掃碼聯系客服
RNA修飾由甲基轉移酶（writers）、去甲基化酶（erasers）和識別蛋白（readers）介導，并且在腫瘤發生和免疫中發揮重要作用。因此，小編今天和大家分享一篇今年九月剛剛發表在eBioMedicine（IF：11.205）雜志上的關于非小細胞肺癌RNA修飾writer與臨床結局的文章 。文章從預后、免疫及突變等多個角度分析了RNA修飾writer對非小細胞肺癌的作用，內容豐富、簡潔易懂是一個十分值得參考的多組學預后思路。
RNA modification writers expression profiles predict clinical outcomes and guide neoadjuvant
immunotherapy in non-small cell lung cancer
RNA修飾writer表達譜預測臨床結局并指導非小細胞肺癌的新輔助免疫治療
一．研究背景
肺癌是世界上最致命和最廣泛的癌癥之一，非小細胞肺癌(NSCLC)約占所有肺癌病例的80%。目前一些研究已經發現EGFR、KRAS和ALK等基因的突變累積會導致非小細胞肺癌的發展。除此之外，也有研究發現某些基因的表觀遺傳改變可能影響非小細胞肺癌的發展，其中RNA修飾是表觀遺傳調控的重要組成部分之一，也是影響包括癌癥發展在內的多種病理過程的關鍵因素。然而，RNA修飾酶(writers)在免疫治療和腫瘤微環境(TME)中的作用尚不清楚，因此小編今天分享的文章就系統分析了四種RNA修飾類型，構建了指導NSCLC新輔助免疫治療的評分系統，并對writer在轉錄后調控、TME和新輔助免疫治療中的作用進行了分析。
二．文章摘要
研究應用非負矩陣分解聚類對肺腺癌（LUAD）的RNA修飾進行聚類，并采用CIBERSORT和ESTIMATE算法對其TME特征進行了刻畫。此外，研究還建立了一個名為Writer-Score的評分系統來量化RNA修飾模式，并對臨床結局進行了預測。研究也使用RNA測序、靶向DNA測序和多重免疫熒光進一步評估了Writer-Score對接受新輔助免疫治療的NSCLC患者的預測效能。
三．主要內容及結果
1. LUAD中25個RNA修飾writers的遺傳圖譜
文章第一部分作者對從最近研究中收集的25個RNA修飾writers的遺傳圖譜進行了分析。作者在355個LUADs樣本中發現有131個樣本存在writers體細胞突變(圖1a)。接下來，作者又對這25個RNA修飾writers的拷貝數改變(CNAs)進行了評估(圖1b)。此外，研究通過主成分分析(PCA)也發現這25個RNA修飾writers能夠對LUAD樣本進行分層(圖1c)。進一步研究通過計算這25個writers表達之間的相關性，也發現大多數相關性為正相關(圖1d)，且在腫瘤樣本中，大多數writers的表達水平升高(圖1e-h)。 此外，研究發現在腫瘤樣本中，CNA增加的writers表達水平也相對較高，表明CNA可能是調節writers表達的重要因素。
2. RNA修飾基因的不同模式和相關免疫特征識別
在這一部分作者將患者分為不同的RNA修飾表型。首先根據meta-GEO隊列中樣本的25個RNA修飾writers的表達情況進行了NMF聚類，結果識別了三個不同的亞群：Cluster1 、Cluster2 和Cluster3 。進一步研究發現這些亞群中writers基因的表達水平不同(圖2a)，且Kaplan-Meier分析也顯示Cluster1具有顯著的生存優勢，而Cluster3預后不良(圖2b)。此外，研究利用多因素Cox回歸分析也發現這些亞群與患者預后相關。
3. RNA修飾亞群與不同的免疫特征相關
這一部分作者研究了上述三個亞群之間的免疫狀況(圖2c)。結果發現Cluster1中濾泡輔助性T細胞、靜息態肥大細胞、靜息態CD4記憶T細胞比例較高；在Cluster2中 naive CD4 T細胞、M0巨噬細胞、活化的肥大細胞和激活的CD4記憶T細胞比例較高；而在Cluster3中，靜息狀態的樹突狀細胞和中性粒細胞的比例較高(圖2d)。最后研究通過ESTIMATE算法獲得了免疫相關評分，結果發現與Cluster2相比，Cluster1和Cluster3的所有得分都相對較高(圖2e)。
4. writers-Score評分系統的構建與驗證
