Construction of Lipid Metabolism-Related Gene Prognostic Model and Immunoinfiltration Analysis of Ovarian Cancer
-
摘要:
目的 构建卵巢癌（ovarian carcer，OC）脂质代谢相关预后模型，探讨脂质代谢相关生物标志物及免疫细胞浸润程度在OC预后预测中的作用。 方法 下载TCGA数据库中OC样本转录组数据和临床数据，MSigDB数据库获取脂质代谢相关基因（LMRGs），caret包将样本按1∶1随机分为训练集与验证集，单因素Cox分析得到与OC预后显著相关的LMRGs，LASSO-Cox分析筛选模型基因以构建预后模型，Kaplan-Meier曲线及受试者工作特征（ROC）曲线评估预后模型效能，并进行TCGA内部验证。最后构建列线图并采用CIBERSORT算法进行免疫浸润分析。 结果 构建了1个8基因的OC预后模型，生存分析显示高风险组与低风险组预后差异有统计学意义（P < 0.05）。AUC提示该模型具有中等程度预测效能；多因素Cox分析显示LMrisk是OC患者的独立预后因素（P < 0.001）；免疫浸润分析显示LMrisk与OC免疫相关。 结论 OC患者预后模型可作为1种新的独立预后评估手段，LMrisk可作为稳健的预后生物标志物，可能具有进一步临床应用的价值。 Abstract:Objective To construct a lipid metabolism-related prognostic model for ovarian cancer （OC）, and to investigate the role of lipid metabolism-related biomarkers and the degree of immune cell infiltration in prognosis prediction of OC. Methods Transcriptional data and clinical data of OC samples were downloaded from the TCGA database, and lipid metabolism-related genes （LMRGs） were obtained from the MSigDB database. The samples were randomly divided into training and validation sets at a 1∶1 ratio using the caret package. Univariate Cox analysis was used to identify LMRGs significantly associated with OC prognosis. LASSO-Cox analysis was performed to select model genes for building a prognostic model. The prognostic model was evaluated using Kaplan-Meier curves and receiver operating characteristic （ROC） curves, followed by internal validation using TCGA data. Finally, a column chart was constructed, and immune infiltration analysis was conducted using the CIBERSORT algorithm. Results An 8-gene prognostic model for ovarian cancer was established. Survival analysis showed significant differences in prognosis between the high-risk and low-risk groups （P < 0.05）. The AUC indicated that the model had moderate predictive efficacy. Multivariate Cox analysis demonstrated that LMrisk was an independent prognostic factor for ovarian cancer patients （P < 0.001）. Immune infiltration analysis revealed the association between LMrisk and immune response in ovarian cancer. Conclusion The prognostic model developed in this study can serve as a new tool for evaluating prognosis in ovarian cancer patients. LMrisk may be a robust prognostic biomarker with potential clinical application. -
Key words:
- Ovarian cancer /
- Lipid metabolism /
- Prognostic model /
- Immune cell infiltration
