单基因泛癌+实验简单验证，要素丰富，没研究方向的赶紧上车

今天给同学们分享一篇生信文章“Pan-Cancer Analysis Reveals CENPI as a Potential Biomarker and Therapeutic Target in Adrenocortical Carcinoma”，这篇文章发表在J Inflamm Res期刊上，影响因子为4.5。

结果解读：

正常组织、癌症细胞系和泛癌细胞中的CENPI水平

这项工作检测了GTEx数据库中非癌样本的CENPI mRNA水平。结果是CENPI在各种样品中显示出相对较低水平的广泛表达（图1A）。与正常组织相比，Depmap门户数据集中的所有癌症细胞系都显示出更高的表达（图1B）。这项工作检测了GTEx数据库中非癌样本的CENPI mRNA水平。结果是CENPI在各种样品中显示出相对较低水平的广泛表达（图1A）。与正常组织相比，Depmap门户数据集中的所有癌症细胞系都显示出更高的表达（图1B）。

PPI网络建设、GO和KEGG分析

通过STRING数据库，预测了前50个CENPI相互作用蛋白，而Cytoscape用于网络可视化（图2A）。使用TIMER.2.0数据库发现CENPI与前5种相互作用蛋白呈正相关，包括APITD1、BUB1、BUB1B、CASC5和CENPA，该数据库在泛癌中得到了进一步验证（图2B）。然后对前50个相互作用蛋白进行GO注释（图2C），生物过程（BP）术语主要包括细胞器分裂、核分裂、有丝分裂姐妹染色单体分离和有丝分裂核分裂（图2D）。此外，细胞成分（CC）术语主要包括纺锤体、浓缩染色体、着丝粒区、有丝分裂纺锤体和纺锤体微管（图2D）。分子功能（MF）是微管结合、微管蛋白结合、趋化因子活性以及组蛋白激酶活性（图2D）。KEGG分析表明，这些相互作用的蛋白质大多与细胞周期有关（图2E）。

CENPI在泛癌诊断中的意义

为了评估CENPI在全癌诊断中的意义，绘制ROC曲线，并在最佳阈值下确定AUC和诊断参数。结果表明，CENPI在预测16种癌症方面表现出一定的准确性（0.7≤AUC≤0.9）至高准确性（AUC>0.9）、SKCM（AUC＝0.858），STAD（AUC=0.960）、UCEC（AUC=0.0936）和UCS（AUC=0.946）（图3A–3P）。

CENPI在泛癌中的预后意义

在ACC、MESO、PAAD、SARC和UCEC中，CENPI水平与OS、DSS以及PFI显著相关。在ACC中，Cox回归分析表明，CENPI上调可预测惨淡的生存率，如OS[风险比（HR）=4.72，95%置信区间（CI）：1.99–11.18，p<0.001]、DSS（HR=5.12，95%CI:2.04–12.83，p=0.001）和PFI（HR=3.52，95%CI:1.80–6.91，p<0.001）（图4A–C）。在MESO中，如Cox回归分析所示，CENPI上调是预后不佳的一个预测因素，如OS[HR=3.51，95%CI:3.10–5.82，p<0.001]、DSS（HR=4.08，95%CI:2.13–7.82，p<0.001）和PFI（HR=2.22，95%CI:1.29–3.82，p=0.004）（图4D–F）。在PAAD中，Cox回归表明CENPI上调可预测不良预后结果，如OS[HR=1.77，95%CI:1.16–2.70，p=0.008]、DSS（HR=1.88，95%CI:11.16–3.04，p=0.01）和PFI（HR=1.59，95%CI:1.07–3.25，p=0.021）（图4G–I）。在严重急性呼吸系统综合征中，如Cox回归所观察到的，CENPI上调与不良预后结果有关，如OS[HR=2.28，95%CI:1.5-3.45，p<0.001]、DSS（HR=2.33，95%CI:1.47-3.68，p<0.001）和PFI（HR=1.70，95%CI:1.21-2.37，p=0.002）（图4J–L）。在UCEC中，基于Cox回归，CENPI上调可预测不良预后结果，如OS[HR=1.87，95%CI:1.23–2.85，p=0.003]、DSS（HR=1.83，95%CI:1.10–3.04，p=0.02）和PFI（HR=1.61，95%CI:1.13–2.29，p=0.008）（图4M-O）。

ACC的不同临床病理特征与CENPI的表达有关

如图所示，ACC、MESO、PAAD、SARC和UCEC中的OS、DSS和PFI高度依赖于CENPI水平。根据CENPI在全癌中的诊断和预后意义，选择ACC进行进一步分析，并下载TCGA-ACC患者的相关临床数据，分析CENPI与临床分期数据的关系。分析显示，CENPI水平与肿瘤（T）分期（p=0.031）、转移（M）分期（p=0.005）、病理分期（p=0.008）、肿瘤状态（p<0.001）、新事件（p=0.006）、残留（R）肿瘤（p=0.002）和主要治疗结果（p<0.001。