在這一部分作者對Writer-Score評分系統進行了構建與驗證。作者在上述三個亞群中，識別了466個重疊的差異表達基因（DEGs）(圖3a)，并基于DEGs進行GO富集分析(圖3b)。接下來作者根據重疊的DEGs對meta-GEO隊列進行了NMF聚類，并將患者分為兩種表型:DEGcluster1和DEGcluster2，分析發現病理學分期為IA期的患者主要分布在DEGcluster1，而病理學分期為II期的患者主要分布在DEGcluster2。生存分析發現，DEGcluster1患者的預后優于DEGcluster2(圖3c)。此外多因素Cox回歸分析也表明病理分期、年齡和DEGcluster與預后相關。作者也進一步比較了DEGcluster1和DEGcluster2之間PD-L1和CTLA-4的表達水平，發現這些免疫檢查點的表達在DEGcluster2中顯著較高(圖3d)。接下來作者基于重疊DEGs應用單因素Cox分析及LASSO建立了評分系統(writers-Score)，用來量化獨立隊列的RNA修飾表型，分析發現Cluster2中的243例患者中有123例與高評分組重疊，Cluster1中的302例患者中有148例與低評分組重疊(圖3e)。而DEGcluster2的243例患者中有180例與高分值組重疊，DEGcluster1的302例患者中有270例與低分值組重疊(圖3f)。作者也分析了Cluster、DEGcluster和Writer-Score之間的關系(圖4a)，比較了Writer-Score在不同亞型中的分布，發現Cluster2的Writer-Score最高，Cluster1的Writer-Score最低(圖4b)。而DEGcluster2的Writer-Score高于DEGcluster1(圖4c)。接下來，研究將患者分成高得分組和低得分組，并使用meta-GEO隊列作為訓練隊列，結果發現高得分組預后不良。作者又對TCGA、GSE72094和GSE13213隊列的Writer-Score進行分析，結果在三個隊列中均發現低得分組患者與顯著的生存獲益相關(圖4f-h)。由于最近研究發現TMB可能是預測免疫治療應答的一個重要因素，因此研究又分析了TMB和Writer-Score，結果觀察到高得分組的TMB顯著高于低得分組(圖4i)。此外，研究也發現高得分組的突變頻率相對較高(圖4j-k)。
5. writers-Score在轉錄后調控中的作用
在這一部分文章分析了Writer-Score與RNA修飾相關過程之間的關聯。研究首先評估了miRNA靶基因富集的通路，結果發現miRNA靶基因在低評分組和高評分組之間存在差異表達，且MAPK信號通路、PD-L1表達和PD-1檢查點通路、癌癥中的microRNA、PI3K-Akt信號通路等與差異表達的miRNA靶基因顯著相關。且GO富集分析也發現這些基因與樹突的發育和調控相關。此外，研究在TCGA隊列中也發現63個在高得分組和低得分組間差異表達的miRNA。
6. writers-Score在預測免疫治療效果中的作用
在這一部分作者進一步研究了Writer-Score與免疫治療應答的關聯。研究發現Writer-Score與PD-L1和CTLA-4的表達水平顯著相關(圖5a)，且在meta-GEO隊列中，高得分亞組的CTLA-4和PD-L1的表達水平也相對較高(圖5b)。作者也對IPS的差異進行了比較，結果發現低得分組的IPS高于其他亞組(圖5c)。此外，GSEA分析也發現高評分亞組富集到染色體分離、有絲分裂和細胞周期等生物學過程(圖5d)。
7. 使用新輔助免疫治療NCC隊列驗證Writer-Score
在這一部分作者在接受新輔助免疫治療的隊列中對Writer-Score進行了驗證。研究基于接受新輔助PD-1抑制劑治療的NSCLC患者的RNA-seq數據，使用Writer-Score來預測這些患者的預后（圖6a）。結果發現低得分組患者無病生存期(DFS)較好，表明Writer-Score在接受新輔助免疫治療的NSCLC患者中表現良好（圖6b）。進一步分析也發現評分在具有明顯病理緩解(MPR)的患者中較低(圖6c-d)。此外，研究也評估了Writer-Score和各種免疫檢查點抑制劑(ICIs)之間的關系，發現Writer-Score與大多數ICIs呈負相關(圖6e)。此外，作者還比較了高得分和低得分組的突變譜(圖6f)，發現NCC隊列中腫瘤突變負荷(TMB)與Writer-Score呈負相關(圖6g)。接下來為了進一步揭示高得分組和低得分組的TME，作者對NSCLC組織進行了多重免疫熒光(mIF)及免疫組化染色(圖7a)，結果發現低評分組腫瘤中CD8+ T細胞的比例要高得多。特別是在預后較好的低評分組中，未耗竭的CD8+ T細胞比例明顯較高，而耗竭的CD8+ T細胞比例不顯著。其他免疫細胞，包括CD4+ T細胞和Treg細胞的比例在低分組和高分組之間無差異(圖7b)。
到這里這篇文章的主要內容就介紹完了，文章聚焦RNA修飾writer，對非小細胞肺癌進行了分型及預后模型的構建，并從通路、免疫、拷貝數及突變多個角度對RNA修飾writer影響非小細胞肺癌的臨床結局進行了分析。研究的方法都是經典的生物信息方法，數據也基本是公共數據，但關注的角度及分析思路非常加分，小伙伴們可以參考學習。