-
液体治疗是抢救失血性休克的关键措施。笔者以往的研究[1]表明，乳酸林格氏液及羟乙基淀粉有改善失血性休克犬微循环的作用，但目前很多学者[2-5]对不同类型复苏液体对失血性休克动物微循环影响上还存在着分歧，其次鲜见全面探讨临床常用晶体液（生理盐水、乳酸林格氏液、醋酸林格氏液）、常用胶体液（羟乙基淀粉、琥珀酰明胶和白蛋白）对失血性休克动物微循环及炎性因子影响的研究报道。故本研究旨在探讨临床常用复苏液体对失血性休克兔肠系膜微循环及炎性因子（肿瘤坏死因子-α及白介素-1）的影响，寻找能改善失血性休克兔微循环及减少炎性因子的最佳复苏液体，为临床上提高失血性休克的救治成功率提供理论基础。
1. 材料与方法
1.1 实验动物与分组
本实验选用健康雄性家兔，普通级，体重2150～3200 g（实验动物由昆明医科大学实验动物学部提供）。本次实验选取48只家兔，随机分为实验对照组、生理盐水组、乳酸林格组、醋酸林格组、羟乙基淀粉组以及琥珀酰明胶组，每组8只。本研究通过昆明医科大学实验动物伦理委员会批准（kmmu2021473）。
1.2 方法
1.2.1 实验方法
麻醉诱导采用25%乌拉坦3～4 mL/kg于耳缘静脉注射，待家兔不再挣扎及角膜反射、疼痛刺激消失后，用胶布固定头皮针，以方便后续维持麻醉深度及补液。所有动物行颈部气管切开辅助通气，分离一侧颈内静脉以及颈总动脉。颈内静脉置入小儿4Fr中心静脉导管，颈总动脉置管并接动脉压力传感器后持续监测平均动脉血压（mean artery pressure，MAP）以及心率（heart rate，HR）。从正中切开动物腹部，暴露出腹腔，寻找一小段肠系膜轻柔拉出，置于微循环监测仪肠系膜观察窗上，调节显微镜图像获取最佳的肠系膜微血管。从颈动脉置管处缓慢放血至MAP下降至术前基础值的40%，维持休克状态60 min后即认为失血性休克兔模型建立成功。之后开始液体复苏，实验对照组仅泵入2 mL/（kg·h）的生理盐水，休克后观察90 min则结束实验。生理盐水组、乳酸林格组及醋酸林格组则分别在30 min内经静脉匀速泵入3倍放血量体积的液体。羟乙基淀粉组、琥珀酰明胶组则泵入同放血量等体积的对应液体。复苏期间需保持全身肝素化，每隔1 h注入1 mL 肝素钠注射液维持抗凝。复苏结束后，观察1 h即结束实验，将实验动物予空气栓塞法处死。
1.2.2 肠系膜微循环的观察指标
实验中兔肠系膜微循环的观察及分析由同一研究人员完成。微循环观测仪由成都泰盟软件有限公司提供，分析由配套的BI-2000A+微循环观测分析系统完成。每次观察3个不同视野，取平均值并记录。通过分析灌注血管比例（proportion of perfused vessels，PPV）以及微血管流动指数（microvascular flow index，MFI）2项指标对肠系膜微循环进行评价。灌注血管比例定义为：将显微镜下一视野内的所有微血管分为有灌注（至少20 s内持续血流）、无灌注（至少20 s内无血流）或间歇性灌注（至少50%的时间内无血流），其中有灌注的血管比上总血管数计算得出灌注血管比例。微血管流动指数定义为：一个视野内的所有微血管根据流动的特征进行评分：无（0分）、间歇（1分）、缓慢（2分）和正常（3分），评分相加后取平均值得到微血管流动指数[6]。
1.2.3 炎性因子及乳酸含量测定
兔肿瘤坏死因子-α酶联免疫分析试剂盒、兔白细胞介素1酶联免疫分析试剂盒以及乳酸含量试剂盒购买后均冷藏保存。保存于-80℃冰箱的血清实验样本常温解冻后，利用ELISA检测血清中的炎性因子及乳酸。所有的操作严格按照试剂盒提供说明书进行，整个测定过程由同一研究人员完成。
1.3 观察指标
观察各组放血前（T0）、失血性休克时（T1）、液体复苏开始时（T2）、液体复苏完成时（T3）、实验结束时（T4）各组的平均动脉压（MAP）、心率（HR）、微循环灌注血管比例（PPV）和微血管血流指数（MFI）；测定T0、T2、T4时刻肿瘤坏死因子-α（TNF-α）、白细胞介素-1（IL-1）和乳酸（Lac）的含量；实验结束后统计家兔的放血量、尿量和复苏液体量。
1.4 统计学处理
采用SPSS 26.0软件进行数据分析，所有数据先用Shapiro-Wilk检验正态性。计量资料用均数±标准差（$ \bar x \pm s $）表示，一般资料行单因素方差分析，多次观察资料行重复测量的方差分析，多重比较采用Bonferroni法。以P < 0.05为差异有统计学意义。
2. 结 果
2.1 家兔一般情况比较
各组家兔体重及放血量差异无统计学意义（P > 0.05）；对照组的尿量少于其余各组，与其他各组比较差异有统计学意义（P < 0.05），见表1。
表 1 体重、尿量、放血量体量比较（$ \bar x \pm s $）Table 1. Comparison of weight，urine output，and blood letting volume（$ \bar x \pm s $）组别 只数（n） 体重（kg） 尿量（mL） 放血量（mL） 实验对照组 8 2.79±0.29 4.67 ±2.58 34.17± 7.33 生理盐水组 8 2.49±0.31 21.00±4.82* 29.83± 7.25 乳酸林格组 8 2.51±0.34 20.50± 4.23* 28.17±11.84 醋酸林格组 8 2.73±0.27 23.83±7.55* 40.00± 7.48 羟乙基淀粉组 8 2.65±0.23 17.17±2.79* 42.33± 9.25 琥珀酰明胶组 8 2.58±0.27 15.33±1.45* 35.67± 7.31 F − 1.388 13.220 2.500 P − 0.257 < 0.001# 0.052 #P < 0.05。与对照组比较，*P < 0.05。 2.2 不同液体复苏对全身血流动力学的影响
