搜索

QQ空間 QQ好友新浪微博微信

what！又是腫瘤微環(huán)境，還11分??！

yjt2004us 2019-12-23

展開全文

An independent poor-prognosis subtype of breast cancer defined by a distinct tumor immune microenvironment

由獨(dú)特的腫瘤免疫微環(huán)境定義的獨(dú)立的預(yù)后不良的乳腺癌亞型

首先我們來(lái)看一下這篇文章的研究背景，目前尚不清楚免疫細(xì)胞混合物如何與癌細(xì)胞表型相關(guān)聯(lián)并影響發(fā)病機(jī)理的。因此在這里作者描述了免疫簇，可提高乳腺癌免疫狀況的預(yù)后準(zhǔn)確性并且在乳腺癌中發(fā)現(xiàn)了新的獨(dú)立預(yù)后因素，其突顯了腫瘤表型與免疫狀況之間的相關(guān)性。

結(jié)果展示

1. 乳腺癌中的免疫簇

作者應(yīng)用兩個(gè)平臺(tái)對(duì)95個(gè)腫瘤樣本中的760個(gè)基因的表達(dá)進(jìn)行了測(cè)量，首先使用Pearson和Spearman相關(guān)性比較了在兩個(gè)平臺(tái)上獲得的表達(dá)，發(fā)現(xiàn)基因表達(dá)值之間存在高度正相關(guān)。接下來(lái)為了根據(jù)患者在免疫相關(guān)基因表達(dá)上的相似性對(duì)患者進(jìn)行分組，對(duì)相關(guān)矩陣進(jìn)行了無(wú)監(jiān)督分級(jí)聚類將患者分為了三個(gè)簇。接下來(lái)就對(duì)這三類患者進(jìn)行繼續(xù)分析。

為了確認(rèn)簇與腫瘤免疫微環(huán)境有關(guān)（圖1b），作者使用了Nanodissect算法對(duì)淋巴細(xì)胞和骨髓細(xì)胞的總浸潤(rùn)進(jìn)行評(píng)分。Nanodissect評(píng)分首先根據(jù)H＆E切片的免疫浸潤(rùn)評(píng)估來(lái)驗(yàn)證（圖1c）。結(jié)果顯示這三個(gè)簇與淋巴細(xì)胞(圖1b) 和骨髓細(xì)胞得分顯著相關(guān)。以上結(jié)果表明，簇A-C反應(yīng)了逐漸的免疫浸潤(rùn)，因此被稱為免疫簇。

圖1.免疫簇與總免疫浸潤(rùn)有關(guān)

2. 簇反映出逐漸的免疫浸潤(rùn)

在這一部分，作者使用來(lái)自其他九個(gè)隊(duì)列的表達(dá)數(shù)據(jù)驗(yàn)證了簇與淋巴/髓樣浸潤(rùn)之間的關(guān)聯(lián)。結(jié)果在以上研究的數(shù)據(jù)集中找到了760個(gè)基因中的509個(gè)，應(yīng)用這509個(gè)基因進(jìn)行無(wú)監(jiān)督聚類（圖1d為METABRIC和TCGA隊(duì)列的聚類）。在每個(gè)隊(duì)列中，獲得的三個(gè)簇與淋巴樣和Nanodissect評(píng)分顯著相關(guān)（圖1e）。淋巴和髓樣浸潤(rùn)從簇A（低浸潤(rùn)）逐漸增加到簇B（中度浸潤(rùn)）和簇C（高浸潤(rùn)）。為了進(jìn)一步驗(yàn)證，作者對(duì)METABRIC隊(duì)列26中的免疫浸潤(rùn)進(jìn)行了病理學(xué)評(píng)估，這與Nanodissect評(píng)分（圖1f）和免疫簇顯著相關(guān)。以上結(jié)果表明，使用PanCancer免疫分析陣列的基因進(jìn)行無(wú)監(jiān)督的分層聚類，可以根據(jù)免疫浸潤(rùn)的逐漸水平對(duì)乳腺癌腫瘤進(jìn)行分組。

3. 免疫簇與預(yù)后相關(guān)

