掃碼聯系客服
大家好呀！今天跟大家分享的是2021年6月發表在International Immunopharmacology （IF:4.932）上的一篇文章。葡萄膜黑色素瘤（UM）是成人最常見的原發性眼內惡性腫瘤，易發生轉移。腫瘤微環境（TME）是腫瘤發生和發展的關鍵。本篇文章作者使用TCGA和GEO數據庫中的UM數據研究UM患者的腫瘤微環境并評價免疫打分和免疫細胞浸潤對預后的價值。使用WGCNA分析鑒定與CD8+ T細胞浸潤水平顯著相關的模塊和基因，使用單因素Cox，LASSO和多因素Cox分析構建8-基因預后模型。
Identification of survival-related genes and a novel gene-based prognostic signature involving the tumor microenvironment of uveal melanoma
鑒定葡萄黑色素瘤腫瘤微環境中生存相關基因和預后模型
1.數據獲取
從GEO數據庫下載葡萄黑色素瘤（UM）的基因表達數據和臨床數據包括GSE84976（28例）和GSE44295（57例）數據集。從TCGA數據庫下載TCGA-UM（80例）數據集。
2.TCGA-UM數據集的TME分析
使用ESTIMATE和ssGSEA對TCGA-UM的TME進行分析（圖1a），根據免疫打分中位數將TCGA-UM分為兩組，其中免疫打分-high組的預后較差（圖1b）。KEGG分析表明有12條KEGG通路富集在免疫打分-high組（圖1c）。
圖1 TCGA-UM的TME分析
此外，對免疫檢查點（ICPs）的表達水平進行分析，其中PD1,CD86,LAG3和IDO1在免疫打分-high組的表達水平較高（圖2）。
圖2 ICPs表達水平
3.鑒定兩個免疫分組的DEGs
對兩個免疫分組進行差異分析鑒定到834個上調基因和197個下調基因（圖3a和3b）。對DEGs進行GO和KEGG通路分析，上調基因顯著富集與免疫應答，白細胞活化和遷移等功能和通路（圖3c），下調基因顯著富集與外源刺激應答等功能和通路（圖3d）。
圖3 兩個免疫分組的DEGs
4.免疫細胞浸潤與OS的相關性
使用CIBERSORT評估UM的免疫細胞浸潤情況，作者發現T細胞和巨噬細胞浸潤比例最高（圖4a），兩組中有9個免疫細胞浸潤水平存在顯著差異（圖4b）。免疫細胞與OS的相關性分析發現T輔助細胞和CD8 T細胞與預后不良有關而單核細胞和CD4 T細胞與OS較好有關（圖4d）。
圖4 免疫細胞浸潤與OS相關性
5.構建共表達模型
隨后，作者進行WGCNA分析，選擇軟閾值為13（圖5）。其中青色模塊與CD8 T細胞顯著相關（圖6a和6b）。將DEGs與青色模塊中基因取交集得到142個基因（圖6c）。對這些基因進行功能富集分析，這些基因主要富集在免疫相關的功能和通路（圖6d）。
圖5 WGCNA分析
圖6 與CD8 T細胞相關的模塊和基因
6.構建預后模型
對這142個基因進行單因素Cox回歸分析得到107個生存相關基因，隨后進行LASSO和多因素Cox回歸分析，最終得到8個基因構建預后模型（圖7）。
圖7 構建預后模型
根據風險打分將UM患者分為高風險組和低風險組。Kaplan-Meier曲線表明高風險組的OS較差（圖8a），1年，3年和5年OS的ROC曲線的AUC分別為0.95，1和1（圖8b），UM患者的生存狀態和風險打分如圖8c所示，對預后模型中基因的表達水平繪制聚類熱圖（圖8d）。
圖8 構建預后模型
單因素和多因素Cox回歸分析表明8-基因的預后模型是UM患者的獨立預后因子（圖9a）。使用預后模型和臨床特征構建列線圖（圖9b）。高風險組患者富集在氧化磷酸化等KEGG通路（圖9c）。
圖9 預后模型的獨立性檢驗和列線圖
7.8-基因預后模型的驗證
作者使用GSE84976和GSE44295數據集驗證預后模型的性能。根據風險打分將患者分為高風險組和低風險組。Kaplan-Meier曲線表明高風險組患者的OS較差（圖10a和11a）。GSE44295的1年，3年和5年ROC曲線的AUC分別為0.62，0.65和0.68（圖10b），GSE84976的3年和5年ROC曲線的AUC分別為0.77和0.77（圖11b）。此外，作者繪制兩個數據集UM患者的生存狀態和風險打分分布圖以及預后模型中基因表達水平的聚類熱圖（圖10c-10d和圖11c-11d）。
圖10 GSE44295數據集
圖11 GSE84976數據集
8.預后模型中的基因與CD8 T細胞浸潤的相關性
作者使用TIMER網站研究預后模型中的基因與CD8 T細胞的相關性，這些基因與CD8 T細胞浸潤比例呈正相關（圖12）。
圖12 基因與CD8 T細胞浸潤比例的相關性
9.青色模塊中核心基因與CD8 T細胞浸潤顯著相關
青色模塊中有13個核心基因，包括B2M, CD74, HLA-B, HLA-C, HLA-DMA, HLA-DOA, HLA- DPA1, HLA-DPB1, HLA-DRA, HLA-DRB1, HLA-E, HLA-F, IRF1（圖13a-13c）。這些核心基因在免疫打分-high組的表達水平較高（圖13d）且這些核心基因的相關性較強（圖13e）。
圖13 青色模塊中核心基因與OS的相關性
這些核心基因與OS較差顯著相關（圖14a），其表達水平與CD8 T細胞浸潤比例正相關（圖14b）。
圖14 青色模塊中核心基因與CD8 T細胞浸潤的相關性
小結：
本篇文章作者使用多種生物信息學算法對UM患者的TME進行綜合評價。作者發現免疫打分-high和CD8+ T細胞浸潤與OS較差有關。根據WGCNA分析，鑒定到與CD8+ T細胞顯著相關的模塊和關鍵基因。使用常規單因素Cox-LASSO-多因素Cox構建預后模型。本篇文章分析思路還是挺簡單的，想要嘗試自己進行預后模型分析的小伙伴門可以作為參考~
