🧬 biology

Systems Biology Analysis Identifies Immune Related Biomarkers and Therapeutic Targets in EBV Positive and EBV Negative Intestinal Type Gastric Cancer

本研究采用整合系统生物学方法，旨在识别出特定的免疫相关枢纽基因（即 CXCL10、VCAM1 和 CD40），将其作为 EB 病毒阳性肠型胃癌的潜在生物标志物和治疗靶点。

原作者： Farnaz Taghinasab, Negar Mottaghi-Dastjerdi, Mohammad Soltany-Rezaee-Rad

发布于 2026-07-02

📖 1 分钟阅读☕ 轻松阅读

原作者： Farnaz Taghinasab, Negar Mottaghi-Dastjerdi, Mohammad Soltany-Rezaee-Rad

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

大局观：同一种犯罪的两类变体

想象一下，胃部是一个城市，而“胃癌”是发生在该市的一波犯罪浪潮。长期以来，医生一直将所有的胃癌视为同一种犯罪帮派。然而，科学家们最近意识到，实际上存在着两个截然不同的帮派：

“EBV阴性”帮派： 这些罪犯在没有特定病毒首领的情况下运作。
“EBV阳性”帮派： 这些罪犯由一种被称为**EBV（爱泼斯坦-巴尔病毒）**的病毒领导。

这种病毒就像是一个接管了城市的臭名昭著的犯罪头目。虽然我们知道这个“EBV帮派”的存在，但我们并不完全了解它们是如何运作得与另一个帮派不同的，特别是在“肠型”胃癌（该城市的一个特定街区）中。

调查过程：数字侦探团队

本研究中的研究人员扮演了数字侦探的角色。他们没有一次只看一个线索，而是使用了“系统生物学”方法。你可以把它想象成使用一张巨大的、互联的城市地图，而不是仅仅观察一条街道。

他们从三个不同的公共数据库中收集了数据（就像从三个不同的警察局收集证据），这些数据库包含了胃癌患者的遗传蓝图。他们对比了EBV阳性患者与EBV阴性患者的蓝图，以观察其中的差异。

处理流程：从噪音中筛选

过滤： 他们发现有超过 7,500 个基因（城市的说明书）在两组之间表现出不同的行为。由于数量太多无法逐一研究，因此他们将名单缩减到了前 200 个最混乱的基因。
网络图： 他们利用这 200 个基因构建了一个“关系图”（蛋白质-蛋白质相互作用网络）。想象一下一个社交网络，每个基因都是一个人，线条连接着互相交流的人。
寻找领导者（枢纽基因）： 在任何社交网络中，总有一些人是“连接者”，他们认识所有人并掌控全局。研究人员使用计算机程序找到了这个癌症网络中最重要的 12 个“领导者”。

关键发现：谁是领导者？

研究确定了驱动 EBV 阳性癌症行为的 12 个关键“领导者”（枢纽基因）。以下是关于他们的发现：

免疫召唤者 (CXCL10, VCAM1, CD40)： 这些基因就像扩音器或警报器。在 EBV 阳性癌症中，它们被调高（放大）了。它们的工作是召唤身体的免疫系统（警察）。这解释了为什么 EBV 阳性肿瘤充满了免疫细胞——它们一直在鸣响警报。
身份丧失者 (PGA4, LTF)： 这些基因被调低（沉默）了。它们负责胃部的正常功能，即制造消化液。当这些功能关闭时，胃细胞就会失去其“身份”。
生存预测指标 (RBP4)： 其中一个基因 RBP4 非常独特。它的作用既不像扩音器，也不像沉默器。研究发现，RBP4 水平较高的患者生存情况较差。它就像一个“凶兆”标记，无论是否存在病毒，都能预示着一场更艰苦的战斗。
药物靶点 (DPP4, IDO1, CD40)： 研究人员检查了“药物目录”，看看是否有现有的药物可以针对这些领导者。
- DPP4 是现有糖尿病药物（如西格列汀）的靶点。这表明这些药物可能可以被“重新利用”来对抗这种癌症。
- CD40 和 IDO1 是免疫疗法药物（帮助免疫系统对抗癌症的药物）的靶点。

