9分乳腺癌免疫浸润预后标志物

今天和大家分享一篇哈尔滨医科大学团队年3月发表在BriefingsinBioinformatics上的文章,影响因子9.,文章题目:Immunecellinfiltration-basedsignatureforprognosisandimmunogenomicanalysisinbreastcancer

术语

1.肿瘤细胞免疫浸润:肿瘤微环境主要由肿瘤相关成纤维细胞、免疫细胞、细胞外基质、多种生长因子、炎症因子及特殊的理化特征(如低氧、低pH)和癌细胞自身等共同组成,肿瘤微环境显著影响着肿瘤的诊断、生存结局和临床治疗敏感性。微环境中的细胞可以聚成不同类别,而每种细胞与其他细胞间同时存在复杂又显著的相互作用,而且存在一些稳健的细胞浸润模式。

2.肿瘤浸润淋巴细胞(tumorinfiltratinglymphocyte,TIL):从肿瘤组织中分离出的浸润淋巴细胞。3.SVM,英文全称为SupportVectorMachine,中文名为支持向量机。是一类按监督学习方式对数据进行二元分类的广义线性分类器。

研究思路:对22个乳腺癌队列中种免疫细胞的免疫浸润水平进行评估,找出与预后相关的免疫细胞类型。基于这些与预后相关的免疫细胞类型,构建乳腺癌的免疫相关预后评分(IRPS)。通过免疫基因组学分析,探讨IRPS与预后,浸润性免疫细胞,癌症基因型和潜在的免疫逃逸机制之间的关系。结果显示IRPS与乳腺癌患者总体生存率评估、重要的免疫表型(比如免疫逃逸和突变负荷)密切相关。高IRPS的患者可通过化疗和免疫治疗方法受益。由此得出结论:IRPS可能是乳腺癌患者总体生存预测和治疗指导的有用工具。

结果

1.IRPS的构建及与免疫相关标识物的关系首先从GEO、TCGA、METABRIC数据库获得22个队列的个乳腺癌患者样本(纳入标准为大于40个样本和生存信息数据完整)。通过对每个乳腺癌患者的种肿瘤浸润免疫细胞进行ssGSEA分析,计算出每种细胞类型的免疫富集分数。用单变量Cox回归分析评估这些标准化富集分数(NES值)的预后价值。通过meta分析对22个乳腺癌队列中每种免疫细胞类型的总体预后进行评估。最终确定54种免疫细胞类型与预后有关。其中,HR1的51种免疫细胞提示NES值越高,生存时间越长。HR1的3种免疫细胞提示NES值越高,生存时间越短。接着使用ESTIMATE算法来计算所有乳腺癌样本中的ESTIMATE分数、免疫分数、基质分数和肿瘤纯度,并计算它们与IRPS的相关性。结果显示IRPS与ESTIMATE分数、免疫分数、基质分数成正相关,与肿瘤纯度负相关。

2.在乳腺癌队列中评估IRPS

计算乳腺癌队列中每个患者的IRPS,并使用中位数IRPS作为分界点,将所有患者分成高IRPS亚型和低IRPS亚型。单变量Cox回归分析和meta分析结果均显示高IRPS亚型和低IRPS亚型相比,总体生存率有存在显著差异。GSEA、火山图和富集图结果显示高IRPS亚型和低IRPS亚型的浸润模式不同。随后进一步验证成纤维细胞、STING蛋白、三个重要的免疫检查点分子:PD-1、PD-L1和CTLA4在高低IRPS两个亚型中表达有明显差异。

Figure1

3.乳腺癌免疫逃逸机制与IRPS的相关性研究

免疫逃逸与肿瘤的免疫原性和免疫检查点分子的表达有关。作者进一步探究IRPS高低亚型在肿瘤免疫原性和免疫检查点分子两个方面的表达差异。结果显示IRPS两种亚型肿瘤免疫原性差异显著,高IRPS亚型的肿瘤在免疫刺激后表达免疫检查点分子以逃避免疫杀伤。三个重要的免疫检查点分子PD-1(PDCD1)、PD-L1(CD)和CTLA4与IRPS呈正相关。

Figure2

4.乳腺癌基因组改变与IRPS的相关性研究

为了验证肿瘤基因组改变可能影响免疫表型,作者对TCGABRCA队列中的体细胞突变与IRPS的相关性进行了分析,得到19个突变基因与IRPS相关。作者对TCGA数据库中IRPS和拷贝数状态之间的关系进行分析,得到个基因的拷贝数状态与IRPS正相关。富集分析结果显示这些基因在体液免疫应答和抗微生物体液应答等免疫相关类别中富集。个基因的拷贝数状态与IRPS负相关。此外,作者还对10种常见致癌通路中高IRPS亚型和低IRPS亚型NES值的差异进行了分析。

Figure3

5.IRPS对治疗效果的预测

包括化学治疗和免疫治疗两个方面。针对化学治疗,选取包括GSE、GSE和GSE在内的三个乳腺癌化疗队列来探究化疗前与化疗后肿瘤IRPS变化。针对免疫治疗,在对已发表的免疫治疗数据集进行搜索后,没有获得接受免疫治疗的乳腺癌队列。于是作者选择接受免疫治疗的黑色素瘤和尿路上皮癌队列来评估IRPS对免疫治疗效果。

Figure4

6.乳腺癌分类器

使用支持向量机构建可用于预测患者IRPS亚型的乳腺癌分类器。将免疫细胞类型的NES值作为支持向量机的输入参数,将患者的IRPS亚型作为分类器的预测目标。我们将乳腺癌患者分为高IRPS亚型和低IRPS亚型两组。使用总体精度和ROC曲线来评估算法的预测能力。采用10次交叉验证对支持向量机模型进行检验。并通过训练数据集和测试数据集检测和验证支持向量机模型的性能。

Figure5

至此,本篇文章就结束啦。学无止境,大家一起加油吧!

如需生信分析服务

请扫描下方

转载请注明:http://www.kjunzhulun.com/gcwzysx/10348.html

  • 上一篇文章:
  • 下一篇文章: 没有了
  • 网站简介| 发布优势| 服务条款| 隐私保护| 广告合作| 网站地图| 版权申明

    当前时间: