第一部分γ-分泌酶对Kv2.1的作用机制研究阿尔茨海默病（Alzheimer’s disease,AD）是一种发病进程缓慢的神经退行性疾病,淀粉样斑块的沉积及神经纤维缠结是其主要病理特征。淀粉样斑块的主要成分是β淀粉样蛋白（β-amyloid peptide,Aβ）,它是淀粉样前体蛋白（amyloid precursor protein,APP）经由β-分泌酶和γ-分泌酶切割后生成的长度约为36-43个氨基酸的蛋白肽。Aβ的沉积会进而引发tau蛋白过度磷酸化、炎症反应、突触丢失等神经毒性作用,导致神经元死亡。该β淀粉样蛋白级联反应假说被学术界广泛认可,Aβ也一直是AD临床药物研发的热门靶点。因为γ-分泌酶的切割是调控Aβ产生的关键步骤,抑制γ-分泌酶的活性可以减少Aβ生成及沉积,其抑制剂的研发在AD药物研发领域始终是关注热点。然而,大多数γ-分泌酶抑制剂（gamma-secretase inhibitors,GSIs）在临床试验中均以失败告终。研究发现,γ-分泌酶抑制剂虽能减少患者脑内Aβ的沉积,但受试者的认知障碍并未得到有效缓解,甚至观察到痴呆及脑萎缩的进程加速,同时伴随严重药物不良反应。考虑到γ-分泌酶底物众多,部分在神经系统中发挥着关键作用,GSIs临床实验中观察到的认知功能的恶化可能是因为抑制γ-分泌酶活性导致的未知底物的异常累积,进而引发神经元毒性作用,同时也提示了对γ-分泌酶底物及作用机制的研究亟需进一步的完善。电压门控钾离子通道 Kv2.1（Potassium voltage-gated channel subfamily B member one,KCNB1/Kv2.1）介导延迟整流钾电流,参与调控神经元的兴奋性和凋亡等生理过程,对维持神经元正常生理功能十分重要。Kv2.1也是脑组织缺血等疾病治疗药物研发的热门靶点,抑制Kv2.1调控的钾离子外流,会降低大脑内神经元的凋亡,减少神经损伤。研究表明γ-分泌酶和β-分泌酶有许多共同的底物,二者共同参与底物的水解过程。先前我们的研究揭示了 Kv2.1是β-分泌酶2（β-site APP cleaving enzyme 2,BACE2）以及 β-分泌酶 1（β-site APP cleaving enzyme 1,BACE1）的作用底物。查阅文献发现,Kv2.1序列上同样包含γ-分泌酶底物特异性motif,因此我们推测Kv2.1可能是γ-分泌酶的底物。本研究的目的是探讨Kv2.1是否是γ-分泌酶的底物,明确其作用位点,探究该作用对神经元功能的影响,对γ-分泌酶作用机制提供有益补充。在本研究中,我们鉴定出Kv2.1是γ-分泌酶的底物,体外实验证实抑制γ-分泌酶活性会导致Kv2.1蛋白的聚积。γ-分泌酶对Kv2.1的切割位于第478位缬氨酸与第479位谷氨酰胺之间,突变该位点会抑制γ-分泌酶对Kv2.1的切割作用。另外,电生理结果表明抑制γ-分泌酶活性,可引起钾电流增高,从而导致神经元凋亡。我们还发现,γ-分泌酶切割Kv2.1后的产生的片段Kv2.1-1-478可以降低凋亡电流,减少细胞的凋亡,具有神经保护作用。我们的研究结果揭示了 γ-分泌酶抑制剂临床失败可能的原因,对γ-分泌酶作用底物及相关机制做了进一步的补充,为底物选择特异性γ-分泌酶抑制剂的研发提供理论基础。第二部分低级别胶质瘤中基于E3相关基因预后模型的构建脑胶质瘤是一种原发性脑肿瘤,其低治愈率及高死亡率严重威胁人类寿命。低级别胶质瘤（low-grade glioma,LGG）虽然较胶质母细胞瘤（Glioblastoma,GBM）侵袭性弱,但仍表现出高复发率和恶性进展。低级别胶质瘤包含多种分子病理类型,肿瘤异质性较高,患者预后差异较大,很大一部分患者会出现复发甚至进展为更高级别的脑胶质瘤。因此,更全面的了解其发生发展机制,寻找更为有效的预后分子标志物,对精准判断预后,指导制定个体化治疗策略以辅助患者转归,具有十分重要的意义。泛素化是最重要的翻译后修饰方式之一,参与调控肿瘤的发生、发展和复发。E3连接酶调控底物的特异性识别,在泛素化的过程中的作用十分关键,其功能异常与肿瘤恶性进展及预后不良高度相关。免疫检查点相关通路也存在大量泛素化修饰相关的调控,与肿瘤免疫治疗反应密切相关。因此,E3相关基因（E3-related genes,E3RGs）在LGG中的潜在预后价值及作用机制亟待进一步探索。本研究旨在基于E3相关基因,在从分子层面对低级别胶质瘤进行更为全面的研究,并寻找关键预后分子标志物,为患者的预后评估和治疗决策提供数据支持。在本研究中,利用癌症基因组图谱（The Cancer Genome Atlas,TCGA）数据库中LGG及正常对照样本,通过三种差异表达分析方法筛选差异表达基因（differentially expressed genes,DEGs）。通过单因素Cox回归分析和log-rank统计检验筛选出预后相关DEGs。进一步用LASSO和多因素Cox回归分析构建包含7个E3相关基因的预后模型（AURKA、PCGF2、MAP3K1、TRIM34、PRKN、TLE3 和 TRIM17）。中国胶质瘤基因组图谱（Chinese Glioma Genome Atlas,CGGA）数据集被用作外部验证。Kaplan-Meier生存分析显示,在TCGA和CGGA数据集中,低风险组的LGG患者的总生存时间都显着高于高风险组。多因素Cox回归分析显示E3相关基因预后模型风险评分可作为LGG独立的预后因素。因此我们基于E3相关风险评分构建了列线图来预测LGG患者1、3、5年的生存率。此外,我们基于风险评分筛选出高低风险组DEGs并对其进行了功能分析。GO和KEGG分析表明高风险组基因富集于细胞外基质相关功能和免疫相关生物学过程,GSEA提示高风险组中促进肿瘤发生和发展的通路高度富集。同时我们还发现,ESTIMATE算法显示高风险组和低风险组之间的免疫和基质活性存在显着差异,风险评分与肿瘤免疫微环境细胞浸润及免疫检查点分子之间呈正相关,提示具有高风险评分的患者可能对免疫治疗有更好的反应。综上所述,我们的研究结果对E3相关关键基因在LGG恶性进展中的作用机制及其对肿瘤免疫微环境的影响进行了初步探索,为LGG患者提供潜在了诊断和预后的可靠分子标志物,为个体化治疗提供数据支持。