掃碼聯系客服
膠質瘤基質細胞預測膠質瘤預后的潛在機
膠質瘤是中樞神經系統最常見的原發性惡性腫瘤，預后也很差。近年來，免疫治療在人類惡性腫瘤中得到了廣泛研究，然而膠質瘤的“冷免疫”特性使得僅有少數患者受益于免疫治療。當下研究熱度著眼于對膠質瘤和免疫系統之間復雜相互作用的理解，以發揮膠質瘤免疫治療的效果。2021年4月發表在Frontiers Oncology上一篇文章“Glioma-Associated Stromal Cells Stimulate Glioma Malignancy by Regulating the Tumor Immune Microenvironment”（IF：6.242）對膠質瘤相關基質細胞（GASC）作為膠質瘤預后的標志物的潛在機制進行了探討。
英文縮寫：
GASC，glioma-associated stromal cell 膠質瘤相關基質細胞
TCGA,The Cancer Genome Atlas 癌癥基因組圖譜
CGGA,Chinese Glioma Genome Atlas 中國膠質瘤基因組圖譜
HGG,high-grade glioma; 高級別膠質瘤
ssGSEA，Single-sample Gene Set Enrichment Analysis algorithm 單樣本基因集富集分析算法
PCA，Principle Component Analysis 主成分分析
DEGs,differentially expressed genes; 差異表達基因
CNV,copy number variations; 基因拷貝數變異
ICPs,immune checkpoints. 免疫檢查點
TIDE，The Tumor Immune Dysfunction and Exclusion
研究背景
膠質瘤相關基質細胞是新近發現的膠質瘤微環境中一種重要的基質細胞，具有預測預后和治療前景的潛在價值。然而，膠質瘤微環境中GASCs的潛在機制在很大程度上仍然是未知的。有證據表明GASCs促進血管生成、侵襲和腫瘤生長。作者此項研究旨在探討GASCs在膠質瘤中的作用機制，特別是在高級別膠質瘤（HGG）中的作用機制。
研究方法
本研究使用了來自TCGA和CGGA的膠質瘤數據集。下載了TCGA 702例、CGGA 693例膠質瘤樣本的基因測序數據和臨床信息數據，并進行甲基化分析。使用單樣本基因集富集分析算法分別計算每個樣本的GASCs富集分數，計算干細胞評分、間充質-上皮-巨噬細胞轉變（EMT）評分、致瘤因子評分和血管生成活性評分、以及相應的基因組。接著，利用SsGSEA算法來區分GASC組高或低的患者。然后使用Morpheus鑒別高GASC組和低GASC組之間顯著差異表達的基因，使用xCELL和CIBERSORT算法分析基質細胞和免疫細胞的組成，使用TIDE預測每個膠質瘤樣本的免疫檢查點抑制劑的臨床反應。最后，構建風險評分和諾模圖模型預測膠質瘤的預后。
研究結果
（1）、為了分析膠質瘤微環境中GASCs的潛在機制，作者分析了來自TCGA的702個樣本和CGGA的693個樣本的mRNA測序數據，然后使用ssGSEA算法計算每個樣本的GASC得分。根據GASC評分的中位數將TCGA和CGGA的樣本分別分為高GASC組和低GASC組（圖 1），圖1A、B顯示了高GASC組和低GASC組的信息。另外，對來自TCGA的393個HGG樣本和來自CGGA的504個高級別膠質瘤（HGG）樣本也進行了單獨的分類，將其分為高GASC組和低GASC組。 Kaplan-Meier生存曲線結果顯示，在所有膠質瘤組和HGG中，GASC評分越高，OS越差(p<0.0001；圖1C-F)。主成分分析結果顯示高GASC組和低GASC組之間GASC標志物的表達圖譜有顯著差異(圖1G-J)。
其中（A-B）表示所有神經膠質瘤人群中GASC標記物的熱圖；（C-F）代表所有神經膠質瘤人群和高級別神經膠質瘤人群的高GASC組和低GASC組樣本的Kaplan-Meier生存（OS）曲線；（G-J）表示所有膠質瘤組和高級別膠質瘤的高、低GASC組的主成分分析結果（A、C、G、I代表TCGA，B、D、H、J代表CGGA）。
（2）、GASCs和基質細胞之間的關系
