掃碼聯系客服
基于腫瘤微環境建立的風險模型預測肺腺癌患者的總生存期并與腫瘤免疫相關
今天給大家解讀一篇9+的文章，這篇文章發表在期刊: Oncogene。這本期刊最新一年影響因子: 9.867與前一年相比上升了1.896。中科院大類: 醫學 1區 中科院小類: 生化與分子生物學。為了大家更好的理解這篇文章，筆者對這篇文章進行了總結，以歸納這一類文章的思路，方便大家學習。
背景知識：
肺癌是全球癌癥相關死亡的主要原因，腺癌是其主要病理類型，占40%以上。盡管治療取得了進展，肺腺癌(LUAD)的5年總生存率還不到20%。腫瘤微環境(TME)是腫瘤所處的環境，由多種免疫細胞、基質細胞(包括間充質細胞、內皮細胞)、細胞外基質分子和多種細胞因子組成。
結果解讀：
作者的研究納入了TCGA數據庫中的510名LUAD患者，以計算免疫和間質評分。這些患者的間質評分從?1779.3到2106.9，免疫評分從?932.6到3449.2。免疫評分和間質評分在正常(鄰近)/腫瘤組織中，女性/男性患者，以及吸煙者/非吸煙者分布明顯不同。較高的免疫評分與較低的T有關，另外較高的間質評分與較低的M相關（美國癌癥聯合委員會(AJCC)TNM分期）。KM和Cox回歸分析表明，免疫和間質評分較高的患者比免疫和間質評分較低的患者具有更好的OS。此外，免疫和間質評分與CPE和ESTIMATE算法推斷的腫瘤純度顯著相關，具有很強的負相關性。
在具有不同OS的組之間，火山圖顯示與免疫評分相關有1366個差異基因，與基質評分相關的1500個差異基因 (Fig.1A, B)。根據WGCNA的結果，共識別出22個共表達的基因模塊(除灰色模塊中的基因沒有共表達外)(Fig.1C)。棕色、淺綠色、紅色、紫色和棕色模塊與基質評分有很強的相關性，而皇家藍、深綠色、棕色和綠色模塊與免疫評分有很強的相關性(Fig.1D)。Venn圖顯示了差異基因的數目及其與TME相關的強基因模塊的交集；這些基因被進一步輸入到lasso-Cox回歸分析中（Fig.1E)。CCR2、CX3CR1、SERPINE1、LOX、OR7E47P和RUBCNL(也稱為C13orf18)是從基質相關基因中選擇的，CCL3L1、CCR2、CD101(也稱為IGSF2)、CD200R1、CD74、GBP1、HLA-DQB1-AS1、IRF1、RAC2、RUBCNL和STAP1是從免疫相關基因中選擇的（Fig.1E)。分別在TCGA和KM圖數據庫中評估這16個基因的預后值。根據作者的篩選標準，將RUBCNL、LOX、OR7E47P、CX3CR1、SERPINE1、CCR2、GBP1、IRF1、STAP1和CD200R1納入逐步回歸分析中。最終的風險模型為：
TMErisk=0.7869×LOX?0.4203×OR7E47P+0.3138× SERPINE1?0.4006 × CX3CR1+0.6168 ×GBP1+0.6100 × IRF1?0.8024 × STAP1?0.7196 ×CD200R1。
作者首先調查了不同性別、吸煙狀況和TNM分期的患者TMErisk評分的分布情況。作者發現，吸煙史和較高的N或TNM分期的患者有較高的TMErisk 評分(Fig. 2A)。采用單因素和多因素Cox回歸分析，檢驗TMErisk對預后的影響。在6個數據集中，TMErisk分數越高，表明OS越差；在調整了年齡、性別、行為評分、吸煙史、放射治療、藥物治療和TNM分期后，TMErisk分數被確定為TCGA和四個GEO數據集中OS的獨立危險因素(GSE30219, GSE30210, GSE37745, 和GSE81089,Fig.2B)。同時，與時間依賴的的AUC表明，TMErisk評分在TCGA和GEO數據集中預測LUAD患者的OS方面有相當大的價值(Fig. 2C)。如圖2D所示，TMErisk在TCGA和GSE30219數據集的C指數顯著高于TNM分期，在其他3個數據集的C指數相似。同樣值得注意的是，TMErisk和TNM的結合可以顯著促進C指數在預測TCGA和四個GEO數據集的OS中的作用(Fig. 2D)。分層分析的結果表明，在不同年齡、性別、吸煙狀況、表現狀況、解剖分區、TNM分期、放射治療和藥物治療的亞組中，低TME風險和高TME風險之間的OS存在顯著差異。為了調整TME高風險組和低風險組的潛在偏倚，作者使用propensity評分匹配法來平衡患者流行病學和臨床特征的差異。總體而言，propensity評分匹配前后的分層分析結果是相似的。
