Published April 18, 2023 | Version v1
Publication Open

Identification and validation of three risk models in skin melanoma based on bioinformatics analysis

Creators

  • 1. South China University of Technology
  • 2. Guangzhou Medical University
  • 3. Guangzhou First People's Hospital
  • 4. Renmin Hospital of Wuhan University
  • 5. Wuhan University
  • 6. Guangdong Medical College
  • 7. First People's Hospital of Foshan
  • 8. Peking University
  • 9. Peking University Third Hospital
  • 10. Huazhong University of Science and Technology

Description

Abstract Background Skin cutaneous melanoma (SKCM) remains the deadliest form of skin cancer. However, mechanism of prognosis of SKCM is not yet clear, and accurate prediction of the prognosis remains difficult. Here, we developed and validated three prognostic risk models based on immune cell infiltration, DNA methylation features, and immune-related genes for SKCM patients. Methods We downloaded the datasets from high-dimensional public databases. Univariate and multivariable Cox regression analysis was performed to develop models based on prognostic tumor-infiltrating immune cells, methylation related DEGs (mrDEGs), and immune-related genes (IRGs). Functional enrichment analysis was performed using clusterProfiler and GSVA R package. Prediction of sensitivity to drugs was conducted using pRRophetic R package. The prognostic value of these models was assessed using survival analysis and receiver operating characteristic curve analysis. Results The immune cell model was constructed based on 5 immune cell subtypes. Nine mrDEGs were identified to develop the methylation model. Furthermore, the prognostic IS model based on 5 IRGs was established. These models showed good performance to predict the prognosis of SKCM patients. The IS and methylation score were demonstrated to be associated with immune cell infiltration, microsatellite instability, and tumor mutational burden in SKCM. Moreover, the IS could predict the sensitivity to drugs and the responsiveness to immunotherapy. Finally, IHC staining of the clinical samples confirmed the increased expression of the prognostic IRGs. Conclusions These risk models based on immune cell infiltration, DNA methylation, and IS could be used to predict the survival of SKCM patients and further to guide treatment decisions.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

نبذة مختصرة يبقى الورم الميلانيني الجلدي الجلدي (SKCM) أكثر أشكال سرطان الجلد فتكًا. ومع ذلك، فإن آلية تشخيص SKCM ليست واضحة بعد، ولا يزال التنبؤ الدقيق بالتكهن صعبًا. هنا، قمنا بتطوير والتحقق من صحة ثلاثة نماذج للمخاطر التنبؤية بناءً على تسلل الخلايا المناعية، وميزات مثيلة الحمض النووي، والجينات المرتبطة بالمناعة لمرضى SKCM. الطرق قمنا بتنزيل مجموعات البيانات من قواعد البيانات العامة عالية الأبعاد. تم إجراء تحليل انحدار كوكس أحادي المتغير ومتعدد المتغيرات لتطوير نماذج تعتمد على الخلايا المناعية التي تتسلل إلى الورم، و DEGs المتعلقة بالميثيل (mrDEGs)، والجينات المرتبطة بالمناعة (IRGs). تم إجراء تحليل الإثراء الوظيفي باستخدام حزمة clusterProfiler و GSVA R. تم التنبؤ بالحساسية للأدوية باستخدام حزمة pRRophetic R. تم تقييم القيمة التنبؤية لهذه النماذج باستخدام تحليل البقاء على قيد الحياة وتحليل منحنى خصائص تشغيل جهاز الاستقبال. النتائج تم بناء نموذج الخلايا المناعية بناءً على 5 أنواع فرعية من الخلايا المناعية. تم تحديد تسعة mrDEGs لتطوير نموذج المثيلة. علاوة على ذلك، تم إنشاء نموذج IS التنبئي بناءً على 5 IRGs. أظهرت هذه النماذج أداءً جيدًا للتنبؤ بتوقعات تشخيص مرضى اس كيه سي ام. وقد ثبت أن درجة IS و المثيلة مرتبطة بتسلل الخلايا المناعية، وعدم استقرار الأقمار الصناعية الدقيقة، والعبء الطفري للورم في SKCM. علاوة على ذلك، يمكن لـ IS التنبؤ بالحساسية للأدوية والاستجابة للعلاج المناعي. أخيرًا، أكد تلطيخ IHC للعينات السريرية على زيادة التعبير عن IRGs النذير. يمكن استخدام نماذج المخاطر هذه القائمة على تسلل الخلايا المناعية، ومثيلة الحمض النووي، و IS للتنبؤ ببقاء مرضى SKCM وكذلك لتوجيه قرارات العلاج.

