不一样的肿瘤免疫浸润新分析思路

大家好,今天给大家分享一篇有点不一样的肿瘤浸润文章,有3个值得学习的地方:1、不再以基因而是直接根据免疫浸润细胞构建signature,且也不是传统的lasso-cox回归模型了、2多数据集分析(TCGA+ICGC+GEO)、3应用signature对TCGA其它癌症进行了刻画,这工作量瞬间上升了。如果你中意,欢迎咨询细节!

 


胰腺导管癌(PDAC)肿瘤浸润免疫细胞特征和预后
研究概述|研究希望建立肿瘤浸润免疫细胞特征的预后模型,提高PDAC患者的生存预测能力增加治疗效果。
数据概览|4个不同队列共661例PDAC患者生存数据,作为训练集。另外2个队列188例患者作为验证数据。(TCGA+ICGC+GEO)
分析亮点|肿瘤浸润免疫细胞计算和泛癌验证
下面将以观点分析和数据结果阐述:
据统计,90%的胰腺癌为胰腺导管癌。并且多年治疗没有实质性的改善,主要原因是PDAC具有高侵略性肿瘤, 7%患者只有5年左右存活率,20%患者却只有1年。因此有必要了解侵袭性PDAC预后特征以及肿瘤微环境特点,分析肿瘤浸润性免疫细胞,建立肿瘤免疫细胞评分(TICS),帮助建立肿瘤浸润免疫细胞特征的预后模型,提高PDAC患者的生存预测能力增加治疗效果。
话不多说,看看这篇文章做了哪些研究准备。
首先,所有的PDAC转录组和临床数据均来自TCGA、ICGC和GEO数据库。TCGA-PAAD-US (n = 146), ICGCPACA-AU (n = 267), ICGC-PACA-CA (n = 182),和GSE62452 (n = 66)被纳入训练队列。另外两个独立的组群:GSE71729 (n = 125)和使用GSE57495 (n = 63)作为外部验证队列,如图1所示。

图1,研究设计和模型开发的示意图
接着,采用单样本基因集富集分析(single sample gene set enrichment analysis, ssGSEA)算法定量PDAC患者肿瘤浸润免疫细胞的相对丰度。

图2,肿瘤浸润免疫细胞评分(TICS)的建立
为了检测TICS在PDAC患者中的预后价值,文章采用Cox比例风险回归分析探讨28种免疫细胞的预后评价。每一个免疫细胞按中位数分层分为两组。使用基于荟萃分析的固定效应模型估计每个免疫细胞CI为95%的混合风险比(HR)。与免疫细胞相比,与预后显著相关的混合HRs和标准估计数(SE)被整合为预后免疫细胞重量并生成TICS

