掃碼聯(lián)系客服
免疫療法的出現(xiàn)為癌癥患者帶來了新的曙光，然而很多患者并沒有從免疫檢查點(diǎn)抑制劑的免疫療法中獲益。建立可靠的預(yù)后標(biāo)志物，篩選可以獲益的亞群變得至關(guān)重要起來。今天小編和大家分享一篇2022年5月31日發(fā)表在Frontiers in Immunology（IF：7.561）上關(guān)于結(jié)直腸癌預(yù)后的文章，一起來看一下作者是如何結(jié)合免疫治療篩選預(yù)后標(biāo)志物的吧！
Comprehensive Analysis of a Cancer-Immunity Cycle–Based Signature for Predicting Prognosis and Immunotherapy Response in Patients With Colorectal Cancer
基于癌癥-免疫循環(huán)特征的綜合分析預(yù)測結(jié)直腸癌患者的預(yù)后和免疫治療應(yīng)答
一、摘要
免疫檢查點(diǎn)阻斷（ICB）已被公認(rèn)為是治療結(jié)直腸癌（CRC）的一種有前途的免疫療法；然而，大多數(shù)患者幾乎沒有或沒有臨床益處。本研究旨在開發(fā)一種新的基于癌癥免疫循環(huán)的特征，以對CRC患者的預(yù)后進(jìn)行分層并預(yù)測免疫治療的療效。來自TCGA的CRC樣本被用作訓(xùn)練集，而來自GEO的RNA數(shù)據(jù)和來自配對冷凍組織的實(shí)時(shí)定量PCR數(shù)據(jù)被用于驗(yàn)證。作者建立了CRC中癌癥免疫循環(huán)相關(guān)基因特征的LASSO-COX 回歸模型。得分低的患者比得分高的患者預(yù)后更好。并且該特征是一個(gè)獨(dú)立預(yù)后因素，為了提高個(gè)體患者的預(yù)后分類和預(yù)測準(zhǔn)確性繪制了列線圖。綜合結(jié)果顯示，低風(fēng)險(xiǎn)患者表現(xiàn)出更高程度的免疫浸潤、更高的免疫反應(yīng)表型、更強(qiáng)的免疫檢查點(diǎn)相關(guān)基因表達(dá)以及對ICB治療的更好反應(yīng)。此外，風(fēng)險(xiǎn)模型與對多種化療藥物的反應(yīng)密切相關(guān)（圖1）。
二、結(jié)果
基于癌癥免疫循環(huán)構(gòu)建CRC患者的特征
對TCGA 隊(duì)列中174個(gè)癌癥免疫循環(huán)相關(guān)基因進(jìn)行LASSO和多變量COX分析，以建立評估CRC患者預(yù)后的最佳風(fēng)險(xiǎn)特征。有13個(gè)癌癥-免疫循環(huán)相關(guān)基因具有最佳λ值（圖2A）。根據(jù)使用風(fēng)險(xiǎn)公式生成的中位風(fēng)險(xiǎn)評分值將患者分為低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)類別。在高風(fēng)險(xiǎn)組中觀察到更多的死亡事件，這表明低風(fēng)險(xiǎn)患者的臨床結(jié)果優(yōu)于高風(fēng)險(xiǎn)患者（圖2B）。針對13個(gè)癌癥-免疫循環(huán)相關(guān)基因進(jìn)行單因素COX回歸分析，其中有4個(gè)是保護(hù)因素，1個(gè)風(fēng)險(xiǎn)危險(xiǎn)因素（圖2C），并繪制基因表達(dá)熱圖（圖2D）。臨床病理學(xué)特征與風(fēng)險(xiǎn)特征相關(guān)性分析顯示，在TCGA隊(duì)列中，臨床IV期、CMS4 和晚期TNM分期的CRC患者風(fēng)險(xiǎn)評分較高，具有晚期臨床階段和CMS4的患者在GSE39582和GSE37892中表現(xiàn)出顯著更高的風(fēng)險(xiǎn)評分（圖2E）。在訓(xùn)練集和驗(yàn)證組中，患者在存活/死亡狀態(tài)、臨床分期和CMS亞型方面的分布在低風(fēng)險(xiǎn)組和高風(fēng)險(xiǎn)組之間顯示出顯著差異（圖2F）。