各时间点HR组间及组内比较，差异均无统计学意义（P > 0.05）。组内MAP比较：T1与T0比较，差异有统计学意义（P < 0.05）。除对照组外，T3时刻与T2比较，差异有统计学意义（P < 0.05）；生理盐水组在T4时刻与T3比较，差异有统计学意义（P < 0.05）。组间MAP：组间比较，T3时刻，乳酸林格组与羟乙基淀粉组的MAP差异有统计学意义（P < 0.05）；T4时刻，实验对照组与其他各组差异有统计学意义（P < 0.05），乳酸林格组、生理盐水组与羟乙基淀粉组差异有统计学意义（P < 0.05），见表2～表3。
表 2 不同液体复苏对HR的影响（$ \bar x \pm s $，n = 8）Table 2. Effects of different types of fluid resuscitation on HR（$ \bar x \pm s $，n = 8）组别 HR（次/min） T0 T1 T2 T3 T4 实验对照组 239.17 ± 13.66 244.17 ± 10.67 241.67 ± 6.98 − 226.67 ± 13.78 生理盐水组 232.33 ± 14.57 242.50 ± 7.99 239.67 ± 7.69 238.67 ± 10.77 239.33 ± 14.79 乳酸林格组 233.83 ± 16.67 240.33 ± 9.99 236.67 ± 7.69 239.83 ± 18.25 239.17 ± 13.98 醋酸林格组 238.17 ± 7.49 245.33 ± 9.93 244.83 ± 6.82 242.67 ± 10.93 242.17 ± 10.05 羟乙基淀粉组 235.67 ± 13.47 242.67 ± 11.69 231.83 ± 7.68 229.33 ± 15.95 230.17 ± 22.74 琥珀酰明胶组 234.17 ± 11.36 248.17 ± 5.67 236.67 ± 6.98 242.83 ± 6.59 243.00 ± 8.37 F 0.243 0.482 2.305 1.056 1.259 P 0.940 0.786 0.069 0.399 0.307 表 3 不同液体复苏对MAP的影响（$ \bar x \pm s $，n = 8）Table 3. Effects of different types of fluid resuscitation on MAP（$ \bar x \pm s $，n = 8）组别 MAP（mmHg） T0 T1 T2 T3 T4 实验对照组 88.50 ± 9.14 52.50 ± 5.24a 51.50 ± 5.09 − 41.67 ± 8.94 生理盐水组 93.17 ± 5.27 55.00 ± 2.61 a 55.33 ± 3.45 77.67 ± 8.82b 68.67 ± 16.10*▲c 乳酸林格组 92.50 ± 12.34 50.83 ± 8.50 a 54.33 ± 10.63 65.33 ± 15.82 ▲b 64.83 ± 9.54*▲ 醋酸林格组 85.00 ± 11.08 47.83 ± 7.41 a 54.33 ± 7.74 77.17 ± 5.38 b 69.67 ± 6.35* 羟乙基淀粉组 82.83 ± 13.73 45.00 ± 2.53 a 51.50 ± 4.89 86.00 ± 6.81 b 88.00 ± 8.46* 琥珀酰明胶组 83.90 ± 11.80 41.67 ± 3.20 a 49.50 ± 5.54 77.33 ± 11.38 b 78.00 ± 10.70* F 0.998 3.194 0.689 3.057 13.226 P 0.436 0.020# 0.636 0.035# < 0.001# #P < 0.05。与实验对照组比较，*P < 0.05；与羟乙基淀粉组比较，▲P < 0.05；与T0比较，aP < 0.05；与T2比较，bP < 0.05；与T3比较，cP < 0.05。 2.3 不同液体复苏对微循环的影响
2.3.1 不同液体复苏对PPV的影响
组内比较：T1时刻，各组失血性休克后PPV较T0明显下降，T1与T0比较差异有统计学意义（P < 0.05）；T3时刻，各组液体复苏后PPV明显升高，除对照组外，与T2时刻比较，差异均有统计学意义（P < 0.05）。
组间比较：T4时刻胶体组PPV水平高于晶体组，差异均有统计学意义（P < 0.05）；各组与实验对照组比较差异有统计学意义（P < 0.05），见表4。
