|
LOX、LOXL1、LOXL2 和 LOXL4 蛋白最初在肿瘤细胞的不同的细胞内区室中被观察到，包括在骨肉瘤、横纹肌肉瘤、肺腺癌、胶质母细胞瘤和肝细胞癌细胞系中的内质网、核质和囊泡（图1 A）。随后，作者分析了 LOX/LOXL 在全癌症中的表达模式，包括总共 n=946 个人类细胞系代表 32 种不同的癌症类型，利用 CCLE 的数据（图 1 B）。无监督共识聚类分析揭示了三种不同的 LOX/LOXL 表达模式聚类，聚类 1 显示 LOX 和 LOXL1-3 基因的最高表达（图 1 B，左面板）。聚类 2 的特征是 LOXL2 的特异性过表达，而聚类 3 显示出 LOX/LOXL 表达水平最低（图 1 B，左面板）。检查这些聚类中癌症类型的分布，作者发现神经相关肿瘤、皮肤黑色素瘤和肉瘤主要位于聚类 1 和 2，而血液恶性肿瘤、小细胞肺癌和胃肠道肿瘤主要居住在聚类 3（图 1 B，右面板）。 簇 2 还包含超过 90%的甲状腺癌、间皮瘤和肾癌细胞系（图 1 B，右图）。这些发现表明 LOX/LOXL 的表达谱失调，并且会根据癌症类型而变化。
LOX/LOXL 基因在肿瘤和基质细胞中表达。A 在骨肉瘤、横纹肌肉瘤、肺腺癌、胶质母细胞瘤和肝细胞癌的细胞系中 LOX/LOXL 的细胞内蛋白表达。从人类蛋白质图谱数据库获取 LOX/LOXL 蛋白免疫荧光染色的扫描图像。LOX/LOXL 阳性区域用绿色标示。B 左侧面板：基于 CCLE 的 32 种癌症类型中 n = 946 种人类肿瘤细胞系的 LOX/LOXL mRNA 表达模式。LOX/LOXL 表达的未监督共识聚类在右侧框中揭示出三个不同的簇。未监督聚类使用欧几里得距离度量和完全链接法。在热图中，每一列代表一个基因，每一行代表一种细胞系。蓝色表示相对较高的表达。表达数据以 Log2(TPM + 1)形式呈现。显示三个簇：簇 1（红色）、簇 2（绿色）、簇 3（蓝色）。右侧面板：n = 946 种细胞系在三个簇中的分布。每一行代表一种癌症类型，每一列代表一个簇。 每个方框中的数量和红色颜色强度显示了被分类到相应簇中的细胞系百分比。C 全癌种中 LOX/LOXL mRNA 表达的失调。在全癌种中，比较了肿瘤（TCGA）和健康组织（TCGA + GTEx）中的 LOX/LOXL 基因表达。进行了 Wilcoxon 秩和检验。热图显示了肿瘤与健康组织中中位数 LOX/LOXL 基因表达的 FC 值。在肿瘤表达高于健康对照组的情况下，分配了正值 FC。*p < 0.05, **p < 0.01, ***p < 0.001, ****p < 0.0001。D 全癌种中 LOX/LOXL 蛋白表达的失调。使用 UALCAN 门户比较了健康组织和肿瘤中的 LOX 和 LOXL1-4 蛋白表达。P 值 < 0.05 被认为具有统计学意义。缩写：DLBCL，弥漫性大 B 细胞淋巴瘤；FC，倍数变化；PCPG，副神经节瘤 & 肾上腺素细胞瘤
作者进一步观察到在 TCGA 中肿瘤与正常组织中 LOX/LOXL 表达模式的异质性，包括九种肿瘤类型（例如胸腺瘤和胶质瘤）在恶性组织中 LOX/LOXL 基因表达量超过≥4 个（图 1 C）。LOXL2 在 24 种肿瘤类型中过表达，而 LOXL4 表达在 18 种癌症类型中降低。UALCAN 工具的蛋白表达数据证实了肿瘤中 LOX/LOXL 表达的改变（图 1 D 和图 S1A）。通过免疫组化检测到 LOXL1-4 蛋白在结肠癌、肝癌、乳腺癌和肺癌的原发肿瘤组织中（图 S1B）。
LOX/LOXL 表达与肿瘤进展和转移相关，并与促肿瘤通路激活相关
作者的研究发现，LOX/LOXL 过表达与不同肿瘤类型中的晚期肿瘤分期、淋巴管侵袭、血管侵袭和远处转移之间存在关联（图 2 A，图 S2）。为了进一步了解潜在机制，作者进行了通路富集分析。