此外，还调查了CENPI的表达及其与不同ACC亚组的预后结果（OS、DSS和PFI）的关系。虽然主要治疗结果（CR）亚组（图5B）的表达较低，但病理分期（IV期）（图5A）、N期（N1）（图5C）、M期（M1）（图5D）、残留肿瘤（R1和R2）（图5E）、新事件（是）（图5G）、Weiss–非典型有丝分裂图（存在），Weiss坏死（存在）（图5H）和Weiss侵袭肿瘤包膜（存在）亚组具有较高的CENPI表达。此外，CENPI上调预测了M期（M0）（图6A–C）、N期（N0）（见图6D–F）、米托坦治疗（是）（图6G–I。

CENPI在ACC中的共表达基因

研究了ACC中前50个共表达基因与CENPI水平的相关性，并将其显示在热图中。基于正相关热图（图8A），进一步验证了前10个共表达基因，即KIF14（r=0.931）、CENPF（r=0.920）、EXO1（r=0.924）、CKAP2L（r=0915）、ANLN（r=0.932）、DIAPH3（r=0.913）、KIF23（r=0916）、KIF4A（r=0.941）、MCM10（r=0.909）和BUB1B（r=0.918）（图8B–K）。基于负关联热图（图9A），前10个相关基因分别为MT-CO1（r=-0.656）、MT-ND3（r=-0.585）、MT-ATP6（r=-0.64）、MT-CO3（r=-0.574）、MT-ND4（r=-0.596）、MT-CYB（r=-0.512）、MTRNR2L8（r=-0.524）、MT-CO2（r=-0.538）、MT-ATP8（r=0.591）和MT-ND5（r=0.544）（图9B-K）。

ACC内CENPI高表达组和低表达组的DEG

通过调整p值<0.05和|log2-FC|>1.0阈值，获得1084个DEGS。其中647例上调，437例下调（图10A）。基于GO和KEGG分析（图10B和和C），C），BP术语包含细胞器分裂，核分裂和染色体分离。CC术语主要包括染色体区、浓缩染色体和着丝粒区。MF术语主要涉及细胞外基质结构成分、细胞因子活性和DNA解旋酶活性。KEGG途径主要与细胞周期、蛋白质消化吸收和化学致癌有关。

CENPI水平与ACC内免疫细胞浸润的关系

此外，为了研究CENPI如何影响ACC内的TIIC水平，评估了23个肿瘤浸润白细胞（TIL）亚群（图11A）。虽然CENPI水平显示与Th2细胞呈正相关（r=0.750）（图11B），但它们与大多数TIIC呈负相关，包括细胞毒性细胞（r=−0.507）、肥大细胞（r=−0.413）、CD8T细胞（r==−0.389）、B细胞（r=−0.378）、浆细胞样树突状细胞，Th1细胞（r=−0.283），以及T细胞滤泡辅助细胞（r=−0.280）（图11C–L）。

CENPI在癌症细胞系中的药敏分析

CellMiner Cross Database筛选了几种FDA批准的药物，这些药物与不同癌症细胞中的CENPI水平呈负相关。结果显示，排名前六的药物包括沃诺司他（r=−0.47，p=0.00015）、帕博西立布（r=-0.35，p=0.0061）、尼洛替尼（r=–0.34，p=0.00276。接下来，选择了命中最深的vorinostat进行进一步分析。分子对接分析表明，伏立诺司他以低结合能直接与CENPI结合并形成氢键（图12G）。此外，伏立诺司他还抑制了ACC细胞系的CENPI表达（图12H）和细胞增殖（图12I和和JJ）。

CENPI沉默抑制ACC细胞恶性行为

为了探索CENPI在ACC细胞生长中的生物学作用，使用两种CENPI shRNA在SW-13和NCI-H295R细胞中成功沉默了CENPI（图13A）。此后，进行CCK8测定以评估细胞生长，SW-13和NCI-H295R显示CENPI沉默后细胞生长显著下降（图13B）。然后，进行集落形成测定，以验证CENPI对ACC细胞生长的不利影响（图13C）。此外，Transwell测定显示CENPI敲低显著减少ACC细胞迁移（图13D）。AURKB被预测为CENPI的相互作用蛋白，作者假设AURKB抑制和CENPI缺失可能具有协同抗癌作用。为此，通过使用CompuSyn软件计算CENPI沉默和barasertib（一种特异性AURKB抑制剂）的联合有效性。结果显示，巴沙替布抑制ACC细胞生长（图13E和和F）F），并且在SW-13和NCI-H295R细胞中，在指定浓度的siCENPI和barasertib下的所有组合指数均小于1（图13G和和H），H），表明CENPI沉默与barasertib协同作用。