性缺血、缺氧导致的神经功能障碍性疾病，占脑卒中的60%~80%, 具有较高的致残率和致死率，严重威胁患者的生命健康[1]。早期诊断并及时治疗能够显著改善患者预后，有效降低致残率和病死率。目前，神经影像学技术如颅脑CT、磁共振成像(MRI)技术已被广泛应用于临床缺血性脑卒中的诊断，但医疗成本相对较高，且影像学检查手段的准确度依赖于患者既定症状的形成，故CT与MRI仍具有一定的局限性[2]。视频脑电图(VEEG)采用神经电生理技术，不仅能辅助判断脑组织损伤的严重程度，还可以实时监测到急性发病早期的脑电波异常[3-4], 因此对于AIS的早期诊断、疾病进展监测及预后评估均有积极意义。本研究探讨AIS患者的VEEG相关参数与预后的关系，现报告如下。
1. 资料与方法
1.1 一般资料
将2017年6月—2019年1月本院收治的85例AIS患者作为研究对象，其中男47例，女38例，年龄32~68岁，平均(51.57±5.43)岁。纳入标准: ①符合AIS的诊断标准[5]，经颅脑CT及MRI检查确诊; ②初次发病入院，发病时间在72 h内; ③无意识障碍，能够配合各项检查; ④排除有颅脑手术史、癫痫、脑出血、短暂性脑缺血发作及有药物禁忌的患者; ⑤患者及家属均知情同意，并签订知情同意书。收集患者的年龄、性别、病灶分布以及高血压、糖尿病病史等一般临床资料，记录并统计患者入院时美国国立卫生研究院卒中量表(NIHSS)评分。
1.2 研究方法
1.2.1 VEEG监测
所有患者入院后进行抗凝、降纤、扩容等改善微循环的治疗，同时给予脑保护、抗血小板聚集等治疗。治疗过程中采用国产数字化视频脑电监测系统(ZN8000)进行脑电图视频监测。按照国际10/20系统标准放置电极, 16导联单级采样(Fp1、Fp2、F3、F4、F7、F8、C3、C4、T3、T4、T5、T6、P3、P4、O1、O2), 每次监测24 h。分别记录患者在监测期间的各种活动状态、临床表现及脑电活动，将图像与脑电信号同步保存。由2位电生理专业人员完成脑电图图像分析，选取质量较高的信号波段评估VEEG分级及功率谱变化。观察患者病情变化时α波、β波、θ波和δ波的形态变化，按照Lavizzarin分级标准[6]对VEEG进行分级，包括Ⅰ、Ⅱ、Ⅲ、Ⅳ级。VEEG参数包括大脑对称指数(BSI)、波形比率(DTABR), DTABR =(θ波+δ波)/(α波+β波)。
1.2.2 预后分析
所有患者接受跟踪随访3个月。采用改良Rankin量表(mRS)评估患者发病3个月的预后情况，共分为7个等级，得分越高提示预后越差。根据mRS评分标准，将患者分为预后良好组和预后不良组，其中mRS评分 < 3分为预后良好。
1.3 统计学分析
采用SPSS 19.0软件分析数据，计量资料采用(x±s)表示，组间比较采用t检验; 计数资料采用χ2检验; 采用Pearson或Spearman相关系数分析参数之间的相关性，以受试者工作曲线(ROC)分析参数的诊断价值, P < 0.05表示差异具有统计学意义。
2. 结果
2.1 临床资料及视频脑电图指标比较
85例患者随访过程中，有50例患者预后良好, 35例患者预后不良，其中有7例死亡, 15例患者发生继发性癫痫。入院时基线资料的比较结果显示, 2组的年龄、性别、高血压、糖尿病病史、病灶分布等基线资料差异无统计学意义(P>0.05); 预后不良组的NIHSS评分、BSI和DTABR高于预后良好组，而EEG分级Ⅰ级及Ⅱ级的占比低于预后良好组，差异均有统计学意义(P < 0.05或P < 0.01)。见表 1。
表 1 不同预后患者临床资料及脑电图指标比较(x±s)[n(%)]指标 预后良好组(n=50) 预后不良组(n=35) t/χ2 P 年龄/岁 52.43±6.52 50.30±5.60 1.568 0.121 性别 男 26(52.00) 21(60.00) 0.533 0.465 女 24(48.00) 14(40.00) 高血压 27(54.00) 24(68.57) 1.821 0.177 糖尿病 22(44.00) 19(54.29) 0.872 0.350 病灶分布 左侧 22(44.00) 12(34.29) 0.850 0.654 右侧 19(38.00) 15(42.86) 双侧 9(18.00) 8(22.86) NIHSS评分/分 12.10±1.51 12.92±1.69 2.363 0.020 VEEG分级 Ⅰ级+Ⅱ级 34(68.00) 15(42.86) 5.331 0.021 Ⅲ级+Ⅳ级 16(32.00) 20(57.14) BSI 0.11±0.03 0.14±0.04 4.148 < 0.001 DTABR 0.71±0.11 0.80±0.12 3.554 0.001 NIHSS: 美国国立卫生研究院卒中量表; VEEG: 视频脑电图; BSI: 大脑对称指数; DTABR: 波形比率。 2.2 VEEG参数与NIHSS、mRS评分相关性