LOX/LOXL 的表达与肿瘤分期、侵袭性和转移性通过多种信号通路相关。A 根据肿瘤（T）分期、淋巴结（N）分期、侵袭性和远处转移比较 LOX/LOXL 的表达。所有箱线图和小提琴图均表示数据的中间值和四分位数。根据数据格式的特征，使用统计 R 包”stats”（v.4.2.1）和”car”（v.3.1-0）自动选择适当的统计方法。* p < 0.05, **p < 0.01, ***p < 0.001。B 全癌症中激活的 ECM 相关通路计数汇总。基于 LOX/LOXL 过表达，GSEA 富集了 ECM 相关通路。C LOX/LOXL 表达与基质浸润的相关性。通过 R 包”ESTIMATE”（v.1.0.13）计算基质浸润，并通过 Spearman 相关性分析与其 LOX/LOXL 表达相关。亮黄色表示更高的 Spearman’s r 值。D LOX/LOXL 表达与包括血管生成、EMT、TGF-β和淋巴管生成在内的生物学通路富集分数的相关性。 富集分数通过 R 包”GSVA”（基因集变异分析，版本 1.46.0）计算，并通过 Spearman 相关性分析与其 LOX/LOXL 表达相关。圆圈的大小表示 Spearman 的 r 值。仅显示 p < 0.05 的结果。对于 A 和 D 图，p 值 < 0.05 被认为具有统计学意义。缩写：AML，急性髓系白血病
GSEA 在所有癌症中识别出 33 条激活通路，其中 ECM 重塑通路最为显著富集（图2 B 和图 S3）。这一发现通过 LOX/LOXL 表达与 ECM 重塑通路（如胶原形成）的 GSVA 评分呈正相关得到进一步验证（图 S4）。ESTIMATE 基质评分和癌症相关成纤维细胞浸润也与 LOX/LOXL 过表达呈正相关（图 2 C 和图 S5）。作者还发现血管功能、细胞运动、细胞迁移和侵袭以及整合素信号通路高度富集激活（图 S6）。LOX/LOXL 表达与血管生成、上皮间质转化（EMT）、TGF-β和淋巴管生成呈正相关（图 2 D）。
LOX/LOXLhigh 组富集了炎症和致癌相关通路，包括 Wnt、PI3K、JAK/STAT 和 MET 通路。（图 S7）。此外，12 种肿瘤中 LOX/LOXL 的过表达导致细胞周期和染色体通路富集（图 S8A 和 B）。LOX/LOXL high 组的杂合性丢失（LOH）评分更高，表明其在破坏基因组完整性中的作用，尤其是在胶质瘤中（图 S8C）。
综上所述，作者的研究结果提示 LOX/LOXL 家族在临床环境中通过激活多种信号通路，对肿瘤发生、侵袭和转移起着关键作用。
LOX/LOXL 表达失调会影响癌症的预后，尤其是在胶质瘤中
既往研究探讨了 LOX/LOXL mRNA 表达在各种癌症（如鳞状细胞癌、肝细胞癌、胰腺癌和胶质瘤）中的预后意义[4 , 13 , 43 ]。作者进一步在泛癌中进行生存分析，观察到 LOX/LOXL 表达与预后之间存在显著关联，在 n=24 种肿瘤类型中，胶质瘤患者（低级别胶质瘤和多形性胶质母细胞瘤）预后最差。
为了更准确地预测胶质瘤的无进展生存期（OS），作者识别了与 LOX/LOXL 共表达的基因（Spearman 相关系数≥0.7，图 S9A）。这些 21 个基因连同 LOX/LOXL 基因，然后通过作者的基于机器学习的整合方法生成 LOXRS。随后，在 TCGA 胶质瘤数据集中，作者通过 LOOCV 框架拟合了 101 个预测模型，并在所有验证数据集（两个 CGGA 队列）中计算了每个模型的 C 指数。值得注意的是，前三个模型”StepCox[both] + Enet[alpha = 0.6]”、”StepCox[backward] + Enet[alpha = 0.3]”和”StepCox[both] + CoxBoost”显示出最高的平均 C 指数（表 S2），涵盖了 TCGA 和两个 CGGA 队列（图 3 A），并导致最初的 21 个基因中有 n = 12 个基因被纳入最终的 LOXRS（LOX、LOXL2、LOXL4、CASP4、CLIC1、COL1A1、EMP3、GLA、MSN、MYL12A、PYGL 和 VASP）。进一步基于这些基因在多变量 Cox 模型中的表达计算了 LOXRS 评分。