表 4 不同液体复苏对PPV的影响（$ \bar x \pm s $，n = 8）Table 4. Effects of different types of fluid resuscitation on PPV（$ \bar x \pm s $，n = 8）组别 PPV（%） T0 T1 T2 T3 T4 实验对照组 93.63 ± 5.54 55.37 ± 9.16 a 55.93 ± 7.58 − 56.08 ± 8.15▲△ 生理盐水组 95.50 ± 4.56 54.62 ± 8.26 a 50.95 ± 10.88 87.38 ± 6.68b 84.76 ± 2.31*▲△ 乳酸林格组 95.21 ± 3.88 62.77 ± 7.22 a 58.46 ± 7.70 91.16 ± 5.43 b 84.79 ± 5.01*▲△ 醋酸林格组 96.54 ± 4.01 57.63 ± 9.10 a 53.52 ± 10.89 90.39 ± 5.63 b 85.90 ± 5.97*▲△ 羟乙基淀粉组 93.03 ± 5.62 59.27 ± 6.96 a 61.14 ± 5.95 94.35 ± 4.80 b 95.90 ± 3.52*△ 琥珀酰明胶组 95.31 ± 3.81 60.49 ± 8.03 a 59.92 ± 9.97 90.80 ± 7.64 b 95.80 ± 4.71*▲ F 0.475 0.909 1.193 1.053 47.096 P 0.792 0.488 0.335 0.399 < 0.001# #P < 0.05。与实验对照组比较，*P < 0.05；与羟乙基淀粉组比较，▲P < 0.05；与琥珀酰明胶组比较，△P < 0.05；与T0比较，aP<0.05；与T2比较，bP < 0.05。 2.3.2 不同液体复苏对MFI的影响
组内比较：T1失血性休克后，各组MFI分值明显下降，与T0时刻比较，差异有统计学意义（P < 0.05）；各种液体复苏后T3时刻的MFI值明显升高，除实验对照组外，各组与T2时刻比较，差异有统计学意义（P < 0.05）；
组间比较：T4时刻除实验对照组外，各组MFI值较前均升高，与实验对照组比较，差异有统计学意义（P < 0.05）；胶体组评分高于晶体组，差异均有统计学意义（P < 0.05），见表5。
表 5 不同液体复苏对MFI的影响（$ \bar x \pm s $，n = 8）Table 5. Effects of different types of fluid resuscitation on MFI（$ \bar x \pm s $，n = 8）组别 MFI（分值） T0 T1 T2 T3 T4 实验对照组 2.87 ± 0.14 1.85 ± 0.24a 1.80 ± 0.19 − 1.88 ± 0.15 生理盐水组 2.91 ± 0.10 1.86 ± 0.17 a 1.76 ± 0.30 2.68 ± 0.20b 2.57 ± 0.25*▲△ 乳酸林格组 2.90 ± 0.09 2.03 ± 0.12 a 1.94 ± 0.23 2.79 ± 0.14 b 2.55 ± 0.17*▲△ 醋酸林格组 2.91 ± 0.09 1.94 ± 0.25 a 1.76 ± 0.36 2.74 ± 0.20 b 2.72 ± 0.27* 羟乙基淀粉组 2.92 ± 0.09 2.03 ± 0.08 a 1.96 ± 0.23 2.92 ± 0.10 b 2.94 ± 0.10* 琥珀酰明胶组 2.93 ± 0.06 1.99 ± 0.23 a 1.98 ± 0.28 2.82 ± 0.12 b 2.92 ± 0.10* F 0.252 1.101 0.896 1.982 25.786 P 0.935 0.380 0.496 0.127 < 0.001# #P < 0.05。与实验对照组比较，*P < 0.05; 与羟乙基淀粉组比较，▲P < 0.05；与琥珀酰明胶组比较，△P < 0.05；与T0比较，aP < 0.05；与T2比较，bP < 0.05。 2.4 不同液体复苏对炎症因子的影响
2.4.1 不同液体复苏对TNF-α的影响
组内比较：休克30 min后的T2时刻，各组的TNF-α较前明显升高，与T0比较，差异均有统计学意义（P < 0.05）。组间比较：各组在T0、T2、T4时刻比较，差异均无统计学意义（P > 0.05），见表6。
表 6 不同液体复苏对TNF-α的影响（$ \bar x \pm s $，n = 8）Table 6. Effects of different types of fluid resuscitation on TNF-α （$ \bar x \pm s $，n = 8）组别 TNF-α（pg/mL） T0 T2 T4 实验对照组 530.90±43.30 586.75±45.07 a 625.13±40.04 生理盐水组 498.84±19.48 578.00±21.57 a 597.27±34.35 乳酸林格组 497.63±26.21 595.43±40.84 a 599.15±22.37 醋酸林格组 505.95±15.86 556.81±45.19 a 572.52±42.40 羟乙基淀粉组 500.58±35.79 554.26±41.79 a 594.58±46.09 琥珀酰明胶组 501.79±55.45 592.59±53.72 a 620.65±38.81 F 0.761 1.065 1.518 P 0.585 0.399 0.214 与T0比较，aP < 0.05。 2.4.2 不同液体复苏对IL-1的影响
各时刻组间和组内比较，差异均无统计学意义（P > 0.05），见表7。
表 7 不同液体复苏对IL-1的影响（$ \bar x \pm s $，n = 8）Table 7. Effects of different types of fluid resuscitation on IL-1（$ \bar x \pm s $，n = 8）组别 IL-1（ng/L） T0 T2 T4 实验对照组 102.17±8.99 109.49±16.88 114.33±13.60 生理盐水组 92.13±14.30 108.25±11.45 116.70±16.70 乳酸林格组 85.19±15.26 100.51±17.73 107.48±11.36 醋酸林格组 87.16±11.25 95.70±12.14 98.17±11.07 羟乙基淀粉组 84.13±7.26 98.22±11.64 110.01±11.04 琥珀酰明胶组 85.65±14.86 102.65±11.11 109.66±12.01 F 1.843 0.953 1.523 P 0.135 0.462 0.212 2.5 不同液体复苏对Lac的影响