其中28个浸润的免疫细胞,包括适应性免疫细胞和先天免疫细胞。在训练组中,28个免疫细胞之间存在很强的相关性(图2A, P < 0.05)。CD4 T细胞和中性粒细胞活化是PDAC患者的危险因素(均为HR > 1, P < 0.05),单核细胞、活化的B细胞、巨噬细胞和Th17是PDAC患者预后的保护因素(均为HR < 1, P < 0.05)(图2B)。然后作者根据六种肿瘤浸润免疫细胞的相对丰度为每个病人建立了TICS。在训练队列中,通过time-dependent-ROC分析,TICS对生存的预测能力优于其他单独的6个单一免疫细胞(图2C,P < 0.05)。还发现活化的B细胞、单核细胞、巨噬细胞和Th17细胞的表达水平与TICS呈正相关,而活化的CD4 T细胞和中性粒细胞的表达水平与TICS呈负相关(图2D, P均< 0.001)。将训练队列中的所有患者根据TICS cutoff值分为两组:高TICS组(n = 419)和低TICS亚组242例患者预后差异有统计学意义(log-rank检验,P < 0.001;图2 e)。
多因素分析显示,在训练组中,只有TICS被认为是OS的预后保护因子(图3A, P < 0.05)。同时,这一结论也可以在其他两个验证组中得到验证(图3A, P < 0.05)。根据在KM曲线上,我们发现TICS可以很容易地区分出4个训练组和2个外组中预后均不同的PDAC患者(图3B-G, P < 0.05)。并对TICS在泛癌的预后进行了验证,结果显示,TICS也能显著区分9/32例癌症的预后。泛癌分析的结果见下图3J。
图3,训练组和验证组中TICS模型的预后分析
为探讨不同的TICS亚群之间的生物学功能潜在差异。从“msigdb.v7.0”下载了96个免疫相关的功能注释基因集。“pathifier”R包来识别不同的TICS亚组间上调和下调的免疫相关词。“clusterProfiler”R包对TICS特征基因进行GO和KEGG注释。富集P值,并对FDR做Benjamini–Hochberg 矫正。
因此,将TCGA组146例患者分为高、低TICS组。探讨TICS亚组患者免疫状态、免疫检查点、趋化因子和主要组织相容性复合物的潜在差异在TCGA队列基础上收集并分析(MHC)基因(图4A)。校正后,特别是一些免疫检查点基因,如PDCD1LG2(PD-L2),在高TICS亚组中,PDCD1(PD1)、CTLA4、LAG3、HAVCR2的表达相对较高TICS亚组(图4A, P均< 0.05)。相反,在趋化因子中,只有CXCL9在高TICS亚组中表达较高(图4A, P = 0.007)。在临床特征方面,在TCGA队列中,TICS亚组与临床参数之间无显著相关性(图4A)。TICS可以区分的预后TNM I-II期和III-IV期的PDAC(图4B, p均< 0.001)。
(图4,基于TICS的临床因素、免疫分子和免疫功能特征。)
另外,对TCGA队列中96个患者免疫相关基因集进行分析后发现,其中76个在TICS亚组间存在显著差异。其中,在高TICS组中,76个免疫相关基因中有51个上调,76个免疫相关基因中有25个下调(图4D)。提示我们TICS对PDAC患者免疫状态的影响是一个有显著相关性的预后评分。此外,在TCGA队列中,B细胞受体信号通路、细胞粘附分子和Th17细胞分化的免疫相关通路在高TICS患者中富集程度更高(图4E)。
这一步之后,可以对TICS亚群进行基因组特征分析。结合TCGA患者(n = 115)的体细胞突变进行进一步TMB分析。独特的TMB评分可以表明体细胞突变的低流行率。散点图显示,TICS与TMB负相关(图5 A, r =-0.278,P = 0.001)。低TMB和高TICS组预后最好,而高TMB和低TICS组预后最差(图5C, p < 0.05)。

(图5,TICS亚群的PDAC体细胞基因组特征)
根据TCGA和ICGC-PACA-CA队列的临床信息。首先,免疫细胞,免疫相关基因,比较两组完全缓解(CR)和非缓解(non-CR)患者的临床特征。结果表明,CR组和非CR组中,只有TICS (P = 0.004)和ImmuneScore (P = 0.014)在TCGA中有显著性差异。此外,CR患者的血压升高免疫相关基因和免疫细胞的趋势,但只有部分具有统计学意义(图6)。化疗与未进行化疗的患者相比,PDAC患者的预后明显改善(图6B,C, log-rank test,P < 0.001)。另外,50%TCGA和90%ICGCPACA-CA的患者在TICS亚组高CR值。同时,在两个队列中,低TICS组的CR患者所占比例都要低得多。CR组在TCGA组和ICGC-PACA-CA组中均有最高的TICS(图6E, P = 0.011,图6G, P = 0.005)。结合TICS和ImmuneScore进行预测接受化疗的PDAC患者的CR状况。与单独使用两种评分相比,联合评分在两组中对CR的预测效果最好(图6H, TCGA,曲线下面积= 0.710;图6I,ICGC-PACA-CA:AUC = 0.780)。

(图6,应用TICS进行药物敏感性预测)
写在最后|每次写到这个地方,都不知道怎么才能引导或者更简洁的表述给读者朋友们文章的思路。今天打算采用诱导式思维,帮助大家理解文章思路。首先数据依然是我们熟悉的数据库公用数据,但是在肿瘤转移方面,文章考虑到免疫浸润,也就是TME效应。这里引入了TICS评分。再从评分cutoff值划分预后差异组,进行基因功能注释,且预测效能在进行了泛癌验证。肿瘤中免疫细胞浸润复杂TME用于预测化疗反应。高剂量组的CR状态患者多于低剂量组。CR状态患者的TICS相对较高,说明化疗后获得CR的患者先前存在较强的免疫能力。
结果显示肿瘤浸润免疫细胞特征可以将PDAC患者分为不同的生存率亚群。这些特征也可用于识别可能从辅助化疗中获得更大益处的患者。TICS可作为辅助的个体化监测工具,在肿瘤免疫方面支持TNM预后分期。

文献解读

【课题套路】入门级蛋白磷酸化研究

2020-10-22 23:27:47

文献解读

对前列腺癌中的可变剪接进行系统分析文献解读

2020-10-23 16:28:38

加入Q群
0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索