基于癌癥免疫循環(huán)的特征的預(yù)后意義
TCGA和兩個(gè)GEO數(shù)據(jù)集中的KM生存曲線顯示高風(fēng)險(xiǎn)組患者的生存率低于低風(fēng)險(xiǎn)組患者（圖3A）。ROC分析，風(fēng)險(xiǎn)特征在訓(xùn)練集和兩個(gè)外部驗(yàn)證組中具有相對較高的AUC值，表明預(yù)測準(zhǔn)確性良好（圖3B）。COX分析結(jié)果證實(shí)，臨床分期和風(fēng)險(xiǎn)評分是預(yù)測OS和PFS的獨(dú)立風(fēng)險(xiǎn)因素（圖3C）。通過單因素COX回歸分析，在13個(gè)候選基因中，篩選出5個(gè)癌癥免疫循環(huán)相關(guān)基因與生存結(jié)果顯著相關(guān)。為了進(jìn)一步驗(yàn)證基于13個(gè)癌癥免疫循環(huán)相關(guān)基因的風(fēng)險(xiǎn)模型，作者使用由5個(gè)基因組成的另一個(gè)風(fēng)險(xiǎn)模型，通過ROC曲線分析來評估CRC的預(yù)后價(jià)值。結(jié)果分析表明，13個(gè)癌癥-免疫循環(huán)相關(guān)基因的風(fēng)險(xiǎn)模型更加準(zhǔn)確（圖4）。
建立并驗(yàn)證結(jié)合臨床特征的列線圖
為了使基于癌癥免疫循環(huán)的風(fēng)險(xiǎn)特征在臨床上更具適用性和可用性，構(gòu)建預(yù)后列線圖（圖5A）。TCGA 隊(duì)列中3年OS、3年P(guān)FS和5年P(guān)FS預(yù)測的校準(zhǔn)曲線接近最佳性能，表明列線圖的預(yù)測準(zhǔn)確性；GSE39582組中三年和五年OS的預(yù)測概率與實(shí)際OS非常一致，三年和五年RFS預(yù)測結(jié)果一致（圖5B）。ROC分析也用于評估列線圖的預(yù)測準(zhǔn)確性。結(jié)果顯示，在訓(xùn)練集和驗(yàn)證集中OS、PFS和RFS 列線圖的預(yù)測AUC值均高于風(fēng)險(xiǎn)評分或臨床階段（圖5C）。這些結(jié)果表明，基于癌癥免疫循環(huán)的特征風(fēng)險(xiǎn)評分的列線圖對于預(yù)測CRC患者的生存率更加可靠準(zhǔn)確。
基于癌癥免疫循環(huán)的特征的功能富集分析
為了研究導(dǎo)致按風(fēng)險(xiǎn)特征分層的不同結(jié)果的潛在機(jī)制，進(jìn)行富集分析。火山圖展示了TCGA隊(duì)列中低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)亞組之間的1794個(gè)DEG（圖6A）。低風(fēng)險(xiǎn)亞組中最顯著改變的是那些涉及細(xì)胞因子-細(xì)胞因子受體相互作用等通路；而，高風(fēng)險(xiǎn)評分的患者主要集中在腫瘤相關(guān)通路（圖6B）。GSEA顯示參與干擾素γ/α反應(yīng)和炎癥反應(yīng)的基因組在低危患者中聚集在一起；促進(jìn)腫瘤進(jìn)展的信號通路則在高危患者中占主導(dǎo)地位（圖6C）低風(fēng)險(xiǎn)患者的許多生物學(xué)功能主要與免疫相關(guān)的生物學(xué)過程和炎癥反應(yīng)相關(guān)（圖6D）。基于癌癥免疫循環(huán)的特征的免疫學(xué)和炎癥特征得到了明確證明，并且使用這些結(jié)果有力地驗(yàn)證了這種風(fēng)險(xiǎn)特征用于評估CRC患者預(yù)后的潛在機(jī)制。