LOX/LOXL mRNA 表达的失调会影响胶质瘤患者的预后。A 通过 LOOCV 框架和多变量 Cox 模型计算了 TCGA 和两个 CGGA 数据集中的 101 个预测模型的 C-index。B 基于 TCGA 队列中 LOX 评分和胶质瘤三个临床特征的预后列线图模型。通过汇总每个参数的得分来计算预测的总生存期（OS）概率。C TCGA 和 CGGA 队列中高、低 Cox 评分的 OS 比较。采用 Kaplan-Meier 分析和对数秩检验进行生存比较。进行对数秩检验以评估统计显著性。P 值<0.05 被认为具有统计学意义。D TCGA 和 CGGA 队列中 LOX 评分对 3 年、5 年和 7 年 OS 预测能力的 ROC 分析。E Cox 模型的临床实用性评估和各变量临床获益率的计算与比较。F Cox 评分准确性和稳定性的校准曲线分析验证。缩写：AUC：曲线下面积
为了更准确地预测总生存期（OS）概率，通过 Cox 分析开发了一个包含 LOXRS 评分和三个常见的临床特征（年龄、WHO 分级和 IDH 突变状态）的列线图模型（图3 B）。该模型的校准指数高达 0.870（0.859-0.882）。如表 S3 所示，n=7 TCGA 和 CGGA 病例的预测 OS 概率与其实际生存情况一致。
利用列线图模型中四个变量的系数和 Cox 分析，计算了 Cox 风险评分。通过取 Cox 评分的最优阈值（1.064），所有 TCGA 患者中高分者显示出显著降低的总生存期（OS），这一结果得到了两个 CGGA 队列的验证（图3 C，p < 0.0001）。受试者工作特征（ROC）曲线验证了该模型的预测能力，对于 3 年、5 年和 7 年生存预测的曲线下面积（AUC）值均大于 0.73（图 3 D）。决策曲线分析（DCA）显示，单独使用 LOXRS 评分的临床获益率与四个变量的组合相当，尤其是在 3 年 OS 方面（图 3 E，图 S9B）。校准曲线显示了 TCGA 中 3 年、5 年和 7 年 OS 预测值与观察值的一致性（图 3 F）。
作者得出结论，LOX/LOXL 表达的失调会影响泛癌的预后，尤其是在胶质瘤中。
单细胞 RNA 测序揭示 LOXL2 在复发型 IDH 野生型胶质母细胞瘤中的独特作用
鉴于 LOX/LOXL 过表达与胶质瘤预后、WHO 分级和 IDH 突变状态之间存在显著相关性（图4 A），本研究采用单细胞 RNA 测序技术，比较了 7 例 IDH 野生型胶质母细胞瘤患者原发肿瘤与复发肿瘤组织中 LOX/LOXL 的表达情况。作者在包含 47,485 个细胞的整合数据集中鉴定出 20 个不同的细胞簇（图 4 B 和图 S10）。与原发肿瘤相比，复发样本表现出额外的细胞簇，包括星形胶质细胞、间质细胞、GABA 能神经元和施万细胞（图 4 B 和图 S10）。在复发样本中，内皮细胞、间质细胞、施万细胞和多能胶质祖细胞（OPC-1）过表达 LOXL2（图 4 C 和 D）。