相关性分析显示, NIHSS评分与3个月后mRS评分呈显著正相关，同时VEEG分级、BSI和DTABR与NIHSS评分、mRS评分均呈显著正相关(P < 0.01), 见表 2。
表 2 视频脑电参数与NIHSS评分、mRS评分的相关性指标 入院NIHSS评分 mRS评分 r P r P 入院NIHSS评分 1.000 - 0.354 0.001 VEEG分级 0.501 < 0.001 0.324 0.002 BSI 0.287 0.008 0.352 0.001 DTABR 0.320 0.003 0.495 < 0.001 NIHSS: 美国国立卫生研究院卒中量表; VEEG: 视频脑电图;
BSI: 大脑对称指数; DTABR: 波形比率; mRS: 改良Rankin量表。2.3 视频脑电参数及NIHSS评分预测患者预后的ROC曲线分析
采用ROC曲线分析NIHSS评分、BSI、DTABR对短期预后结局的预测价值，结果发现NIHSS评分、BSI和DTABR相对于预后结局的曲线下面积(AUC)分别为0.643、0.730、0.734; BSI和DTABR评估预后的敏感性显著高于NIHSS评分; 根据Youden指数获取最佳截断值，NIHSS为13.94分，BSI为0.13, DTABR为0.76。见表 3。
表 3 NIHSS评分、BSI和DTABR预测预后不良的ROC曲线分析结果指标 NIHSS评分 BSI DTABR AUC 0.643 0.730 0.734 Youden指数 0.280 0.485 0.511 分类界值 13.94 0.13 0.76 敏感性/% 40.00 68.57 77.14 特异性/% 88.00 80.00 74.00 NIHSS: 美国国立卫生研究院卒中量表;
BSI: 大脑对称指数; DTABR: 波形比率; AUC: 曲线下面积。2.4 Logistic回归分析预后的影响因素
根据上述最佳截断值将入院NIHSS评分、BSI、DTABR进行二分类，以预后结局为因变量，入院NIHSS评分、VEEG分级、BSI和DTABR为自变量，纳入Logistic多元线性回归分析，结果显示BSI和DTABR是评估脑卒中预后的独立影响因素，BSI和DTABR参数值越高，提示预后不良风险越高。见表 4。
表 4 脑电图参数对卒中不良预后的Logistic回归分析指标 BSI DTABR β 1.635 1.939 Wald 9.386 13.192 OR 5.128 6.952 95%CI 1.802~14.592 2.442~19.796 P 0.002 < 0.001 3. 讨论
AIS的发病率逐年上升，发病后3个月的死亡和残疾概率高达37.1%[7], 已经成为中老年人的主要致残、致死病因之一。及时评估患者的早期病情，准确预测预后，对于采取有效措施改善预后、制定合理的康复措施等极为重要。目前，临床对AIS的诊断主要依据影像学检查及临床表现，但发病早期影像学特征多不明显，随着神经电生理诊断技术的发展，脑电图在急性脑血管病诊断中的应用越来越广泛。
研究[8]认为，脑电图比CT、MRI等技术更能反映早期脑功能异常，敏感度更高。脑电图能够捕捉到脑血流中断时间大于30 s的脑电异常变化[4]。普通脑电图记录时间较短，定位准确性有限，而VEEG能够监测在各种刺激和生理状态下长达24 h的连续脑电变化，完整捕捉到神经元异常放电时脑电图的变化，同时通过图像记录患者的临床表现，将患者的脑电变化与临床活动相结合，有效排除伪差，对于缺血性脑卒中等脑血管疾病的精准诊断具有重要意义[9-10]。多项研究[11-13]表明, VEEG能够及时反映患者的脑功能损伤情况，迅速发现病情变化，显著提高癫痫样异常放电的检出率，对于急性脑梗死继发癫痫的临床诊断精确度更高，并根据其波形异常预测癫痫的发作情况，为癫痫的治疗、预后改善提供指导。
BSI是大脑两侧脑电波功率的相对比值，能够反映脑电活动的对称性，是预测缺血性脑卒中患者预后的良好指标。Myles等[14]研究发现，缺血性脑损伤患者预后良好组和预后不良组的BSI存在显著差异，异常的BSI值提示预后不良。Sheorajpanday等[15]研究发现, BSI对脑卒中患者神经功能恶化分级的诊断准确率达95%，可以独立评估腔隙性脑梗死和后循环梗死的神经功能，预测预后。DTABR指标反映了δ波，θ波、α波和β波的比例、分布及波幅等变化情况，能够预测患者预后的神经功能改善情况[16]。研究[17]发现，DTABR预测腔隙性脑梗死发病7 d的不良预后准确率达83%, 发病6个月后残疾程度及病死率与DTABR独立相关。车春晖等[18]分析发病7 d内的急性脑梗死患者发现, DTABR患侧/健侧比值是评估脑梗死患者预后的良好指标，该比值大于1.59提示预后不良。BSI和DTABR对急性脑梗死数周或数月的预后有较好的预测价值[19], 故BIS和DTABR是较为公认的评估脑功能变化、预测预后的脑电图定量指标。