LAYN——与胃癌和结肠癌免疫浸润相关的预后基因文献解读

一、背景

Laylin（LAYN）是调节T细胞功能的关键基因。然而，LAYN与不同癌症预后及肿瘤浸润淋巴细胞的关系尚不清楚。

Layilin是一种与C型凝集素同源的55-kDa跨膜蛋白，在许多细胞和组织中均有表达。此外，LAYN蛋白可以作为透明质酸的表面受体。因此，LAYN在细胞粘附、运动、细胞扩散和迁移的调节中起着重要作用。

LAYN表达是结直肠癌（CRC）和非小细胞肺癌（NSCLC）中浸润调节T淋巴细胞（Treg）的一个特殊特征。此外，在结直肠癌和非小细胞肺癌患者中，LAYN高表达与预后不良有关。然而，LAYN在肿瘤进展和肿瘤免疫学中的潜在作用和机制尚不清楚。

二、方法

通过Oncomine数据库和Timer是数据库分析LAYN的表达；使用Kaplan-Meier plotter、Prognoscan和GEPIA数据库评估了LAYN对临床预后的影响。通过TIMER研究了LAYN与肿瘤免疫浸润的关系。此外，通过TIMER和GEPIA分析了LAYN表达与免疫浸润基因标记的相关性。

三、结果

LAYN的高表达与较差的总生存率（OS）、疾病特异性生存率（DSS）和无病生存率（DFS）相关。此外，在胃癌中，LAYN的高表达与低OS和无进展生存率（PFS）显著相关。根据TCGA结果显示LAYN对不同癌症的预后有显著影响。具体来说，在2-4期胃癌患者中，高表达的LAYN与较差的OS和PFS相关，但与1期和0期胃癌患者无关。LAYN表达与结肠腺癌（COAD）和胃腺癌（STAD）中CD4+T和CD8+T细胞、巨噬细胞、中性粒细胞和树突状细胞（DCs）的浸润水平呈正相关。LAYN的表达与结肠癌（COAD）和胃癌（STAD）的不同免疫标记有很强的相关性。

这些发现表明，LAYN与多种癌症患者的预后和免疫浸润水平相关，包括CD8+T细胞、CD4+T细胞、巨噬细胞、中性粒细胞和树突状细胞，尤其是结肠癌和胃癌患者。此外，LAYN的表达可能有助于调节结肠癌和胃癌的肿瘤相关巨噬细胞（TAMs）、树突状细胞（DCs）、T细胞衰竭和Tregs。这些结果表明，LAYN可作为判断胃癌和结肠癌预后和免疫浸润的预后生物标志物。

四、材料和方法

1、Oncomine Database分析

通过oncomine数据进行LAYN基因的表达水平分析，探索LAYN基因与癌症类型的关系。

结果表明LAYN的表达水平在乳腺癌、结直肠癌、胃癌、肾癌、胰腺癌和淋巴瘤中显著高于正常样本。

地址：https://www. oncomine.org/resource/login.html 

步骤：打开网页，筛选“Cancer vs Normal Analysis”和“Cancer Type”→过滤P-value等参数即可显示

2、PrognoScan Database分析

LAYN表达量与不同类型癌症的生存相关性分析，探索LAYN基因表达与癌症预后（OS、DFS等）的相关性。

LAYN表达显著影响结直肠癌、乳腺癌、眼癌和卵巢癌的预后。因此，LAYN的高表达是一个独立的危险因素，并可能导致CRC患者预后不良。

地址：http://www.prognoscan.org/（注：文章中地址错误）

步骤：打开网页，搜索LAYN→根据“DATASET”和“CANCERTYPE”筛选行，点击对应的“PROBEID”列，即可得到结果图。

3、Kaplan-Meier Plotter Database分析

LAYN与乳腺癌、卵巢癌、肺癌和胃癌生存率的相关性分析，用于验证Prognoscan结果。

LAYN表达水平对乳腺癌影响较小，肺癌患者有更好的OS，对卵巢癌和胃癌的预后也有影响。

地址：http://kmplot.com/analysis/

步骤：输入LAYN基因，Survival选择OS或PFS：

点击生成图片，得到含有HR和logrank P值的结果图：

4、TIMER Database分析

利用基因模型分析不同癌症中的LAYN表达水平，以及LAYN表达与免疫浸润的相关性。发现LAYN基因的表达水平与肿瘤纯度负相关。此外，通过相关性模型分析了LAYN表达与肿瘤浸润免疫细胞基因标记的相关性。最终得到特定癌症类型中基因的表达散点图，以及Spearman相关性和评估的显著性。基因表达水平用log2-rsem表示。

地址：https://cistrome. shinyapps.io/timer/ 

步骤：选择“Correlation”模块→选择癌症类型如COAD→填写Y轴的marker基因（如表2中的CD86）和X轴marker基因（LAYN）→“Correlation Adjusted by”选择“Tumor Purity”或“None”→最后“Submit”生成散点图。

5、GEPIA分析基因相关性

用于验证TIMER得到的显著相关性基因。LAYN的高表达与Kirp和THCA（甲状腺癌）中DFS预后以及SKCM（皮肤皮肤黑色素瘤）的OS预后有关。

地址：http://gepia.cancer- pku.cn/index.html 

步骤：打开网页，选择“Multiple Gene Analysis”→“Correlation Analysis”→填写X轴和Y轴基因→“Correlation Coefficient”选择“Spearman”→把TCGA的Tumor和Normal中的癌症类型依次add到右边的“Used Expression Datasets”中→点击“Plot”成图。

6、统计分析

对相关性程度分类（Cor）：

仅筛选P-values <0.05用于评估显著性；

0.00–0.19 “很弱” 0.20–0.39 “弱,” 0.40–0.59 “较强” 0.60–0.79 “强” 0.80–1.0 “非常强” 。

更多生信分析套路，请加微信13621202201