scRNA-seq 揭示 LOXL2 在复发性 IDH 野生型胶质母细胞瘤中的独特作用。A IDH 野生型和突变型胶质瘤之间 LOX/LOXL mRNA 表达的比较。所有箱线图和小提琴图均表示数据的中间值和四分位数。B UMAP 展示了来自原发性和患者匹配复发性组织的 IDH 野生型胶质母细胞瘤多形性景观（n = 7 例）。识别出 20 个簇。C LOXL2 mRNA 表达在原发性和复发性状态下的分布。D OPC-1、内皮细胞 1、间质细胞和施万细胞簇中 LOXL2 mRNA 表达的小提琴图可视化。E 原发性细胞群和复发性细胞群之间细胞间胶原通路通信网络的比较。在圆形图中，边框颜色与作为通路信号发送者的来源一致，边框宽度与相互作用强度成正比。较粗的边框线表示更强的信号。F 原发性与复发性 OPC-1 群体之间通路富集分数的比较。 分数使用 R 软件包”GSVA”（v.1.46.0）计算，包括涉及 EMT、TGF-β、WNT/β-catenin 信号通路、血管生成和顶端连接的通路。G 使用 UMAP 降维，OPC-1 细胞进一步分为八个亚群。H 在 n = 8 亚群中，原发性和复发 OPC-1 群体的 LOXL2 mRNA 表达分布。I 通过以总 NKT 细胞和间质细胞为参考推断大规模 CNV，识别 OPC-1 群体亚群中的恶性细胞。J 原发性和复发 NRG1 群之间的 CNV 分数比较。K OPC-1 群体原发性和复发 NRG1 群之间的 EMT 富集分数比较。对于 A、F、J 和 K 图，进行 Wilcoxon 秩和检验进行统计分析。P 值<0.05 被认为具有统计学意义。**p < 0.01, ***p < 0.001。缩写：NKT，自然杀伤 T 细胞
“CellChat”工具[38 ]通过 ECM（胶原、层粘连蛋白）和半胱氨酸（SEMA3）网络确定了复发性肿瘤中细胞间相互作用的增加（图 4 E 和图 S11），特别是在内皮细胞、OPC-1 和少突胶质细胞群体中。与初始状态相比，OPC-1 和内皮细胞在复发中是信号的主要来源（图 S12）。接下来，作者通过复发性 OPC-1 的 EMT、TGF-β、WNT/β-catenin、血管生成和顶端连接的 GSVA 评分，确定了复发性肿瘤和初始肿瘤之间的潜在生物学多样性（图 4 F）。KEGG 和 GSEA 也表明在复发阶段 EMT 相关通路被激活（图 S13）。
为了更深入地表征 OPC-1 簇，作者进行了亚簇分析，并识别出八个不同的群体，这些群体根据最过表达的基因命名（图 4 G）。LOXL2 基因在 COL3A1 和 NRG1 簇中广泛表达（图 4 H）。CNV 分析显示，与 NKT 和间质细胞对照相比，NRG1 簇中存在显著的 CNV 变化，而 COL3A1 簇中没有（图 4 I）。此外，与原发肿瘤相比，NRG1 簇中的 CNV 负荷在复发阶段显著增加（图 4 J），并且显示出更高的 EMT 评分（图 4 K），这表明 NRG1 簇代表了一个独特的 LOXL2 过表达的恶性群体。
总的来说，作者的研究结果表明，复发性 IDH 野生型胶质母细胞瘤多形性具有 LOXL2 过表达细胞群体出现的特点，这些群体与 EMT 和恶性表型相关。
转录因子和 miRNA 对 LOX/LOXL 家族的上游调控
LOX/LOXL 家族在多种癌症中的复杂作用促使作者探索这些基因的上游调控机制。作者首先利用遗传扰动相似性分析数据库（GPSAdb）来探索调控 LOX/LOXL 表达的上游基因，使用了 3,048 个基因敲低/敲除 RNA 测序数据集[ 44 ]。这项分析揭示了 23 个与 LOX/LOXL 表达显著相关的基因（所有 p < 0.05，图 S14）。值得注意的是，其中十个是转录因子，包括 PRRX1、ETS1、KLF6、RUNX1、CBFB、TCF4、NFE2L2、PU1、STAT3 和 SUPT6H。