聚类：帮派如何组织

当研究人员观察这些基因如何协同工作时，他们发现了两个主要的“小队”：

免疫小队： 一组专注于召唤免疫细胞、对抗炎症和管理身体防御系统的基因。
代谢小队： 一组专注于血液凝固、脂肪处理和能量管理的基因。

结论：这意味着什么？

本文得出结论，EBV 阳性胃癌是一种非常特殊的疾病。它的特征是：

强烈的免疫反应： 身体不断尝试对抗由病毒驱动的癌症。
胃功能的丧失： 细胞停止了正常的胃细胞功能。
特定的靶点： 我们现在有了一份由 12 个特定“领导者”组成的观察名单。

至关重要的是，论文指出：

CXCL10、VCAM1 和 CD40 是识别这种特定“EBV 阳性”型胃癌的最佳标志物。
PGA4 和 LTF 表明胃部已丧失其正常功能。
RBP4 是预示患者预后较差的警告信号。
DPP4 是利用现有药物（药物重定位）最具有前景的靶点。

研究人员强调，这些都是基于计算机的预测。他们已经锁定了嫌疑人和潜在的武器，但他们也指出，这些发现需要在现实世界的实验室和临床中进行测试，以证明它们在实际患者身上确实有效。它们是为未来的医生和科学家提供的一份路线图。

技术摘要：EBV 阳性与 EBV 阴性肠型胃癌的系统生物学分析

问题陈述
EBV 相关胃癌（EBVaGC）是一种独特的分子亚型，其特征是具有免疫丰富的肿瘤微环境。虽然 EBVaGC 通常被认为在免疫学上具有独特性，但专门针对肠型组织学亚型的 EBV 阳性与 EBV 阴性肿瘤之间的特定转录组学差异仍未得到充分界定。现有文献通常对 EBVaGC 进行宽泛描述，或侧重于弥漫型，这导致在理解肠型特有的免疫和分子驱动因素方面存在空白。本研究旨在通过整合系统生物学方法，解决这一差距，从而识别 EBV 阳性肠型胃癌特有的免疫相关生物标志物和治疗靶点。

研究方法
本研究采用了多步骤计算工作流，将公共转录组数据与网络分析及临床验证相结合：

数据获取与整合： 根据严格的纳入标准选择了三个 GEO 微阵列数据集（GSE51575、GSE62254 和 GSE66229）：人类胃癌组织、明确的 EBV 状态、肠型组织学以及足够的生物学重复。
差异表达分析 (DEA)： 使用 GEO2R，通过比较每个数据集中的 EBV 阳性与 EBV 阴性肠型样本来识别差异表达基因 (DEGs)。统计显著性通过 Benjamini–Hochberg FDR 校正确定（ $p < 0.05$ ）。
数据协调： 对基因符号进行注释，通过保留最高绝对对数倍数变化（$|logFC|$）来合并重复项，并将列表合并以创建一个包含 7,576 个独特 DEG（3,118 个上调，4,458 个下调）的非冗余集。
网络构建与核心基因识别： 选择前 200 个差异最显著的基因（按 $|logFC|$ 排序），使用 STRING (v12) 和 Cytoscape 构建蛋白质-蛋白质相互作用 (PPI) 网络。基于四种算法（MCC、MNC、Degree 和 DMNC），利用 CytoHubba 插件识别核心基因（Hub genes）。
功能与模块分析： 使用 Enrichr 进行基因本体 (GO) 和 Reactome 通路富集分析。使用 CytoCluster 插件（IPCA 算法）检测网络模块，以识别功能集群。
验证与临床相关性：
- 表达验证： 通过 UALCAN 在 TCGA-STAD 数据中验证核心基因的表达，比较肿瘤与正常组织，并分析阶段特异性模式。
- 生存分析： 使用 Kaplan-Meier 曲线和 log-rank 检验评估核心基因表达与总生存期 (OS) 的关联。
- 治疗评估： 利用 DGIdb 和 DrugBank 查询基因-药物相互作用，以识别潜在的可重定位药物或治疗靶点。

