掃碼聯系客服
大家好呀！今天給大家介紹一篇2021年6月發表在Oncogene(IF:9.867)上的一篇文章。癌癥相關成纖維細胞（CAFs）是腫瘤微環境的重要組成部分，在癌癥發展和耐藥性中發揮重要作用。最近有研究表明CAFs由多種CAF亞型組成，但CAF異質性和亞型在癌癥發展中的功能和作用尚不十分清楚。本研究作者使用細胞類型反卷積方法全面分析TCGA數據庫中18種癌癥的細胞類型。對CAF亞型的生存分析，肌成纖維細胞（myCAF）是9種癌癥的預后不良因子。基于lncRNA的彈性網預測模型（LENP）進行分析，myCAF比例較高的患者對6種抗腫瘤藥物的反應較差。此外，整合突變分析分別鑒定到有14和413個與myCAF和iCAF分化程度相關的基因。總的來說，作者的研究結果表明CAF亞型在患者預后和藥物反應中的復雜作用并確定了CAF亞型分化中的驅動基因。
Cell-type deconvolution analysis identifies cancer-associated myofibroblast component as a poor prognostic factor in multiple cancer types
細胞類型反卷積分析鑒定癌癥相關肌纖維母細胞組分作為多種癌癥類型的預后不良因子
流程圖：
結果：
1.TCGA樣本與細胞類型基因表達的反卷積分析
CAF是腫瘤內部和周圍的成纖維細胞的主要組分。為評估TCGA癌癥類型中CAF的組成，作者使用ENCODE和BLUEPRINT作為參考panel（panel A）進行CIBERSORTx分析。panel A包括250例RNA-seq樣本，分為34種細胞類型。在CAFs中權重最高的50個基因中COL1A2,COL1A1,COL3A1,COL6A2,COL6A1和COL6A3是已知的CAFs的標記基因。作者使用CIBERSORTx計算TCGA癌癥類型的CTC打分。作者分析TCGA癌癥類型的正常樣本和癌癥樣本的CTC打分（圖1A），有10類癌癥的CTC打分具有顯著差異。BLCA和UCEC的癌癥樣本的CTC打分顯著低于正常樣本，而其他癌癥的癌癥樣本的CTC打分高于正常樣本。
2.人類單細胞轉錄組數據用于反卷積TCGA樣本
為研究TCGA樣本中CAF的異質性和組成變化，作者分析了PDAC的scRNA-seq數據。該數據集共包括13個細胞類型，其中有2個CAFs亞型分別為myCAF和iCAF。將該數據集作為CIBERSORTx的參考panel（panel B）。為了驗證作者結果的有效性，作者模擬了100個RNA-seq數據集并使用CIBERSORTx根據panel B進行反卷積。
3.腫瘤樣本和正常樣本中myCAF和iCAF的組成變化
作者基于panel B使用CIBERSORTx對TCGA樣本進行反卷積。結果表明，14種癌癥類型包括BRCA,BLCA,CHOL,COAD,ESCA,GBM,HNSC,LIHC,LUAD,LUSC,PRAD,READ,STAD和THCA的腫瘤樣本的myCAF比例顯著高于正常樣本（圖1B）。18種癌癥類型的癌癥樣本iCAF的CTC打分顯著低于正常樣本（圖1C）。圖1D和圖1E為myCAF和iCAF在癌癥樣本和正常樣本的組成比例和CTC打分情況。panel A和panel B中有521個共有基因（圖1F）。
4.myCAFs CTC打分較高與生存期較差有關
作者根據myCAFs CTC打分將每種癌癥類型分為CTC打分高組和CTC打分低組。生存分析表明有9種癌癥類型的兩組生存情況具有顯著差異。CTC打分高與預后不良有關。
5. myCAFs CTC打分較高與藥物反應較差有關