组内比较：各组T2时刻乳酸浓度较前明显升高，与T1比较，差异均有统计学意义（P < 0.05）；T4时刻经液体复苏的组别乳酸含量较前下降，与T2时刻比较，差异有统计学意义（P < 0.05）；T4时刻对照组乳酸较T2升高，差异有统计学意义（P < 0.05）。组间比较：T4时刻，乳酸林格组、生理盐水组与羟乙基淀粉组比较，差异有统计学意义（P < 0.05），实验对照组与经液体复苏组比较，差异均有统计学意义（P < 0.05），见表8。
表 8 不同液体复苏对Lac的影响（$ \bar x \pm s $，n = 8）Table 8. Effects of different types of fluid resuscitation on Lac（$ \bar x \pm s $，n = 8）组别 Lac（mmol/L） T0 T2 T4 实验对照组 1.98±0.44 6.91±0.92a 10.63±1.06b 生理盐水组 2.33±0.48 7.65±0.69 a 5.67±0.94*▲b 乳酸林格组 2.19±0.28 8.61±1.33 a 6.43±1.99*▲b 醋酸林格组 2.02±0.59 7.07±0.82 a 4.74±1.19* b 羟乙基淀粉组 2.37±0.29 8.00±1.15 a 3.22±1.02* b 琥珀酰明胶组 1.99±0.28 8.32±1.40 a 4.34±1.50* b F 1.086 2.356 22.842 P 0.388 0.064 < 0.001# #P < 0.05。与实验对照组比较，*P < 0.05；与羟乙基淀粉组比较，▲P < 0.05；与T0比较，aP < 0.05；与T2比较，bP < 0.05。 3. 讨 论
在面对失血性休克的高发生率以及高致死率时，早期有效的复苏策略可以为患者在止血措施实施之前争取到更多的时间。液体复苏的有效性已经得到一致的肯定[7]，早期液体的选择或许能够为失血性休克患者的预后带来好处，临床常用液体均能够有效恢复宏观血流动力学指标，但部分液体复苏后微循环功能并不能有效恢复，微循环功继续恶化可导致氧化应激、促炎细胞因子的释放和内皮完整性的破坏，继而加重组织缺氧、炎症反应以及凝血功能的紊乱，后期甚至导致全身炎症反应综合征（systemic inflammatory response syndrome，SIRS）及多器官功能障碍综合征（multiple organ dysfunction syndrome，MODS）等发生[4-5，8-9]。在失血性休克的复苏液体中，晶体液以生理盐水、乳酸林格和醋酸林格氏液，胶体液以羟乙基淀粉、琥珀酰明胶和白蛋白最为常用。但目前很多学者对不同类型、不同组合的复苏液体对失血性休克微循环影响还存在分歧[2-5]。本研究采用从颈动脉置管处缓慢放血至MAP下降至术前基础值的40%为准，维持休克状态60 min，成功复制了失血性休克兔模型，并使用临床最为常用的液体复苏，以此全面观察不同液体早期复苏对失血性休克后微循环功能以及炎性因子水平的改善情况。
在宏观血流动力学方面，本次试验结果显示，液体复苏开始时（T2）各组的MAP较前略有上升，考虑与机体代偿反应有关，休克后静脉回流的减少以及动脉血压的下降引起传入动脉压力感受器的冲动减少，进而交感神经兴奋性增加，儿茶酚胺等神经递质增加，导致代偿性的血管收缩，以此来保证重要脏器的血液灌注[7，10-11]；液体复苏完成后，除了实验对照组，各组MAP均有效升高，输注羟乙基淀粉和琥珀酰明胶血压升高最为明显且维持时间较长，且均有了明显的尿量。晶体液复苏所需液体量远多于胶体液，虽然晶体液对肝肾功能影响比较小，但是其维持效应短暂，仅有20%能够停留在血管内，大量输注不仅会造成凝血功能紊乱以及体温降低，而且可能导致器官及组织水肿，加重病情[12]。有学者的临床研究结果与本次实验中输注生理盐水不能很好的维持MAP一致，晶体液复苏量多，不能长时间维持血流动力学稳定，并且过多的晶体液输注还会导致肺水增多[13]。而胶体液的溶质是大分子物质，不能自由通过大部分毛细血管而在血管内产生较高的胶体渗透压。因此，胶体液的优点是维持血容量的效率高、持续的时间更长 [14]。
失血性休克时，为保证重要脏器的血供，腹腔内血流将会大大减少。本实验将肠系膜微循环作为微循环的监测靶点，同时参考大多学者对微循环的观察方法，将微血管的流动的状态分为：线流、线粒流、粒线流、粒流、粒缓流、粒摆流和停滞[15]。本次实验各组在放血前PPV和MFI均在较高水平，但血管灌注比例均未达到100%及微血管流动评分不及3分，考虑与手术过程中的牵拉有关。出现失血性休克时，PPV与MFI数值显著下降，镜下可见微血管流速明显变慢，部分血管可以看到一颗颗的红细胞通过血管，有的甚至停止，流态大致为粒流、粒缓流、粒摆流甚至停滞；复苏开始时，PPV与MFI数值与休克时相似，镜下可见有部分小血管已经完全停滞，并且长出透明状的血栓；复苏完成时，各组PPV及MFI数值显著升高，从镜下可以看到微血管的流态明显好转，多数呈线流、线粒流、粒线流；实验结束时，生理盐水、乳酸林格液及醋酸林格液PPV较复苏完成时下降，羟乙基淀粉及琥珀酰明胶PPV较前稍升高，与3种晶体液比较，差异有统计学意义（P < 0.05），说明2种胶体用于失血性休克复苏时微循环可以有很大的改善，这与笔者早期对失血性休克狗液体复苏后微循环变化的研究结果一致[1]。笔者还使用乳酸来评估液体复苏后组织灌注恢复的的情况，结果发现未经液体复苏的对照组乳酸含量较休克时明显升高，达到（10.63±1.06）mmol/L，而液体复苏组均明显下降，其中羟乙基淀粉液复苏后乳酸值最低，仅为（3.22±1.02）mmol/L，说明失血性休克时使用羟乙基淀粉液复苏微循环的改善最明显（P < 0.05）。Komori等[16]研究了晶体液和胶体液对失血性休克兔微循环、中心静脉氧饱和度、中心静脉-动脉二氧化碳间隙的影响，也发现经液体复苏后，羟乙基淀粉组的乳酸水平比乳酸林格组下降更明显（1.9±0.7）mmol/L，这也和笔者的研究结果一致。
