Abstrait

Exploiter un modèle de nécroptose pour prédire le pronostic et la sensibilité aux médicaments du cancer de l'ovaire

Chang-Zhong Li*, Na Su, Ping-Ping Cai, Xiao-Xue Yin, Hong-Min Xu, Zhi-Qiang Dou

Contexte : Le cancer de l'ovaire (CO) reste une tumeur maligne gynécologique mortelle. La nécroptose peut être une voie de secours qui induit la mort cellulaire lorsque l'apoptose est inhibée. Cette recherche vise à développer et valider un modèle pronostique du CO basé sur la nécroptose.

Méthodes : Les bases de données Cancer Genome Atlas (TCGA) et Genome Tissue Expression Consortium Project Genome (GTEx) ont été utilisées pour obtenir des données sur les patientes atteintes d'OC et les tissus ovariens normaux. Les gènes liés à la nécroptose ont été téléchargés à partir de la base de données Kyoto Encyclopedia of Genes and Genomes (KEGG). Les gènes différentiellement exprimés (DEG) entre les tumeurs et les tissus normaux ont été examinés. Une analyse de régression COX a été utilisée pour construire la signature génétique, qui a été testée et validée dans les cohortes TCGA et GEO. Sur la base des scores de risque et des différentes caractéristiques pronostiques cliniques, un nomogramme a été construit pour prédire la survie globale chez les patientes atteintes d'OC. Ensuite, les patientes ont été divisées en groupes à haut et à faible risque, et des gènes différentiels ont été identifiés entre les deux groupes. Les fonctions biologiques et pathologiques potentielles des gènes différentiels ont été explorées par des analyses Gene Ontology (GO) et KEGG. Des immuno-essais ont été utilisés pour analyser le statut immunitaire. L'immunohistochimie (IHC) a également confirmé les niveaux d'expression des gènes pronostiques clés et leurs corrélations avec les taux de survie globale (OS). Une analyse de sensibilité aux médicaments dans différents groupes à risque a été réalisée pour éliminer les médicaments potentiels pour le traitement du cancer de l'ovaire. Enfin, une analyse de regroupement par consensus a été utilisée pour sous-typer les tumeurs ovariennes.

Résultats : Une signature à trois gènes a été identifiée, dont JAK1, PYGB et STAT1. Le groupe à haut risque avait une survie globale inférieure à celle du groupe à faible risque et le score de risque était acceptable pour prédire le pronostic indépendamment de toute autre caractéristique pronostique clinique. Le nomogramme peut prédire avec précision les taux de survie à 1, 3 et 5 ans des patientes atteintes d'OC. L'analyse fonctionnelle a révélé des voies immunitaires et des différences de statut immunitaire entre les deux groupes à risque. De plus, trois gènes pronostiques fondamentaux impliqués dans la construction du modèle étaient surexprimés dans l'OC par rapport à ceux des tissus ovariens normaux. Les patientes du groupe à faible risque étaient plus sensibles au cisplatine et au docétaxel. Dans l'analyse de regroupement par consensus, les patientes atteintes d'OC ont été séparées en deux sous-types et le taux de survie dans le groupe 1 était meilleur que dans le groupe 2.

Conclusion : Un modèle lié à la nécroptose basé sur trois DEG pronostiques peut être utilisé pour prédire le pronostic de l'OC.