在這一部分作者使用Kaplan-Meier分析和對(duì)數(shù)秩檢驗(yàn)從生存的角度檢查了免疫簇。在METABRIC（n = 1904）和TCGA（n = 981）隊(duì)列中，發(fā)現(xiàn)簇B與預(yù)后差有關(guān)。當(dāng)分別對(duì)ER陰性病例和ER陽(yáng)性病例進(jìn)行分層時(shí)，也觀察到簇B與預(yù)后差有關(guān)。為了完善此結(jié)果，作者對(duì)聚類B與聚類A和C繪制了患者的生存期，并確認(rèn)了聚類B患者的預(yù)后明顯較差的結(jié)果（圖2）。由此得出結(jié)論，在ER陰性和ER陽(yáng)性乳腺癌中，免疫簇均與預(yù)后相關(guān)。

圖2. 免疫簇與預(yù)后相關(guān)

4. 通過(guò)二項(xiàng)式邏輯回歸預(yù)測(cè)免疫簇

在這一部分作者想要開發(fā)一種通用方法，該方法可以不依賴于無(wú)監(jiān)督的聚類而準(zhǔn)確地預(yù)測(cè)預(yù)后較差組的患者。作者通過(guò)對(duì)對(duì)10個(gè)隊(duì)列（4546個(gè)樣本）進(jìn)行訓(xùn)練并對(duì)其他5個(gè)隊(duì)列（1555個(gè)樣本）進(jìn)行了測(cè)試，建立了模型。應(yīng)用二項(xiàng)式邏輯回歸分析獲得了一組基因，并進(jìn)行ROC以及AUC進(jìn)行評(píng)估，從而靈敏地并特異性地預(yù)測(cè)樣本是否為簇B的一部分（圖3a）。該模型預(yù)測(cè)了AUC = 85.8％的免疫簇。通過(guò)模型預(yù)測(cè)方法減少了聚類B的樣本數(shù)量（圖3b）。通過(guò)比較生存對(duì)數(shù)秩檢驗(yàn)p值，發(fā)現(xiàn)該分類通常改善了免疫簇和生存之間的顯著關(guān)聯(lián)。最后作者在另外五個(gè)隊(duì)列中驗(yàn)證了該模型（圖3c-e）。

圖3.使用二項(xiàng)式Logistic回歸預(yù)測(cè)聚類B

5. 免疫簇，獨(dú)立的預(yù)后因素

在這一部分，作者進(jìn)一步研究了免疫簇與乳腺癌中的臨床病理特征（大小，年齡，等級(jí)，分期，淋巴結(jié)以及分子亞型（PAM50））之間的關(guān)系。簇A富集于ER陽(yáng)性和Luminal病例中，而在簇C中發(fā)現(xiàn)了更高比例的ER陰性和基底樣病例（圖4a，b）。簇B中ER陰性和ER陽(yáng)性樣本以及PAM50亞型同樣顯示（圖4a，b）。

為了進(jìn)一步測(cè)試免疫簇作為重要的預(yù)后生物標(biāo)志物的強(qiáng)度，作者使用了逐步向后選擇。對(duì)于所有隊(duì)列，免疫簇均保持在最合適的最小模型中，在11個(gè)隊(duì)列中的9個(gè)中，免疫簇是重要的預(yù)后變量（表1）。

表1

6. 在具有復(fù)發(fā)風(fēng)險(xiǎn)（ROR）分?jǐn)?shù)的新RNA-seq數(shù)據(jù)集中進(jìn)行驗(yàn)證

在這一部分，作者應(yīng)用ROR評(píng)分對(duì)新的數(shù)據(jù)集OLSO2-EMIT0進(jìn)行了評(píng)估。結(jié)果顯示與簇A和C相比，簇B具有中等ROR評(píng)分的樣本組成（圖4c）。這表明與簇B相關(guān)的不良預(yù)后不能由ROR評(píng)分中包含的信息解釋。對(duì)于所有隊(duì)列，作者計(jì)算了ROR分?jǐn)?shù)證實(shí)了簇B由中等的ROR得分組成，如METABRIC隊(duì)列中所示（圖4d）。

圖4.免疫簇和臨床病理特征

7. 免疫簇和對(duì)新輔助化療的反應(yīng)

作者使用來(lái)自在新輔助環(huán)境（手術(shù)前進(jìn)行化學(xué)療法）中治療的患者的研究的基因表達(dá)數(shù)據(jù)，進(jìn)一步評(píng)估了免疫簇與對(duì)新輔助化學(xué)療法的反應(yīng)之間的關(guān)聯(lián)。該研究的終點(diǎn)是病理完全緩解（pCR），這意味著在手術(shù)前的化療方案結(jié)束時(shí)完全消滅了癌細(xì)胞。我們使用了來(lái)自8個(gè)研究的基因表達(dá)數(shù)據(jù)（1377個(gè)樣本），并使用lasso方法為每個(gè)樣本分配了其免疫簇。結(jié)果發(fā)現(xiàn)在簇C中的響應(yīng)者百分比最高（59％），其次是簇A（30％），而群集B中的響應(yīng)者百分比最低（11％）（圖4e）。該結(jié)果突出顯示了簇B的低響應(yīng)率，表明此類患者可能是測(cè)試新輔助治療方案的候選人。