大量失血时机体炎症反应加重，促炎因子大量释放，当促炎因子与抗炎因子失衡后将导致炎性因子的瀑布式释放，导致SIRS发生。机体炎症反应的严重程度与血液中的TNF-α、IL-1以及白细胞介素-6（interleukin-6，IL-6）的浓度相关，这些因子可以作为评价失血性休克后炎症反应严重程度的血清标志物[17]。炎性因子水平不仅反应失血性休克的严重程度，炎性因子的下降还能够改善失血性休克的预后。有研究用新鲜全血，羟乙基淀粉130/0.4、4%琥珀酰明胶或80 mL/kg等渗晶体对失血性休克犬进行复苏后，发现炎性因子会有所下降[18]。但本次实验炎性因子从放血前开始到失血性休克造模观察1 h之后，各组的TNF-α及IL-1均明显升高，待不同液体复苏完成后继续观察1 h，TNF-α及IL-1总体还是较复苏之前升高。可能原因为观察时间较短有关。失血性休克后以及液体复苏后观察时间应该适当的延长，并且测量炎性因子的次数应该增加，观察更多时间点炎性因子的变化情况。
本次研究存在一些局限性：（1）因未在市场上找到兔血白蛋白，故本研究未做白蛋白复苏的研究；（2）欧洲近10 a来在临床中并未把羟乙基淀粉用于休克患者的使用，故羟乙基淀粉的研究临床意义有限；（3）对复苏后的观察时间较短，本次实验仅观察到复苏后1 h，炎性因子或许在这个阶段还在继续释放，因此未观察到阳性结果；（4）本次实验样本量偏少，但实验做了对照，数据真实，得出的结论可靠。
综上所述，羟乙基淀粉液和琥珀酰明胶液可以改善失血性休克兔的微循环，但不能改善失血性休克兔的炎性因子水平。
-
图 1 OC中差异表达的LMRGs的鉴定
A：正常卵巢组织和OC中DEGs火山图；B：OC DEGs与LMRGs的韦恩图；C：LMRGs在正常卵巢组织和OC中的表达热图。
Figure 1. Identification of differentially expressed LMRGs in ovarian cancer
图 2 差异表达的LMRGs生物学功能分析
A～B：LMRGs GO分析气泡图和圈图；C～D：LMRGs KEGG富集分析气泡图和圈图。
Figure 2. Biological function analysis of differentially expressed LMRGs
图 3 在训练集中构建OC预后模型并评价
A～B：采用LASSO-Cox分析9个预后相关的LMRGs；C：森林图显示8个LMRGs表达水平与OS的关系；D：训练集中高、低风险组OS的Kaplan-Meier分析；E：模型预测训练集的时间依赖性ROC曲线；F：OC患者生存状态、模型基因表达水平与LMrisk的关系。
Figure 3. The prognosis model of ovarian cancer was constructed and evaluated in the training set
图 4 OC患者列线图预后模型的构建及评估
A：LMrisk及临床病理特征独立预后分析；B：列线图预测OC患者的1、3及5 a OS预测模型；C：训练集OC患者1、3及5 a OS校准曲线；D：训练集OC患者1、3及5 a OS的DCA。
Figure 4. Construction and evaluation of nomogram prognostic model for patients with ovarian cancer
图 5 OC预后模型的内部验证
A：验证集高、低风险组OS的Kaplan-Meier分析；B：预后模型预测验证集的时间依赖性ROC曲线；C：验证集中OC患者生存状态、模型基因表达水平与LMrisk的关系。
Figure 5. Internal validation of prognostic models for ovarian cancer
-
[1] Chaudhry S,Thomas S N,Simmons Jr G E. Targeting lipid metabolism in the treatment of ovarian cancer[J]. Oncotarget,2022,13(3):768-783. [2] 中国抗癌协会妇科肿瘤专业委员会. 卵巢恶性肿瘤诊断与治疗指南(2021年版)[J]. 中国癌症杂志,2021,31(6):490-500. [3] 张秀,王静. 卵巢癌中的脂质代谢[J]. 