本研究结果发现，预后不良组中BSI和DTABR值显著高于预后良好组，且BSI和DTABR是影响脑卒中预后的独立因素, BSI和DTABR值越高，预后不良的发生风险越高。徐金元等[20]研究提示, EEG分级越高，预后越差，提示EEG监测及分级结果能够很好地反映重症脑血管病的病情严重程度，较好地预测预后。麦晖等[21]研究显示EEG分级越高，脑梗死患者近期预后的生活自理能力越差，提示EEG分级在急性脑梗死后具有一定的预测价值。本研究中，预后良好组的EEG分级Ⅰ级及Ⅱ级占比高于预后不良组，同样提示其与预后有一定相关性。本研究还发现，预后良好组的NIHSS评分显著低于预后不良组，但NIHSS评分并非脑卒中预后的独立影响因素，其评估预后的敏感性低于BSI和DTABR, 这可能和EEG分级、BSI、DTABR均与NIHSS评分呈正相关有关。
综上所述, VEEG可在床旁观察AIS患者脑功能损伤的早期动态变化，有利于早期迅速发现病情变化，其量化指标BSI、DTABR较NIHSS评分对患者早期预后的诊断更为敏感，可作为预后的独立预测指标，为临床治疗提供参考依据。
-
![]()
图 2 FUT8在乳腺癌以及各类肿瘤组织的表达情况
A: Oncomine平台中FUT8在各类肿瘤组织的表达; B: TIMER平台中FUT8在各类肿瘤组织的表达。**P < 0.01, ***P < 0.001。
表 1 FUT8在乳腺癌不同临床特征中的生存预后情况
临床特征 总生存时间 无复发生存时间 n HR P n HR P 分期 1期 175 0.61(0.24~1.58) 0.300 397 1.33(0.80~2.20) 0.270 2期 443 0.65(0.42~0.99) 0.043 1 177 0.57(0.45~0.72) < 0.001 3期 586 0.71(0.53~0.96) 0.026 1 300 0.86(0.70~1.06) 0.150 淋巴结转移 阳性 452 0.56(0.40~0.80) 0.001 1 656 0.72(0.60~0.87) < 0.001 阴性 726 0.60(0.42~0.84) 0.003 2 368 0.81(0.69~0.95) 0.011 TP53突变 野生型 197 0.49(0.26~0.93) 0.026 273 0.75(0.49~1.170 0.210 突变型 130 0.57(0.27~1.21) 0.140 188 1.72(1.07~2.76) 0.024 ER状态 阳性 754 0.75(0.54~1.05) 0.098 2 633 1.15(0.98~1.34) 0.080 阴性 520 0.62(0.44~0.88) 0.007 1 190 0.78(0.32~0.98) 0.029 PR状态 阳性 156 2.15(1.02~4.53) 0.039 926 1.30(0.98~1.73) 0.072 阴性 148 0.75(0.46~1.22) 0.240 925 0.74(0.57~0.96) 0.022 HER2状态 阳性 420 0.67(0.46~0.97) 0.032 882 0.88(0.69~1.11) 0.270 阴性 1459 0.56(0.45~0.69) < 0.001 4 047 0.67(0.59~0.75) < 0.001 内在亚型 Basal亚型 404 0.69(0.45~1.06) 0.090 846 1.13(0.90~1.42) 0.290 luminal A亚型 794 0.58(0.42~0.81) 0.001 2 277 0.80(0.67~0.96) 0.014 luminal B亚型 177 1.16(0.80~1.67) 0.440 1 491 0.86(0.71~1.03) 0.100 HER2+亚型 111 0.50(0.27~0.91) 0.021 315 1.35(0.94~1.93) 0.110 
下载: 导出CSV
-
[1] LI J, GAO C, LIU C, et al. Four lncRNAs associated with breast cancer prognosis identified by coexpression network analysis[J]. J Cell Physiol, 2019, 234(8): 14019-14030. doi: 10.1002/jcp.28089
[2] LI F, ZHAO S, CUI Y, et al. α1, 6-Fucosyltransferase (FUT8) regulates the cancer-promoting capacity of cancer-associated fibroblasts (CAFs) by modifying EGFR core fucosylation (CF) in non-small cell lung cancer (NSCLC)[J]. Am J Cancer Res, 2020, 10(3): 816-837.
