Valeur Prédictive des Gènes liés à la N6-Méthyladénosine (m6A) pour le Pronostic et Corrélation avec le Microenvironnement Tumoral dans le Cancer Gastrique
Le cancer gastrique (CG) reste un fardeau mondial important pour la santé, avec des outils pronostiques et des stratégies thérapeutiques limités. Les avancées récentes en épigénétique ont mis en lumière le rôle des modifications de l’ARN, en particulier la N6-méthyladénosine (m6A), dans la biologie du cancer. En tant que modification post-transcriptionnelle la plus répandue, la m6A régule l’épissage, la traduction, la stabilité et la dégradation de l’ARN, influençant ainsi les processus cellulaires critiques pour la tumorigenèse. Bien que des études émergentes associent la dysrégulation de la m6A à la progression du CG, la valeur pronostique des gènes liés à la m6A et leur interaction avec le microenvironnement tumoral (MET)—un réseau dynamique de cellules tumorales et non tumorales façonnant l’évasion immunitaire et la métastase—restent peu explorées. Cette étude intègre des données multi-omiques pour construire une signature pronostique liée à la m6A pour le CG, valider sa performance dans des cohortes indépendantes et élucider son association avec les caractéristiques du MET.
Acquisition et Traitement des Données
Les données cliniques et de séquençage de l’ARN de 334 patients atteints de CG dans The Cancer Genome Atlas (TCGA) et de 433 patients dans le jeu de données Gene Expression Omnibus (GEO) (GSE84437) ont été analysées. Les échantillons avec une survie globale (OS) <30 jours ont été exclus. L'approbation éthique a été obtenue du Comité d'Éthique de l'Hôpital d'Amitié Chine-Japon (No. 2018-116-K85-1), conformément à la Déclaration d'Helsinki. Les jeux de données publics ont été utilisés, rendant inutile le consentement éclairé. L'analyse des données a été réalisée avec R version 4.0.3 et SPSS version 26.0, avec une signification statistique fixée à P <0.05.
Identification des Gènes liés à la m6A Pronostiques
Vingt-trois régulateurs de la m6A ont été catégorisés : huit écrivains (METTL3, METTL14, METTL16, WTAP, VIRMA, ZC3H13, RBM15, RBM15B), treize lecteurs (YTHDC1, YTHDC2, YTHDF1–3, IGF2BP1–3, HNRNPC, FMR1, LRPPRC, ELAVL1, HNRNPA2B1), et deux effaceurs (FTO, ALKBH5). En utilisant la corrélation de Pearson (|r| >0.600, P <0.001), 280 gènes co-exprimés avec ces régulateurs ont été identifiés. La régression univariée de Cox a révélé 19 gènes significativement associés au pronostic du CG. Notamment, PJA2 et FBXL7 étaient sous-exprimés dans le tissu CG par rapport au tissu normal, tandis que 17 gènes, dont UPF3A, HNRNPK, et RBM15, étaient surexprimés, suggérant des rôles dans la pathogenèse du CG.
Clustering par Consensus Révèle des Sous-groupes Moléculaires Distincts
Les patients atteints de CG dans TCGA ont été stratifiés en deux clusters via un clustering par consensus. Cluster 1 (n=204) et Cluster 2 (n=130) présentaient des profils cliniques et moléculaires distincts :
- Les patients du Cluster 2 étaient plus âgés (P=0.003) avec des stades TNM plus précoces (P=0.004).
- Le Cluster 2 démontrait une OS supérieure (P=0.005), une expression plus élevée de PD-L1 (P<0.001), des scores immunitaires plus bas (P<0.001), et des scores stromaux plus bas (P<0.001).
- Les schémas d’infiltration immunitaire divergeaient : le Cluster 1 montrait une enrichissement en cellules T CD4+ au repos, cellules T régulatrices, monocytes et mastocytes au repos, tandis que le Cluster 2 avait des cellules T CD4+ activées, des cellules T folliculaires auxiliaires et des macrophages M1 pro-inflammatoires.
Ces résultats mettent en évidence les clusters de gènes liés à la m6A comme prédicteurs de la composition et de l’immunogénicité du MET dans le CG.
Construction et Validation d’une Signature Pronostique à Cinq Gènes
Un modèle de score de risque a été développé en utilisant la régression LASSO dans l’ensemble d’entraînement TCGA (n=202). Cinq gènes—PJA2, FBXL7, UPF3A, HNRNPK, et RBM15—ont été sélectionnés, avec des coefficients calculés comme suit :
Score de Risque = (0.0101 × PJA2) + (0.0037 × FBXL7) + (−0.0335 × UPF3A) + (−0.0002 × HNRNPK) + (−0.0872 × RBM15).
Les patients ont été classés en groupes à haut et bas risque sur la base des scores médians. Les patients à haut risque présentaient une OS plus mauvaise dans l’ensemble d’entraînement TCGA (AUC=0.700), l’ensemble de test (AUC=0.678), et la cohorte GEO (AUC=0.665). L’analyse multivariée de Cox a confirmé le score de risque comme un facteur pronostique indépendant dans toutes les cohortes (P<0.001).
Corrélations avec le Microenvironnement Tumoral et l’Évasion Immunitaire
Les patients à haut risque présentaient des scores immunitaires et stromaux élevés (P<0.001), indiquant une abondance de composants cellulaires non tumoraux. Cependant, les schémas d'infiltration des cellules immunitaires étaient immunosuppresseurs : les groupes à haut risque avaient une augmentation des cellules T CD4+ au repos, des macrophages M2, des cellules dendritiques au repos et des mastocytes au repos, parallèlement à une réduction des cellules plasmatiques, des cellules T CD4+ activées et des macrophages M1. Ce phénotype s'aligne avec des MET résistants à l'immunothérapie, soutenus par la surexpression de PD-L1 dans le Cluster 2 (P<0.001), suggérant une activation immunitaire paradoxale chez les patients à faible risque.
Implications Cliniques et Limites
Cette étude établit une signature robuste de gènes liés à la m6A pour le pronostic du CG, validée dans deux cohortes indépendantes. L’interaction entre la dysrégulation de la m6A et le remodelage du MET fournit des insights mécanistiques sur la progression du CG. L’activité élevée de la m6A chez les patients à haut risque peut conduire des voies oncogéniques, tandis que les caractéristiques immunosuppressives du MET soulignent une résistance thérapeutique potentielle.
Les limites incluent le design rétrospectif et l’absence de validation fonctionnelle. Des études prospectives avec des cohortes plus importantes sont nécessaires pour confirmer l’utilité clinique. Des expériences mécanistiques—telles que des criblages CRISPR ou des tests de méthylation—sont essentielles pour élucider comment PJA2, FBXL7, et d’autres gènes régulent la dynamique de la m6A et l’évasion immunitaire.
Conclusion
En intégrant des données transcriptomiques et cliniques, cette étude identifie une signature à cinq gènes liée à la m6A prédictive des résultats du CG et des caractéristiques du MET. Les patients à haut risque présentent une biologie tumorale agressive et des microenvironnements immunosuppresseurs, mettant en évidence les régulateurs de la m6A comme biomarqueurs et cibles thérapeutiques potentiels. Les recherches futures devraient explorer les rôles fonctionnels de ces gènes dans la biologie du CG et leur utilité pour guider l’immunothérapie.
doi.org/10.1097/CM9.0000000000002137