主要结果

差异表达： 整合分析识别出 7,576 个独特 DEG。前 200 个基因被优先用于网络分析。
核心基因： 基于拓扑中心性确定了 12 个核心基因：VCAM1, LTF, CD40, CXCL10, CXCL8, RBP4, ULBP2, LAX1, IGLL5, PGA4, IDO1 和 DPP4。
功能富集： 富集分析显示，DEGs 主要参与免疫细胞运输、趋化因子信号传导、补体/Fc 受体通路、TNF 受体信号传导和上皮重构。
网络模块： 集群分析识别出两个主要功能模块：
1. 止血-代谢模块： 涉及血小板激活、脂质/视黄醇代谢（如 RBP4, ORM1）以及血管紧张素原代谢。
2. 免疫/趋化因子模块： 以细胞因子信号传导、IL-10 反馈和由 CXCL10, CXCL8, CD40 和 IDO1 等基因驱动的 TNFR2 非规范 NF-κB 信号传导为中心。
生物标志物的适用性：
- EBV 相关免疫标记物： CXCL10, VCAM1 和 CD40 被确定为关键的 EBV 相关免疫生物标志物。CXCL10 和 VCAM1 在肿瘤中表现出强烈的上调和早期升高，其中 CXCL10 在 EBV 阳性肠型胃癌中水平更高。
- 表达缺失标记物： PGA4 和 LTF 在肿瘤中表达下调，其中 PGA4 在所有阶段均表现出显著抑制，表明胃分泌身份的丧失。
- 预后标记物： RBP4 是唯一与总生存期显著相关的核心基因（高表达与较差的生存期相关， $p=0.019$ ），尽管其在 EBV 阳性肿瘤中的表达低于 EBV 阴性肿瘤。
- 其他标记物： ULBP2, IDO1, CXCL8 和 DPP4 在 EBV 阳性肠型肿瘤中普遍较低，这表明它们可能与 EBV 阴性背景、疾病进展或可药性相关，而非 EBV 特异性激活。
治疗靶点： 基因-药物相互作用网络突出了几个潜在靶点：
- DPP4： 被确定为最强的药物重定位轴，拥有现有的抑制剂（如 Sitagliptin, Linagliptin）。
- CD40： 一个强大的免疫疗法靶点，关联有相关抗体（如 Dacetuzumab）。
- IDO1： 一个免疫代谢靶点，关联有抑制剂（如 Epacadostat）。
- CXCL8/CXCL10： 与炎症和抗病毒相关化合物相关联。

意义与主张
作者声称，本研究提供了一个基于网络的框架，用于优先筛选专门针对 EBV 阳性肠型胃癌的生物标志物和治疗靶点，从而超越了对 EBVaGC 作为“免疫丰富”的通用描述。

特异性： 本研究区分了 EBV 相关免疫信号（如 CXCL10, VCAM1）与更广泛的炎症程序（如 CXCL8）以及进展标记物（如 RBP4, ULBP2）。
多基因潜力： 作者指出，没有单一基因能捕捉所有的诊断和预后特征；相反，结合免疫标记物（CXCL10, VCAM1, CD40）与分化丧失标记物（PGA4, LTF）的多基因框架能提供更优越的生物学和临床分辨率。
转化价值： 识别出 DPP4 是一个高度可操作的靶点，拥有现有的临床抑制剂，连同 CD40 和 IDO1，为治疗探索和药物重定位提供了即时的候选对象。
审慎性与局限性： 作者明确指出，这些发现是经过计算优先排序的信号。他们承认存在局限性，包括使用了低置信度的 STRING 阈值、排除了中度变化的基因，以及在 TCGA 生存分析中缺乏 EBV 分层。因此，他们强调所识别的生物标志物和靶点在临床应用前，需要在独立的、经 EBV 分层的队列、蛋白质水平检测和功能实验中进行验证。