作者随后使用”GSCAlite” [ 45 ]探究了 miRNA 对 LOX/LOXL 表达的调控作用。通过 visNetwork 生成了 miRNA 调控网络。研究发现，有 42 种 miRNA（p < 0.05；图 S15）负向调控 LOX、LOXL1、LOXL2 和 LOXL4 的表达。特别是，hsa-miR-148b-3p 显著下调了 LOXL1 的表达，而 hsa-miR-29c-3p、hsa-miR-29a-3p 和 hsa-miR-26b-5p 则显著下调了 LOXL2 的表达。
通过 cMap 和机器学习预测靶向全 LOX/LOXL 过表达的潜在化合物
鉴于 LOX/LOXL 过表达肿瘤中与肿瘤进展相关的通路持续激活，作者使用”ConsensusClusterPlus”进行无监督共识聚类分析，以识别这些基因表达模式持续改变的病人。总共，在 16 种肿瘤类型中，病人被分为两个不同的组（簇 1 和簇 2），与簇 1 相比，簇 2 中每个 LOX/LOXL 基因均表现出显著过表达（图 5 A-C，以膀胱癌为例，图 5 D）。
cMap 预测靶向全 LOX/LOXL 过表达的潜在化合物。A TCGA 患者根据全 LOX/LOXL 表达模式，使用”ConsensusClusterPlus”（v.1.64.0）分为两组。以膀胱癌为例。B 左侧面板为经验 CDF 图，显示膀胱癌患者聚类后每个 k（k 为聚类）的共识分布。K = 2 显示出最大稳定性。右侧面板为聚类共识，显示每个 k 值中聚类的相似性。k = 2 时聚类相似性最强。C 根据 A、B 面板的结果，患者分为 cluster1 和 cluster2。与 cluster1 相比，cluster2 中每个 LOX/LOXL 基因的表达更高。D 所有 TCGA 患者根据全 LOX/LOXL 表达模式，如 A-C 面板所述，分为两组。热图中显示了 cluster2 与 cluster1 之间 LOX/LOXL 中位表达的 FC 值比较。当 cluster2 的表达比 cluster1 增加时，赋予正值 FC。 16 种癌症在 cluster2 中显示出统计学上显著的 pan-LOX/LOXL 过表达（标注为红色字体）。E cMap 分析揭示了针对 D 组中识别的 16 种恶性肿瘤的 pan-LOX/LOXL 过表达的独特化合物。仅在≥2 种肿瘤类型中发现的且值在-99 至-60 范围内的化合物在热图中显示。每个方框中显示的较低值表示更强的抑制效果。对于 C 组和 D 组，进行了 Wilcoxon 秩和检验进行统计分析。P 值<0.05 被认为具有统计学显著性。*p < 0.05, **p < 0.01, ***p < 0.001, ****p < 0.0001。缩写：CDF，累积分布函数；CDK，细胞周期蛋白依赖性激酶；FLT3，fms 样酪氨酸激酶 3；HDAC，组蛋白脱乙酰化酶；HSP，热休克蛋白；MAPK，丝裂原活化蛋白激酶；MAP，丝裂原活化蛋白；PLK， polo 样激酶；VEGFR，血管内皮生长因子受体
为识别可能抑制 16 种恶性肿瘤中 LOX/LOXL 过表达相关通路的有效化合物，作者采用了 cMap 方法，该方法通过遗传扰动相似性分析建立基因与化学物质之间的联系[ 40 ]。最终作者确定了 118 种潜在抑制剂。图 5 E 展示了预测在≥2 种肿瘤类型中有效的化合物。
此外，为了预测 16 种恶性肿瘤的药物敏感性，作者使用了”oncoPredict”软件包，该软件包采用岭回归分析和包含 198 种药物信息的 GDSC 数据库。无监督共识聚类分析识别出 98 种预测在较低剂量下起作用的药物（0.006–16.305 µM，图 6 A）。Venn 图分析显示 cMap 和 oncoPredict 之间存在 8 种交集预测药物，包括阿法替尼、BI-2536、西迪兰比、达沙替尼、吉西他滨、MK-1775、 vorinostat 和长春新碱（图 6 B）。
