纯生信分析挖掘肿瘤突变负荷与免疫浸润的关系

01 研究背景
缩写:
TMB:肿瘤突变负荷(tumor mutation burden
BLCA:膀胱癌(bladder cancer
OS:整体生存(overall survival
DFS:无病生存期(Disease-free survival
膀胱癌是指发生在膀胱黏膜上的恶性肿瘤。是泌尿系统最常见的恶性肿瘤,也是全身十大常见肿瘤之一。近年来,免疫治疗在膀胱癌中取得了巨大的进展。TMB可以作为预测免疫治疗效果的一种生物标志物,TMB就是肿瘤组织每兆碱基中突变的总数,通俗的讲,就是肿瘤基因的突变密度。一般来说,TMB水平高的肿瘤,代表着肿瘤细胞中能被免疫系统识别的越多。
Zhang等人结合TCGA数据库中膀胱癌的体细胞突变数据计算病人的TMB值,基于该值的中位数值将样本划分为高TMB组合低TMB组,首先刻画高低TMB组生存的差异;接下来,结合膀胱癌病人的表达谱数据,识别高低TMB组差异的基因,使用单因素和多因素cox回归分析进而结合构建了由8个基因组成的膀胱癌预后模型;考虑到TMB值和免疫治疗的关系,使用CIBERSORT软件对膀胱癌病人中22种免疫细胞的组成刻画,基于单因素cox回归分析,找到潜在影响病人生存的免疫细胞类。
今天就和大家分享一篇相关研究的文章【Multi‐omics analysis of tumor mutation burden combined with immune infiltrates in bladder urothelial carcinoma】 杂志:Journal of Cellular Physiology    IF4.552        发表时间:2019.9.27  
02 主要方法和材料
1.  训练数据:TCGA数据库中膀胱癌病人的突变、表达谱以及临床数据(如Table 1)所示。

2.  验证数据集:cBioportal (https://www.cbioportal.org/)数据库获取Memorial Sloan Kettering Cancer Center (MSKCC)数据集的突变数据;
3.  差异基因:通过“limma”包寻找高低TMB组间差异表达的基因(|log (fold change) > 1|FDR < 0.05
4.  差异表达基因功能富集分析:通过“clusterProfiler”对差异基因功能进行富集分析;
5.  高低TMB组病人通路激活分析:基于MsigDB数据库中的“c2.cp.kegg.v6.2.symbols.gmt gene sets”基因集合,以高低TMB组为表型特征,使用GSEA软件对高低TMB组病人调控功能进行分析。
6.  预后模型:对在高低TMB组间差异表达的基因进行单因素cox回归分析,先识别出对膀胱癌病人预后有影响的基因;接下来,将上述基因结合构建多因素cox回归分析模型,挑选其中p值显著的基因去构建膀胱癌预后模型;
7.  免疫细胞组成:基于膀胱癌病人表达谱,通过CIBERSORT对每一个病人中的22种免疫细胞类型所占百分比进行刻画。
8.  免疫细胞与生产:通过单因素cox回归分析,找到影响膀胱癌病人生存的免疫细胞类型。
03 结果展示

 

1.  基于TCGA膀胱癌突变数据,得到每一个病人的TMB值,以中位数值作为阈值,识别高低TMB组病人,通过GSEA分析最终刻画了高低TMB组功能机制(Fig 1e)。并通过limma包找差异基因,|log (fold change) > 1|FDR < 0.05,最终识别了68个差异基因(Fig 1a),且这些差异基因富集的功能如Fig 1c1d所示。将这些差异如方法中描述的那样,结合单因素和多因素cox回归分析,用韦恩图刻画相应分析之间的基因交集情况(Fig 1b)。

Fig 1. 高低TMB组差异基因以及通路分析
2.  膀胱癌病人突变特征的统计:结合TCGA数据库中膀胱癌病人的突变数据,从突变类型,突变样本数等方面统计其包含的突变特征(Fig 2)。

Fig 2. 膀胱癌病人突变特征的概述
3.  TMB与病人的生存以及疾病分化程度相关:通过log-rank检验,发现在OSDFS中,高TMB组病人的生存更好(Fig 3a & 3b)。进一步结合膀胱癌病人的临床特征,刻画在具有不同临床特征病人TMB值的分布情况(Fig 3c-3g),发现TMB值在高低分化程度(Grade)间差异。

Fig 3. TMB与膀胱癌患者临床特征的关系
4.  预后模型的构建:结合Fig 1b中的三者交叠的基因,构建膀胱癌预后模型(Fig 4a),该模型的AUC值为0.753Fig 4c),通过log-rank检验看高低风险组病人之间生存的差异(Fig 4d)。

Fig 4.预后模型的构建
5.  免疫细胞的组成:通过CIBERSORT在线工具去刻画膀胱癌病人中22种免疫细胞的组成(Fig 5),不同颜色表示不同的免疫细胞。

Fig 5. CIBERSORT刻画免疫细胞的组成
6.  高低TMB样本中免疫细胞的组成情况:结合病人的高低TMB信息,在高低TMB两组病人中刻画其免疫细胞组成情况(Fig 6a)。

Fig 6. 高低TMB组中免疫细胞的组成情况
7.  生存相关的免疫细胞类:基于样本的细胞组成,基于单因素cox回归分析得到影响病人生存的免疫细胞类(如Table 4所示),基于这些影响膀胱病人生存的免疫细胞类,基于log-rank检验高低免疫细胞组成样本之间生存的差异(Fig 7

Fig 7.免疫细胞对生存的影响
文献解读

文献解读:高分胃癌m6A​和肿瘤免疫微环境纯生信研究思路

2020-4-18 16:26:08

文献解读

动态nomogram在线分析的建立

2020-4-18 23:26:35

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