通過刻畫胃癌微環境來識別與預后和免疫相關的基因標記
今天小編要為大家介紹一篇發表在Cancer Immunology research上的與免疫微環境相關的文章：Tumor microenvironment characterization in gastric cancer identifies prognostic and immunotherapeutically relevant gene signatures（IF:9.188），能夠幫助我們進一步了解免疫微環境。
腫瘤微環境（TME）細胞是腫瘤組織的重要組成部分,如今越來越多的證據表明它們在預測治療結果和效果方面具有重要的臨床病理學意義。這篇文章綜合評估了1,524名胃癌患者的TME浸潤模式，并提出兩種計算算法將TME表型與胃癌的基因組特征和臨床病理特征系統地關聯起來。文章共識別了3個TME表型，并用PCA構建了TME得分。通過免疫激活和對病毒和干擾素-γ的反應來刻畫高TME得分的亞型。而在低TME得分亞型中觀察到轉化生長因子β，上皮間質轉化和血管生成通路激活的現象，作者認為這是由T細胞抑制性造成的，并且這很可能導致胃癌預后的顯著惡化。此外，在多變量分析中顯示TME得分是一種獨立預后的生物標志物，并且其在預測免疫治療結果方面也有重要的價值。因此，對胃癌TME特征的綜合刻畫有助于解釋胃癌對免疫療法的反應并提供新的癌癥治療策略。
給大家簡要介紹下文章用到的數據和方法：
數據：
作者在GEO和TCGA收集了有臨床信息的6個樣本群（ACRG/GSE62254, GSE57303, GSE84437, GSE15459, GSE26253, GSE29272, 和TCGA-STAD）。
方法：
1）推斷TME中的浸潤細胞：使用CIBERSORT算法和 LM22基因標記來推斷胃癌樣本中免疫細胞的比例。
2）TME浸潤細胞的一致性聚類：用于無監督聚類方法（K均值）分析數據集來識別TME模式并對患者進行分類以進行進一步分析。
3）識別與TME表型相關的差異表達基因：使用先驗貝葉斯和T檢驗來識別不同類中的差異表達的基因。
4）降維以及產生TME基因標記：用隨機森林的方法來降維，使用主成分分析（PCA）得到一個TME得分公式
5）功能和通路的富集分析：使用 Gene Ontology (GO)和GSEA來對TME的標記基因進行注釋。
簡要介紹完文章的數據及方法后讓我們來看下文章得到了那些結果
結果一：在胃癌中刻畫TME以及TME的臨床病理亞型
圖A展示了一個整體的TME細胞互作網絡，揭示了腫瘤免疫細胞的相互作用，細胞系的關系，以及對胃癌患者生存時間的影響。而圖B表明，數據集中得到的三個主要的TME細胞浸潤亞型在生存時間上具有顯著的差異。為了進一步刻畫和理解表型的生物學和臨床差異，作者對ACRG群體的299個樣本進行了無監督聚類，如圖C所示，揭示了三個主要的TME亞型在TME細胞浸潤方面具有顯著差異，例如可以觀察到在TME的A類中腫瘤分化較差多數富集在EMT分子亞型中，但是在C類中卻是相反的模式。接著對這三類TME亞型進行了生存分析，在圖D中可以觀察到，A類的預后最差，而C類的預后比較好，B類處于中間的預后水平。
結果二：構造TME標簽以及功能注釋
為了識別每個TME表型潛在的生物學機制，對每個TME表型的差異基因進行無監督分析，并用隨機森林進行降維。圖A顯示了238個最具有代表性的差異表達基因的表達熱圖以及聚類情況，可以看出ACGR樣本群被分成三類，分別被命名為基因類 A–C。接下來對標簽基因進行GO富集分析，可以觀察到A類和C類分別被富集到不同的生物學過程。在C類中富集了過表達的與免疫激活相關的基因，這與胃癌好的預后相關，而在A類中與基質相關的基因上調這可能導致了不良的預后（如圖BCD所示）。而圖E指出TME細胞在免疫和浸潤之間存在很大差異，這與這三類TME基因類有關系。
結果三：在ACRG樣本群中對TME表型進行轉錄組特征和臨床的刻畫
接下來，作者用PCA算法確定了兩類統計得分，TME得分A來自A類標簽基因，TME得分B來自B類標簽基因。圖A指出TME得分A與免疫相關的標記顯著相關，而TME得分B與基質相關的標記顯著相關。圖BCD揭示了：與 這些發現相一致具有EMT亞型的A類基因與低TME得分相關，同樣與差的結果有關。圖E展示了進一步用GSEEA得分對ABC三類進行排秩，發現A類基因集是T細胞抑制并排它的，這類基因集還與EMT,TGF-β以及缺氧相關。
結果四：TCGA亞型和癌癥體細胞基因組的TME刻畫
在圖A和B中對TCGA-STAD系列中不同分子亞型的差異進行了評估，發現并且較高的TME評分與EBV感染，微衛星不穩定性（MSI）和胃癌的良好預后顯著相關，而基因組穩定（GS）亞型具有較低的TME評分并且與較差的預后相關。圖C揭示了具有最佳預后的MSI高亞型具有顯著高于其他兩種亞型的TME評分。圖D揭示了TME評分與突變負荷之間存在顯著的正相關。在圖E表示通過分析TCGA-STAD隊列的突變注釋文件，使用1000次迭代的隨機森林算法鑒定了33個與腫瘤微環境評分相關的高變異突變基因。
結果五：TME得分是一個預測免疫獲益治療預后的生物學指標
圖A指出根據特定數據集對樣品進行分層后，除了GSE57303之外，估計所有胃癌數據集的低和高TME評分組之間的總體存活率的巨大差異。 此外，除TNM I期外，其他所有階段的TME評分均存在顯著差異。圖B揭示了盡管亞組分析的結果是異質性的，但TME評分作為7個獨立TCGA隊列中的有利預后生物標志物在具有多種T細胞浸潤的腫瘤中，包括乳腺癌，結腸癌，黑素瘤， 肺鱗狀細胞癌，卵巢癌和宮頸腫瘤得到了支持。從圖C可以看出在IMvigor210樣本群GSE78220樣本群中，具有較高TME評分的患者的無進展生存期明顯長于TME評分較低的患者。而在IMvigor210（圖5C-F）和GSE78220（圖5G-J）中證實了TME評分對檢查點免疫療法的預測價值而且TME評分較高的患者更有可能從免疫檢查點治療中獲益。
好了，到這里這篇文章的主要方法與結果就都介紹完了，是不是對腫瘤免疫微環境有了更多的了解呢。
更多生信分析套路，請加微信13621202201