Translated Description (French)

Résumé Contexte Le mélanome cutané (SKCM) reste la forme la plus mortelle de cancer de la peau. Cependant, le mécanisme de pronostic de la SKCM n'est pas encore clair et la prédiction précise du pronostic reste difficile. Ici, nous avons développé et validé trois modèles de risque pronostique basés sur l'infiltration de cellules immunitaires, les caractéristiques de méthylation de l'ADN et les gènes liés au système immunitaire pour les patients SKCM. Méthodes Nous avons téléchargé les ensembles de données à partir de bases de données publiques de grande dimension. Une analyse de régression de Cox univariée et multivariée a été réalisée pour développer des modèles basés sur les cellules immunitaires pronostiques infiltrant les tumeurs, les DEG liés à la méthylation (mrDEG) et les gènes liés au système immunitaire (IRG). L'analyse de l'enrichissement fonctionnel a été réalisée à l'aide de clusterProfiler et du package GSVA R. La prédiction de la sensibilité aux médicaments a été réalisée à l'aide du paquet pRRophetic R. La valeur pronostique de ces modèles a été évaluée à l'aide d'une analyse de survie et d'une analyse des caractéristiques de fonctionnement du récepteur. Résultats Le modèle de cellules immunitaires a été construit sur la base de 5 sous-types de cellules immunitaires. Neuf mrDEG ont été identifiés pour développer le modèle de méthylation. De plus, le modèle IS pronostique basé sur 5 IRG a été établi. Ces modèles ont montré de bonnes performances pour prédire le pronostic des patients SKCM. Il a été démontré que l'IS et le score de méthylation étaient associés à l'infiltration de cellules immunitaires, à l'instabilité des microsatellites et à la charge mutationnelle tumorale dans la SKCM. De plus, l'IS pourrait prédire la sensibilité aux médicaments et la réactivité à l'immunothérapie. Enfin, la coloration IHC des échantillons cliniques a confirmé l'expression accrue des IRG pronostiques. Conclusions Ces modèles de risque basés sur l'infiltration des cellules immunitaires, la méthylation de l'ADN et l'IS pourraient être utilisés pour prédire la survie des patients SKCM et guider les décisions de traitement.

Translated Description (Spanish)

Resumen Antecedentes El melanoma cutáneo de la piel (SKCM) sigue siendo la forma más mortal de cáncer de piel. Sin embargo, el mecanismo de pronóstico de SKCM aún no está claro, y la predicción precisa del pronóstico sigue siendo difícil. Aquí, desarrollamos y validamos tres modelos de riesgo pronóstico basados en la infiltración de células inmunitarias, las características de metilación del ADN y los genes relacionados con el sistema inmunitario para pacientes con SKCM. Métodos Descargamos los conjuntos de datos de bases de datos públicas de alta dimensión. Se realizó un análisis de regresión de Cox univariante y multivariable para desarrollar modelos basados en células inmunitarias infiltrantes de tumores de pronóstico, DEG relacionadas con la metilación (mrDEG) y genes relacionados con la inmunidad (IRG). El análisis de enriquecimiento funcional se realizó utilizando clusterProfiler y el paquete GSVA R. La predicción de la sensibilidad a los fármacos se realizó utilizando el paquete pRRophetic R. El valor pronóstico de estos modelos se evaluó mediante el análisis de supervivencia y el análisis de la curva característica operativa del receptor. Resultados El modelo de células inmunitarias se construyó en base a 5 subtipos de células inmunitarias. Se identificaron nueve mrDEG para desarrollar el modelo de metilación. Además, se estableció el modelo pronóstico de IS basado en 5 IRG. Estos modelos mostraron un buen rendimiento para predecir el pronóstico de los pacientes con SKCM. Se demostró que la IS y la puntuación de metilación están asociadas con la infiltración de células inmunitarias, la inestabilidad de los microsatélites y la carga mutacional tumoral en SKCM. Además, el SI podría predecir la sensibilidad a los fármacos y la capacidad de respuesta a la inmunoterapia. Finalmente, la tinción IHC de las muestras clínicas confirmó el aumento de la expresión de los IRG pronósticos. Conclusiones Estos modelos de riesgo basados en la infiltración de células inmunitarias, la metilación del ADN y la IS podrían usarse para predecir la supervivencia de los pacientes con SKCM y, además, para guiar las decisiones de tratamiento.