基于机器学习的 pan-LOX/LOXL 过表达药物敏感性预测。A 图 6D 中识别的 16 种肿瘤中，热图总结了每个 TCGA 样本预测药物 IC50 值（µM）。预测的 IC50 值由基于机器学习的 R 软件包”oncoPredict”（v.0.2）计算。热图中每列代表一种癌症，每行代表一种药物。本研究共纳入 n = 198 种药物。蓝色越深表示 IC50 值越低。热图中的无监督共识聚类显示，药物注释列中有一个以蓝色标记的明显聚类，表明有 n = 74 种化合物具有相对较低的 IC50 值（0.006–16.305 µM）。无监督聚类采用欧几里得距离度量和完全链接法。B 维恩图显示了 cMap 和”oncoPredict”分析共享的 pan-LOX/LOXL 过表达转录特征抑制剂。C-D 在 TCGA DLBCL（C）和 NCICCR DLBCL 队列（D）中，比较了 cediranib 在 pan-LOX/LOXL 高低组之间的 IC50 值。 E LOX/LOXL 高表达细胞系（SU-DHL-6、Karpas-422、WSU-DLBCL2）和低表达细胞系（Mino、NAMALWA、DB）的淋巴瘤细胞被用不同浓度的 cediranib 处理，并使用 CellTiter-Glo 法检测细胞活力；为 5 次细胞培养复制的平均值±标准差；F 在 TCGA DLBCL 和 NCICCR DLBCL 队列中，比较了 pan-LOX/LOXL 高表达组和低表达组中 KDR（VEGFR2）、FLT1（VEGFR1）和 FLT4（VEGFR3）基因的表达；对于 C、D 和 F 图，进行 Wilcoxon 秩和检验进行统计分析。P 值<0.05 被认为具有统计学意义。缩写：EGFR，表皮生长因子受体；VEGFR：血管内皮生长因子受体
作者最终使用”oncoPredict”计算得出的 IC50 值，比较了所选的 16 种肿瘤类型对八种交集药物的敏感性。当分为 pan-LOX/LOXL high 和 LOX/LOXL low 组（图 5 D）时，LOX/LOXL high 组的 DLBCL、皮肤黑色素瘤和甲状腺癌患者对 cediranib（pan-VEGFR 抑制剂，图 6 C）、gemcitabine（图#S16A）和 dasatinib（图#S16B）的敏感性分别较高。随后在 n = 481 例 DLBCL 患者的大型队列中（图 6 D）确认了对 cediranib 的敏感性。作为计算机模拟数据的验证，n = 3 种 LOX/LOXL high 淋巴瘤细胞系在 cediranib 处理后，与 n = 3 种 LOX/LOXL low 细胞系相比，活力显著降低（图 6 E，图#S16C，表#S4#）。在 LOX/LOXL high DLBCL 队列中观察到所有三种 VEGFR（KDR/VEGFR2、FLT1/VEGFR1 和 FLT4/VEGFR3）及血管通路的一致上调（图 6 F，图#S16D）。然而，由于皮肤黑色素瘤和甲状腺癌的大型队列中缺乏 RNA-seq 数据，因此无法验证 gemcitabine 和 dasatinib 的结果。
LOXL3 表达与免疫浸润相关，可能预测对免疫检查点阻断（ICB）的反应
对 LOX/LOXLhigh 与 LOX/LOXL low 肿瘤进行 GSEA 分析，发现免疫细胞（尤其是 T 细胞）相关通路在 LOXL3 过表达的肿瘤中显著富集（图 S17）。LOXL3 与 14 种恶性肿瘤中的趋化因子、免疫刺激因子、MHC 分子和受体的基因表达呈正相关（图 7 A）。在这些恶性肿瘤中，作者通过评估 ssGSEA、QUANTIseq、MCPcounter 和 ImmunCellAI 四种算法的浸润丰度，识别出 10 种免疫活性高的癌症（如肾癌和膀胱癌）（图 7 B，图 S18）。这些肿瘤中的 LOXL3 表达与免疫浸润呈高度正相关，并通过 ESTIMATE 免疫评分得到验证（图 S19）。