為進一步研究myCAF和iCAF的潛在臨床作用，作者研究CAF組成與抗腫瘤藥物反應敏感性的相關性。作者基于一項lncRNA藥物基因組研究獲取患者對藥物反應的數據。該研究構建了基于lncRNA的彈性網絡預測模型（LENP）來預測抗腫瘤藥物的反應敏感性。作者通過研究預測藥物反應和生存時間的關系驗證LENP模型。結果表明預測的藥物耐藥性與生存期較差顯著相關。作者研究了11種TCGA癌癥類型的藥物基因組學數據，共531個樣本。使用LENP模型預測IC50。根據IC50中位數將樣本分為IC50高組和IC50低組并比較兩組的myCAFs的CTC打分（圖3A）。作者鑒定到有6種抗腫瘤藥物在IC50高組和IC50低組之間的具有顯著差異。說明myCAF組分較高的患者對抗腫瘤藥物的敏感性較低，然而iCAF組分的藥物敏感性沒有顯著差異。此外，作者的結果表明BRCA,LUAD和THCA中myCAF組分較高的樣本對絲裂霉素C反應敏感性較差。因此，作者構建了絲裂霉素C靶基因，纖維相關基因和BRCA,LUAD和THCA突變基因的基因調控網絡（圖3B）。基于基因調控網絡鑒定到與纖維相關的基因，MMP7和DCN。
6.CAF驅動基因導致myCAF和iCAF組分的顯著變化
作者從TCGA數據庫獲取14種癌癥類型的體細胞突變數據，作者使用雙側t檢驗檢測突變組和野生組CAF亞組的CTC打分。與CAF組成顯著變化相關的基因是CAF的驅動基因（圖4）。作者在BLCA,HNSC和LUAD中共鑒定到14和413個與myCAFs和iCAFs相關的基因（圖5A）。FGFR3是編碼成纖維細胞生長因子受體3，是成纖維細胞的標記基因，可以作為BLCA中的myCAF相關基因。作者進一步比較了FGFR3-TACC3融合和未融合BLCA患者的myCAF組成（圖5B）。
7.鑒定到的CAF驅動基因與成纖維細胞功能和ECM通路有關
作者對myCAFs和iCAFs的驅動基因進行GO和KEGG功能富集分析。myCAF驅動基因富集在纖維母細胞生長因子受體基質介導的FGFR3信號通路和磷脂酰肌醇3-激酶-akt信號通路等（圖5C）。iCAF驅動基因富集在ECM結構組分和編碼膠原蛋白等通路（圖5D）。基于以上研究作者推斷在腫瘤發展過程中iCAF可能被myCAFs激活（圖5E）。myCAFs和iCAFs的驅動基因富集的通路和功能都與腫瘤微環境中ECM和成纖維細胞形成有關。這些結果進一步強調了在腫瘤發展中CAF亞型的作用。
結論：
大量的研究表明腫瘤微環境在腫瘤發生發展中起到重要作用。目前，亟待解決鑒定在腫瘤發展和轉移中具有關鍵作用的細胞類型。已有研究表明，成纖維細胞在腫瘤發展中起到重要作用。本篇文章思路清奇，不同于常規的使用TCGA數據集構建預后模型的文章。作者從鑒定多種癌癥類型的成纖維細胞比例入手，不僅發現不同癌癥類型的成纖維細胞比例不盡相同而且發現癌癥樣本和正常樣本的成纖維細胞比例不同。作者重點研究了myCAFs和iCAFs在18種TCGA癌癥類型中的功能。作者應用RNA-seq和單細胞轉錄組的CAF表達矩陣的反卷積算法系統地研究腫瘤樣本和正常樣本中myCAF和iCAF的變化。此外，成纖維細胞還包含兩個亞型，作者研究了這兩種亞型與患者總生存期和藥物敏感性的相關性。對于想發高分文章的同學們，這篇文章的分析思路還是十分值得借鑒的~
參考文獻：
Cell-type deconvolution analysis identifies cancer-associated myofibroblast component as a poor prognostic factor in multiple cancer types[J]. Oncogene.