Files

latest.pdf.pdf

Files (5.1 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:005e1067e5261f867b880be15f7313ad
5.1 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
تحديد والتحقق من صحة ثلاثة نماذج للمخاطر في سرطان الجلد الميلانيني بناءً على تحليل المعلوماتية الحيوية
Translated title (French)
Identification et validation de trois modèles de risque dans le mélanome cutané basés sur l'analyse bioinformatique
Translated title (Spanish)
Identificación y validación de tres modelos de riesgo en melanoma cutáneo a partir de análisis bioinformáticos

Identifiers

Other
https://openalex.org/W4366338873
DOI
10.21203/rs.3.rs-2772317/v1

Is supplement to
https://openalex.org/W4285038142 (Other)
https://openalex.org/W4231405903 (Other)
https://openalex.org/W4205198487 (Other)
https://openalex.org/W4200608643 (Other)
https://openalex.org/W3193633063 (Other)
https://openalex.org/W3158644626 (Other)
https://openalex.org/W3138896536 (Other)
https://openalex.org/W3118989325 (Other)
https://openalex.org/W3102307445 (Other)
https://openalex.org/W1411054225 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1193075794
  • https://openalex.org/W1854900052
  • https://openalex.org/W1939406351
  • https://openalex.org/W1994488319
  • https://openalex.org/W2018838463
  • https://openalex.org/W2035618305
  • https://openalex.org/W2073839391
  • https://openalex.org/W2075294566
  • https://openalex.org/W2103277177
  • https://openalex.org/W2112182696
  • https://openalex.org/W2146512944
  • https://openalex.org/W2159707944
  • https://openalex.org/W2214074259
  • https://openalex.org/W2224875021
  • https://openalex.org/W2271028635
  • https://openalex.org/W2465860350
  • https://openalex.org/W2612431515
  • https://openalex.org/W2788142646
  • https://openalex.org/W2795867722
  • https://openalex.org/W2807526916
  • https://openalex.org/W2896865521
  • https://openalex.org/W2896872272
  • https://openalex.org/W2899985317
  • https://openalex.org/W2907549567
  • https://openalex.org/W2910269253
  • https://openalex.org/W2943851920
  • https://openalex.org/W2945224722
  • https://openalex.org/W2971468927
  • https://openalex.org/W2979129329
  • https://openalex.org/W2999417355
  • https://openalex.org/W3012313628
  • https://openalex.org/W3013463183
  • https://openalex.org/W3014374354
  • https://openalex.org/W3028304854
  • https://openalex.org/W3034074266
  • https://openalex.org/W3108480454
  • https://openalex.org/W3111302247
  • https://openalex.org/W3111836013
  • https://openalex.org/W3113132520
  • https://openalex.org/W3131231281
  • https://openalex.org/W3132941357
  • https://openalex.org/W3135548580
  • https://openalex.org/W3136029599
  • https://openalex.org/W3150976942
  • https://openalex.org/W3161054249
  • https://openalex.org/W3163750627
  • https://openalex.org/W3167456503
  • https://openalex.org/W4240458912