探討導致低TME風險組和高TME風險組結果不同的潛在機制。作者使用了GO和KEGG注釋分析。圖3A顯示了|富集分數(NES)|>1且FDR值<0.05的顯著富集通路。與細胞周期、DNA修復、Wnt和NF-κB信號有關的基因在TME高危組中富集，而與免疫細胞遷移和增殖、免疫反應、炎癥反應、趨化因子和JAK/STAT信號相關的基因在TME低危組中富集。此外，TME高危人群的免疫和間質評分明顯較低，而腫瘤純度較高(Fig. 3B)。作者還調查了24個HLA家族基因和48個免疫檢查點在TME高風險組和低風險組之間的基因表達。根據Wilcoxon檢驗，20個HLA家族基因和33個免疫檢查點在TME高危人群中顯著調節(Fig.3C)。作者的分析還顯示，TME風險評分(作為連續變量)與16個HLA基因和28個免疫檢查點的表達顯著相關，包括HLA-DRA、CTLA-4、BTLA、B7-H3和Vista(Fig.3C)。接下來，作者使用TIMER、CiberSort和Xcell分析免疫細胞浸潤在低TME風險組和高TME風險組之間的分布(Fig.4)。作者的結果表明，在TME高危人群中，大多數免疫細胞和基質細胞減少。而普通淋巴祖細胞、輔助性T細胞1(Th1)和輔助性T細胞2(Th2)浸潤較多。值得注意的是，M2巨噬細胞/(M2巨噬細胞+M1巨噬細胞)比值在TME低危組較高，表明低TME風險組患者傾向于表現為M2表型。同時，兩組患者Th2/(Th1+Th2)比值無顯著性差異。
為了研究LUAD的TME風險相關機制，還分析了TCGA數據庫中的體細胞突變。當比較低TME風險組和高TME風險組樣本之間的突變頻率時，在高TME風險組中觀察到更多的體細胞突變，包括非同義和同義突變(Fig.5A)。同時，MAFTOOLS分析結果顯示TME高危組LUAD患者中有19個基因突變頻率較高(Fig. 5B)。在這些基因中，有8個在野生型和突變型之間有差異表達，突變頻率也顯示在圖4中。另外，作者發現在這些基因的突變中，觀察到顯著的共生現象 (Fig. 5C)。在高TME風險組和低TME風險組患者中，在19個基因突變中至少有兩個基因同時突變出現的比例分別為82.1%和58.3%。TME高危組TP53-KRAS共突變率與低危組相近(分別為10.6%和7.4%，P>0.05)。有趣的是，Keap1、KRAS、STK11、PBRM1和SMARCA4的共突變和單突變（表明免疫治療反應較差），在高TME風險中發生的頻率顯著更高(55.3%)(低TME風險組 42.3%)(P<0.05,Fig.5D).同時，作者觀察到TME高危人群中TP53基因的截斷突變(23.5%)多于低危TME人群中的突變(15.9%)(P<0.05, Fig.5E)。
為了找出TMErisk作為預測LUAD患者對藥物(包括化療、靶向治療和免疫治療)反應的生物標志物的效力，作者推斷了138種藥物在TCGA-LUAD患者中的IC50值。作者發現，低TME風險組的患者可能對乙胺嘧啶、拉帕替尼、吉西他濱等更敏感，而高TME風險組的患者可能對索拉非尼、紫杉醇、多西紫杉醇等更敏感。在對免疫治療的反應方面，低TME風險組的患者TIDE評分較低，IPS較高，這表明低TME風險組的患者對免疫治療的反應可能更好。
文章小結：
在本研究中，作者開發了一個基于免疫和間質評分的風險評分系統(TMErisk)，并對其性能進行了驗證。作者的結果表明，TME風險是一個獨立的預后因素，對LUAD患者的OS有相當大的預測作用。從功能上講，TMErisk評分與LUAD患者的免疫應答相關。在驗證數據集上的表現表明了它廣闊的利用前景。