基于癌癥免疫循環(huán)特征的免疫微環(huán)境和特征分析
由于風(fēng)險(xiǎn)特征與免疫相關(guān)生物學(xué)通路之間的緊密相關(guān)性，作者進(jìn)一步研究了風(fēng)險(xiǎn)評分與腫瘤浸潤性免疫細(xì)胞之間的聯(lián)系。首先，使用ESTIMATE算法來量化TCGA隊(duì)列的整體浸潤性免疫細(xì)胞。結(jié)果表明，低風(fēng)險(xiǎn)組表現(xiàn)出較高的免疫評分，表明TME中免疫細(xì)胞浸潤顯著增加，風(fēng)險(xiǎn)評分較低（圖7A）。使用EPIC算法分析發(fā)現(xiàn)，低風(fēng)險(xiǎn)亞組的CD8+ T細(xì)胞等比例較高，而癌癥相關(guān)成纖維細(xì)胞 (CAF) 在高風(fēng)險(xiǎn)患者中顯著增加（圖7B）。此外，使用MCP-counter算法，低風(fēng)險(xiǎn)組的T細(xì)胞等細(xì)胞更豐富，而CAF的比例較低（圖7C）。為了驗(yàn)證上述發(fā)現(xiàn)，進(jìn)行了ssGSEA分析，結(jié)果顯示低風(fēng)險(xiǎn)組的抗腫瘤免疫細(xì)胞明顯高于高風(fēng)險(xiǎn)組（圖7D），表明低風(fēng)險(xiǎn)組的免疫反應(yīng)更活躍。此外，使用免疫相關(guān)基因的聚類分析研究了兩個(gè)亞組中的免疫微環(huán)境。免疫檢查點(diǎn)在低風(fēng)險(xiǎn)患者中顯著上調(diào)，在低風(fēng)險(xiǎn)患者中也觀察到細(xì)胞毒性分子和 MHC家族基因的類似趨勢（圖7E）。分析表明，風(fēng)險(xiǎn)評分與免疫檢查點(diǎn)、刺激性免疫因子、細(xì)胞毒性分子和 MHC家族基因的表達(dá)呈負(fù)相關(guān)（圖7F）。在本研究中，揭示了低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)群體之間內(nèi)在腫瘤免疫原性和預(yù)期免疫治療反應(yīng)的巨大差異。
基于癌癥免疫循環(huán)的特征與免疫治療反應(yīng)之間的關(guān)系
研究表明實(shí)體瘤中的體細(xì)胞突變與免疫治療密切相關(guān)，接下來探究不同風(fēng)險(xiǎn)亞組的突變情況。在來自TCGA-COAD的高低風(fēng)險(xiǎn)患者中評估了體細(xì)胞突變的分布（圖8A）。TCGA-COAD 中排名前10的突變基因的突變頻率在低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)類別之間除了ZFHX4均沒有顯著差異（圖8B）。此外，風(fēng)險(xiǎn)評分與CRC患者的體細(xì)胞突變或新抗原數(shù)量沒有顯著相關(guān)性（圖8C）。為了進(jìn)一步探討風(fēng)險(xiǎn)特征是否可能在免疫治療反應(yīng)中發(fā)揮作用，作者分析了關(guān)鍵免疫檢查點(diǎn)表達(dá)的差異。