8. 免疫簇的剖析

作者使用CIBERSORT算法估計(jì)了22種不同免疫細(xì)胞類型的比例，對(duì)每種免疫細(xì)胞類型的中位浸潤(rùn)進(jìn)行了聚類，并對(duì)此類細(xì)胞類型特異性中位浸潤(rùn)得分進(jìn)行了無(wú)監(jiān)督聚類（圖5a）。結(jié)果顯示簇C還富含巨噬細(xì)胞M1，記憶激活的T細(xì)胞和濾泡性T輔助細(xì)胞（圖5a），這也由METABRIC和TCGA隊(duì)列中CIBERSORT得分的分布說(shuō)明（圖5a）。在簇B中，發(fā)現(xiàn)了較高水平的巨噬細(xì)胞M2，靜息肥大細(xì)胞和靜息記憶T細(xì)胞（圖5a），還通過(guò)METABRIC和TCGA隊(duì)列的密度圖（圖5b）進(jìn)行了說(shuō)明。使用廣義線性模型，作者指定了區(qū)分簇B和A，C的免疫細(xì)胞類型（圖5c）。這些結(jié)果表明，簇B中的致瘤性免疫浸潤(rùn)可能有利于腫瘤生長(zhǎng)。

圖5.免疫簇的剖析

9. 免疫簇的表型分析

為了進(jìn)一步表征與簇B預(yù)后不良相關(guān)的表型，作者通過(guò)差異基因表達(dá)分析鑒定了簇B中明顯過(guò)量表達(dá)的基因。與簇A和C相比，簇B有909個(gè)基因上調(diào)。GSEA分析顯示這些基因與干細(xì)胞生物學(xué)和EMT相關(guān)（圖6a）。為了進(jìn)一步表征免疫簇與癌細(xì)胞表型之間的關(guān)系，作者使用了與EMT，干細(xì)胞，缺氧和增殖相關(guān)的來(lái)自MsigDB 的11個(gè)基因集。使用GSVA方法計(jì)算平均基因集富集得分，平均基因集分?jǐn)?shù)的無(wú)監(jiān)督聚類清楚地將免疫簇A和C分開，而簇B分為兩個(gè)亞組（圖6b）。這些結(jié)果表明免疫簇和干細(xì)胞/ EMT相關(guān)基因signature之間的關(guān)聯(lián)。

圖6.免疫簇與EMT和增殖相關(guān)，這是乳腺癌的兩種互斥表型

10. 乳腺癌中兩種互斥的表型

為了確定哪些基因集得分解釋了簇B，作者使用廣義線性模型測(cè)試了每個(gè)基因集對(duì)簇B和簇A和C的貢獻(xiàn)。EMT signaturs貢獻(xiàn)于簇B，而增殖和細(xì)胞運(yùn)動(dòng)性與簇A和C相關(guān)（圖6c）。

11. 腫瘤表型與免疫浸潤(rùn)的相關(guān)性

由于免疫簇與免疫細(xì)胞類型和基因組特征相關(guān)，因此作者正式評(píng)估了免疫浸潤(rùn)（CIBERSORT）與癌細(xì)胞特征（基因組評(píng)分）之間的關(guān)系。圖6d顯示，增殖和EMT得分與不同類型的免疫細(xì)胞顯著相關(guān)。

12. 簇B中基因集評(píng)分的異質(zhì)性

為了探索簇B中的異質(zhì)性，作者根據(jù)基因signature得分以無(wú)監(jiān)督的方式將樣本分組為以EMT表型為主的B1和以增殖為主的B2（圖6e）。在METABRIC和TCGA中，具有增殖表型的B2病例的預(yù)后較差（圖6f）。

好啦，這篇文章的所有內(nèi)容就這么多啦，總體來(lái)說(shuō)還是很豐富的~

如果您有生信分析的需求，建議你可以考慮下我們。

不做文章，做真生信，我們是認(rèn)真的。

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來(lái)自： yjt2004us > 《科研》

舉報(bào)/認(rèn)領(lǐng)