[3] TU C F, WU M Y, LIN Y C, et al. FUT8 promotes breast cancer cell invasiveness by remodeling TGF-β receptor core fucosylation[J]. Breast Cancer Res, 2017, 19(1): 111. doi: 10.1186/s13058-017-0904-8
[4] LI T, FAN J, WANG B, et al. TIMER: a web server for comprehensive analysis of tumor-infiltrating immune cells[J]. Cancer Res, 2017, 77(21): e108-e110. doi: 10.1158/0008-5472.CAN-17-0307
[5] JJÉZÉQUEL P, GOURAUD W, BEN AZZOUZ F, et al. bc-GenExMiner 4.5: new mining module computes breast cancer differential gene expression analyses[J]. Database (Oxford), 2021, 2021.
[6] AGRAWAL P, FONTANALS-CIRERA B, SOKOLOVA E, et al. A systems biology approach identifies FUT8 as a driver of melanoma metastasis[J]. Cancer Cell, 2017, 31(6): 804-819. doi: 10.1016/j.ccell.2017.05.007
[7] XIANG T, YANG G, LIU X, et al. Alteration of N-glycan expression profile and glycan pattern of glycoproteins in human hepatoma cells after HCV infection[J]. Biochim Biophys Acta Gen Subj, 2017, 1861(5 pt a): 1036-1045. http://www.onacademic.com/detail/journal_1000039821081510_57b1.html
[8] QUAIL D F, JOYCE J A. Microenvironmental regulation of tumor progression and metastasis[J]. Nat Med, 2013, 19(11): 1423-1437. doi: 10.1038/nm.3394
[9] NGAMBENJAWONG C, GUSTAFSON H H, PUN S H. Progress in tumor-associated macrophage (TAM)-targeted therapeutics[J]. Adv Drug Deliv Rev, 2017, 114: 206-221. doi: 10.1016/j.addr.2017.04.010
[10] FREY D M, DROESER R A, VIEHL C T, et al. High frequency of tumor-infiltrating FOXP3(+) regulatory T cells predicts improved survival in mismatch repair-proficient colorectal cancer patients[J]. Int J Cancer, 2010, 126(11): 2635-2643.
[11] DE SIMONE M, ARRIGONI A, ROSSETTI G, et al. Transcriptional landscape of human tissue lymphocytes unveils uniqueness of tumor-infiltrating T regulatory cells[J]. Immunity, 2016, 45(5): 1135-1147. doi: 10.1016/j.immuni.2016.10.021
[12] O′DONNELL J S, MADORE J, LI X Y, et al. Tumor intrinsic and extrinsic immune functions of CD155[J]. Semin Cancer Biol, 2020, 65: 189-196. doi: 10.1016/j.semcancer.2019.11.013
[13] SANCHEZ-CORREA B, VALHONDO I, HASSOUNEH F, et al. DNAM-1 and the TIGIT/PVRIG/TACTILE Axis: Novel Immune Checkpoints for Natural Killer Cell-Based Cancer Immunotherapy[J]. Cancers (Basel), 2019, 11(6): 877. doi: 10.3390/cancers11060877
[14] MAHNKE K, ENK A H. TIGIT-CD155 interactions in melanoma: a novel Co-inhibitory pathway with potential for clinical intervention[J]. J Invest Dermatol, 2016, 136(1): 9-11. doi: 10.1016/j.jid.2015.10.048
计量
- 文章访问数: 367
- HTML全文浏览量: 203
- PDF下载量: 18
苏公网安备 32100302010246号