使用xCELL算法評估GASCs和其他基質細胞之間的關系，結果表示TCGA數據所有膠質瘤人群中高GASC組的內皮細胞、淋巴內皮細胞和微血管內皮細胞含量均較高，系數矩陣顯示GASC評分和以上細胞水平呈正相關。單變量Cox回歸結果也表明間充質干細胞是膠質瘤的保護因子（圖 2）。
（A、D）條形圖顯示高GASC組和低GASC組之間xCELL得分差異；（B、E）基質細胞單變量Cox回歸分析森林圖；（C、F）GASC評分與基質細胞相關性。（A、B、C為TCGA，D、E、F為CGGA）。備注:p>0.05,*P≤0.05，**p≤0.01，***p≤0.001，****p≤0.0001。
（3）、高GASC組和低GASC組的免疫景觀
使用CIBERSORT算法計算了22種免疫細胞的相對豐度，同時分析了GASCs與14個ICP的相關性。總的來說高GASC組相較于低GASC組，適應性免疫水平較低，但M2巨噬細胞水平在高GASC組中顯著升高并和GASC評分呈正相關，并且是膠質瘤的危險因素。高GASC組大部分ICP表達水平有統計學差異，Cox回歸結果顯示，PD-L2、TIM3、CD80、CD86、CD155和CIITA表達水平是所有膠質瘤人群和HGG人群發生膠質瘤的危險因素，并且ICP內部存在很強的正相關，GASC評分也和它們存在正相關（圖 3）
（ACEG）柱狀圖說明了所有膠質瘤人群中高、低GASC組和高膠質瘤人群中表達ICP表達的差異；（BDFH）所有膠質瘤人群（B代表TCGA,D代表CGGA）和高級別膠質瘤人群（F代表TCGA，H代表CGGA）ICP表達的單變量Cox回歸分析森林圖。備注：p>0.05,*P≤0.05，**p≤0.01，***p≤0.001，****p≤0.0001。
（4）、GASC評分與預后
生存分析結果表明，高GASC組DR3和CIITA的基因拷貝數變異顯著升高，降低了膠質瘤患者的OS。而THY1和CD80甲基化水平升高有更好的生存期。
（A）盒子圖顯示了高GASC組、低GASC組和正常組中THY1、CD9、CD14、CD44、ITGAM和ACTA1甲基化水平的差異；(B).THY1、CD9、CD14、CD44、ITGAM和ACTA1甲基化高和低組樣本的Kaplan-Meier總生存曲線；（C）.箱形圖顯示高、低GASC組和正常組中Galectin-9、CD80、CD155和LAG3甲基化水平的差異；（D）. Galectin-9、CD80、CD155和LAG3高甲基化組和低甲基化組樣本的Kaplan-Meier 生存曲線。
（5）、免疫療法應答的預測
應用TIDE工具預測每個樣本的免疫應答可能性，結果表明，在所有膠質瘤患者中，低GASC組比高GASC組更有可能對免疫治療有反應，在所有膠質瘤人群中，應答組的“T細胞CD8”和“巨噬細胞M0”水平較低，而“肥大細胞活化”較高，在HGG人群中則正好相反。（圖 5）
（A）所有膠質瘤人群和高級別膠質瘤人群的潛在免疫治療應答（A、C為TCGA，B、D為CGGA）；（E）GASC與預測免疫治療應答的相關性；（F、I）條形圖說明應答者和無應答者在所有膠質瘤人群和高級別膠質瘤人群中免疫細胞評分的差異。
（6）、風險評分體系的構建
最后構建了預測膠質瘤預后的諾模圖模型，包括風險評分和臨床病理特征。單因素和多因素Cox回歸分析表明，GASC風險評分是膠質瘤預后的獨立預測因素。
（A-B）訓練數據集的Cox回歸分析；（C-D）為高風險和低風險組的Kaplan-Meier總生存曲線；（E）預后模型的單因素和多因素Cox回歸分析；（F）預測1年、3年或5年生存率的諾模圖；（G-H）諾模圖預測1、3、5年生存率的時間相關ROC曲線；（I-J）IDH突變預測1、3、5年生存率隨時間變化的ROC曲線。（C、G、I為訓練數據集，D、H、J為驗證數據集）
全文小結
作者首次觀察到GASC與M2巨噬細胞和免疫檢查點（PD-1、PD-L1、PD-L2、TIM3、Galectin-9、CTLA-4、CD80、CD86、CD155和CIITA）水平呈正相關，并與所有膠質瘤組和HGG組的GASC評分呈正相關。GASCs通過M2巨噬細胞刺激膠質瘤惡性轉化，并與膠質瘤微環境中免疫檢查點的水平相關。高GASC組DR3和CIITA拷貝數變異較高，THY1甲基化降低，可作為膠質瘤的預后指標和治療靶點。然而，GASCs在膠質瘤微環境，尤其是在HGG中的潛在機制，以及GASCs構建的風險評分作為膠質瘤預后的獨立預測因子，還需要進一步的研究來證實。