LOXL3 mRNA 表达与免疫浸润相关，并可能预测对免疫检查点抑制剂治疗的反应（A）33 种恶性肿瘤中 LOXL3 表达与趋化因子、免疫刺激因子、MHC 分子和受体等免疫调节因子之间的 Spearman 相关系数热图。热图中的无监督共识聚类揭示了一个独特聚类，显示 14 种恶性肿瘤呈正相关。B 33 种恶性肿瘤中 LOXL3 表达与 18 种免疫细胞浸润丰度之间的 Spearman 相关系数热图。浸润丰度通过 ssGSEA 计算。热图中的无监督共识聚类揭示了一个独特聚类，显示 n=11 种恶性肿瘤呈正相关，被视为免疫活性癌症。在 A 和 B 图中，Spearman’s r 的无监督聚类使用欧几里得距离度量和完全链接法。红色表示正相关，蓝色表示负相关。C 在 TCGA 膀胱癌中，未接受免疫检查点抑制剂治疗的患者中，LOXL3 表达和临床特征作为预后不良的风险因素的多变量分析。 D 高表达和低表达 LOXL3 在两个验证队列（膀胱癌接受免疫检查点抑制剂治疗的GSE176307 队列和 IMvigor210CoreBiologies 队列）中的总生存期（OS）和无进展生存期（PFS）比较。
E 在未接受免疫检查点抑制剂治疗的 TCGA 肾癌中，对 LOXL3 表达和其他临床特征进行多变量分析，作为 OS 较差的风险因素。F 在接受免疫检查点抑制剂治疗的肾细胞癌外部验证队列（ NCT03141177 ）中，高表达和低表达 LOXL3 患者的 PFS 比较。对于 C-F 部分，患者按 LOXL3 表达水平的中间值分组。对于 D 和 F 部分，使用 Kaplan-Meier 分析和 Log-rank 检验进行生存期比较。P 值<0.05 被认为具有统计学意义。缩写：HR，风险比；N，淋巴结分期；M，转移；T，肿瘤分期
既往研究表明，免疫活性高的肿瘤可能适合接受免疫检查点阻断治疗。作者的研究揭示，在未接受免疫检查点阻断治疗的 TCGA 膀胱癌（n = 397，中位年龄：68 岁（34-90 岁））（图 7 C）中，LOXL3 过表达是总生存期的独立危险因素。然而，在两个大型接受免疫检查点阻断治疗的膀胱癌队列中，并未观察到 LOXL3 过表达与不良预后相关（ GSE176307 [中位年龄：70 岁（41-89 岁）；与 TCGA 年龄匹配，p = 0.4177]和 IMvigor210CoreBiologies；Kaplan-Meier 分析：p > 0.8；图 7 D）。此外，尽管在未接受免疫检查点阻断治疗的 TCGA 肾癌中（n = 845；图 7 E），LOXL3 过表达与较差预后相关，但在一个大型接受免疫检查点阻断治疗的队列中，LOXL3 过表达显著与无进展生存期改善相关（ NCT03141177 ；p = 0.0193；图 7 F）。
为进一步探索 LOXL3 在肾癌中的作用，作者在两个独立数据集（ GSE121638 和来自 Kevin Bi 等人的 Cancer Cell 2021 年数据）[ 33 , 46 ]中进行了 scRNA-seq 重新分析。LOXL3 在两个数据集中主要在巨噬细胞中表达（图 S20，图 S21A-B）。根据 GSE121638 ，LOXL3 high 巨噬细胞表现出激活的免疫相关通路，包括抗原处理/呈递和 IFN-γ反应（图 S21C），这表明其在调节肾癌微环境中可能发挥作用。
总的来说，LOXL3 过表达可能会影响肿瘤免疫微环境，并可能在肾细胞癌和膀胱癌中预测对免疫检查点抑制剂的反应。
总结
作者的研究强调了 LOX/LOXL 作为癌症预后标志物和潜在治疗靶点的意义。需要进一步研究以探索其在癌症信号通路中的作用以及改善患者预后的潜力。
|