肿瘤药学,2022,12(4):441-446. doi: 10.3969/j.issn.2095-1264.2022.04.05 [4] Hanahan D,Weinberg R A. Hallmarks of cancer: The next generation[J]. Cell,2011,144(5):646-674. doi: 10.1016/j.cell.2011.02.013 [5] Röhrig F,Schulze A. The multifaceted roles of fatty acid synthesis in cancer[J]. Nature Reviews Cancer,2016,16(11):732-749. doi: 10.1038/nrc.2016.89 [6] Shang S,Liu J,Hua F. Protein acylation: Mechanisms,biological functions and therapeutic targets[J]. Signal Transduction and Targeted Therapy,2022,7(1):396. doi: 10.1038/s41392-022-01245-y [7] Koundouros N,Poulogiannis G. Reprogramming of fatty acid metabolism in cancer[J]. British Journal of Cancer,2020,122(1):4-22. doi: 10.1038/s41416-019-0650-z [8] Strickaert A,Saiselet M,Dom G,et al. Cancer heterogeneity is not compatible with one unique cancer cell metabolic map[J]. Oncogene,2017,36(19):2637-2642. doi: 10.1038/onc.2016.411 [9] Kequan X,Peng X,Pan L,et al. A six lipid metabolism related gene signature for predicting the prognosis of hepatocellular carcinoma[J]. Scientific Reports,2022,12(1):20781. doi: 10.1038/s41598-022-25356-2 [10] Zhu M,Zeng Q,Fan T,et al. Clinical significance and immunometabolism landscapes of a novel recurrence-associated lipid metabolism signature in early-stage lung adenocarcinoma: A comprehensive analysis[J]. Frontiers in Immunology,2022,13(1):909105. [11] Shen L,Huang H,Li J,et al. Exploration of prognosis and immunometabolism landscapes in ER+ breast cancer based on a novel lipid metabolism-related signature[J]. Frontiers in Immunology,2023,14(1):1199465. [12] Jin H,Xia B,Wang J,et al. A novel lipid metabolism and endoplasmic reticulum stress-related risk model for predicting immune infiltration and prognosis in colorectal cancer[J]. International Journal of Molecular Sciences,2023,24(18):13854. doi: 10.3390/ijms241813854 [13] Zhang J,Wang H,Tian Y,et al. Discovery of a novel lipid metabolism-related gene signature to predict outcomes and the tumor immune microenvironment in gastric cancer by integrated analysis of single-cell and bulk RNA sequencing[J]. Lipids in Health and Disease,2023,22(1):212. doi: 10.1186/s12944-023-01977-y [14] Liu C,Xiao Z,Wu S,et al. Multi-cohort validation study of a four-gene signature for risk stratification and treatment response prediction in hepatocellular carcinoma[J]. Computers in Biology and Medicine,2023,167(11):107694. [15] Zheng M,Mullikin H,Hester A,et al. Development and validation of a novel 11-gene prognostic model for serous ovarian carcinomas based on lipid metabolism expression profile[J]. International Journal of Molecular Sciences,2020,21(23):9169. doi: 10.3390/ijms21239169 [16] Wang X,Xie W,Zhao D,et al. Molecular subtypes of ovarian cancer based on lipid metabolism and glycolysis reveals potential therapeutic targets[J]. Frontiers in Bioscience-Landmark,2023,28(10):253. doi: 10.31083/j.fbl2810253 [17] 杨小航. 