結(jié)果表明，PD-1、PD-L1、PD-L2、CTLA4、TIGIT和 LAG3在低風(fēng)險(xiǎn)組中高表達(dá)（圖8D）。與高風(fēng)險(xiǎn)患者相比，低風(fēng)險(xiǎn)組的CRC患者TIDE評分較低，但MSI評分較高（圖8E）。根據(jù)TIDE算法，ICB無應(yīng)答的CRC患者風(fēng)險(xiǎn)評分顯著升高（圖8F），而與TCGA 隊(duì)列中低風(fēng)險(xiǎn)組具有顯著的治療優(yōu)勢和對免疫治療的臨床反應(yīng)（圖8G)。此外，免疫治療隊(duì)列 IMvigor210也被用于研究風(fēng)險(xiǎn)特征是否可以預(yù)測患者對抗PD-L1治療的反應(yīng)。在IMvigor210驗(yàn)證隊(duì)列中，低風(fēng)險(xiǎn)患者的 PD-1、PD-L1 和 CTLA4 表達(dá)更高（圖8H），并且比高風(fēng)險(xiǎn)患者對抗PD-L1治療更敏感（圖8I）。同時(shí)，與完全緩解 (CR) 或部分緩解 (PR) 患者相比，疾病進(jìn)展 (PD)患者的風(fēng)險(xiǎn)評分顯著增加（圖8J）。較低的風(fēng)險(xiǎn)評分與炎癥免疫表型顯著相關(guān)（圖8K），而高風(fēng)險(xiǎn)患者的排斥和沙漠免疫表型比例顯著高于低風(fēng)險(xiǎn)患者（圖8L）。這些結(jié)果表明，基于癌癥免疫循環(huán)的特征能夠識別可能從ICB中受益的低風(fēng)險(xiǎn)患者。
在獨(dú)立隊(duì)列中驗(yàn)證基于癌癥-免疫循環(huán)的簽名
為了確認(rèn)風(fēng)險(xiǎn)特征的臨床意義，進(jìn)行了RT-qPCR 以檢查45對CRC腫瘤組織和相應(yīng)的正常組織中相關(guān)基因的表達(dá)。熱圖顯示了冷凍組織樣本中13個(gè)癌癥免疫循環(huán)相關(guān)基因的表達(dá)水平（圖9A）。使用風(fēng)險(xiǎn)公式，CRC患者根據(jù)他們的中位風(fēng)險(xiǎn)評分分為兩個(gè)亞組。屬于T3或N1+2的CRC患者的風(fēng)險(xiǎn)評分分別高于T2 或N0的患者（圖9B）。風(fēng)險(xiǎn)評分還與腫瘤分級和淋巴結(jié)轉(zhuǎn)移顯著相關(guān)（圖9C）。高風(fēng)險(xiǎn)患者的免疫抑制分子水平較高，低風(fēng)險(xiǎn)組的免疫刺激基因高表達(dá)（圖9D）。此外，還進(jìn)行了相關(guān)性分析，發(fā)現(xiàn)風(fēng)險(xiǎn)評分與免疫抑制劑分子顯著正相關(guān)（圖9E）。
基于癌癥免疫循環(huán)的特征與藥物敏感性之間的相關(guān)性分析
為了評估風(fēng)險(xiǎn)特征在臨床治療中的有用性，分析低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)患者的化療藥物敏感性（圖10）。低風(fēng)險(xiǎn)人群可能對常見的化療藥物和分子靶向藥物更敏感。風(fēng)險(xiǎn)特征可以在一定程度上預(yù)測CRC患者的藥物敏感性。
總結(jié)
文章到這里就要結(jié)束了，預(yù)后分析以及免疫療法都是近期研究的熱點(diǎn)方向，生信人平臺(tái)也一直關(guān)注著這個(gè)領(lǐng)域。這篇文章總體來說是一個(gè)不錯(cuò)的預(yù)后分析思路，值得新手借鑒，對預(yù)后分析感興趣的小伙伴千萬不要錯(cuò)過了，趕緊行動(dòng)起來吧！