卵巢大细胞神经内分泌癌病例分析报告[D]. 济南: 山东大学, 2021. [18] Kimura N,Miura W,Noshiro T,et al. Plasma chromogranin A in pheochromocytoma,primary hyperparathyroidism and pituitary adenoma in comparison with catecholamine,parathyroid hormone and pituitary hormones[J]. Endocrine Journal,1997,44(2):319-327. doi: 10.1507/endocrj.44.319 [19] Wu J T,Erickson A J,Tsao K C,et al. Elevated serum chromogranin A is detectable in patients with carcinomas at advanced disease stages[J]. Annals of Clinical & Laboratory Science,2000,30(2):175-178. [20] Slott C,Langer S W,Møller S,et al. Outlook for 615 small intestinal neuroendocrine tumor patients: Recurrence risk after surgery and disease-specific survival in advanced disease[J]. Cancers,2024,16(1):204. doi: 10.3390/cancers16010204 [21] Zhang Y,Kong X,Xin S,et al. Discovery of lipid metabolism-related genes for predicting tumor immune microenvironment status and prognosis in prostate cancer[J]. Journal of Oncology,2022,15(1):8227806. [22] Zhu Y,Zhang R,Zhang Y,et al. NUDT21 promotes tumor growth and metastasis through modulating SGPP2 in human gastric cancer[J]. Frontiers in Oncology,2021,11(1):670353. [23] Wang S,Liu W,Ly D,et al. Tumor-infiltrating B cells: Their role and application in anti-tumor immunity in lung cancer[J]. Cellular & Molecular Immunology,2019,16(1):6-18. [24] Lei X,Lei Y,Li J K,et al. Immune cells within the tumor microenvironment: Biological functions and roles in cancer immunotherapy[J]. Cancer Letters,2020,470(4):126-133. [25] Lichterman J N,Reddy S M. Mast cells: A new frontier for cancer immunotherapy[J]. Cells,2021,10(6):1270. doi: 10.3390/cells10061270 [26] Sulsenti R,Jachetti E. Frenemies in the microenvironment: Harnessing mast cells for cancer immunotherapy[J]. Pharmaceutics,2023,15(6):1692. doi: 10.3390/pharmaceutics15061692 [27] 骆洋,张青,张曙,等. 肥大细胞在实体瘤中的作用及机制[J]. 中国临床研究,2024,37(1):6-11. [28] Zhang X,Ji L,Li M O. Control of tumor-associated macrophage responses by nutrient acquisition and metabolism[J]. Immunity,2023,56(1):14-31. doi: 10.1016/j.immuni.2022.12.003 -
下载:
下载:
点击查看大图
计量
- 文章访问数: 918
- HTML全文浏览量: 1383
- PDF下载量: 28
- 被引次数: 0
