今天跟大家分享的是2020年6月發(fā)表在Mol Ther Nucleic Acids雜志(IF=7.032)上的一篇文章：”Multi-omics Data Analyses Construct TME and Identify the Immune-Related Prognosis Signatures in Human LUAD”。在文章中作者利用基因表達(dá)譜計(jì)算了LUAD的腫瘤微環(huán)境評分,，并通過對TCGA-portal的多組學(xué)數(shù)據(jù)探討了組學(xué)特征對免疫相關(guān)代謝系統(tǒng)和神經(jīng)系統(tǒng)的影響,。此外，采用基于lasso回歸和cox回歸的四步策略構(gòu)建預(yù)測模型,，為LUAD相關(guān)免疫治療提供新思路,。

多組學(xué)探討肺腺癌腫瘤微環(huán)境并構(gòu)建免疫預(yù)后相關(guān)模型

Multi-Omics data analyses construct tumor microenvironment and identify the immune-related prognosis signatures in human lung adenocarcinoma

肺癌是近年來世界各國研究人員關(guān)注的焦點(diǎn)，其中肺腺癌（LUAD）是最常見的組織學(xué)類型,。然而LUAD發(fā)生和發(fā)展的潛在機(jī)制仍不清楚,。為了深入剖析LUAD的腫瘤微環(huán)境并發(fā)現(xiàn)更多的預(yù)后信息，研究深入探討了3種表觀遺傳特征（表達(dá)狀態(tài),、體細(xì)胞突變和DNA甲基化）與免疫浸潤相關(guān)的分析,，以期推測這些改變在免疫應(yīng)答中的潛在作用。

為了評估浸潤性間質(zhì)細(xì)胞和免疫細(xì)胞在LUAD的相關(guān)效應(yīng),，使用ESTIMATE算法評估免疫細(xì)胞的浸潤水平,，并綜合推斷腫瘤純度。結(jié)果表明,，肺腺癌免疫評分與腫瘤大小,、遠(yuǎn)處轉(zhuǎn)移以及腫瘤分期密切相關(guān)，而較高的免疫評分與較長的總生存時(shí)間顯著相關(guān),，表明腫瘤浸潤性免疫細(xì)胞在LUAD中具有更強(qiáng)的臨床相關(guān)性,。因?yàn)槊庖呓櫵胶图?xì)胞組成與患者預(yù)后密切相關(guān)，研究進(jìn)一步探討了高低免疫評分兩組之間的免疫浸潤水平,。結(jié)果提示,，高免疫評分組的記憶B細(xì)胞、CD8 T細(xì)胞,、活化記憶CD4 T細(xì)胞,、M1巨噬細(xì)胞、靜息樹突狀細(xì)胞,、活化肥大細(xì)胞和γ-δT細(xì)胞的比例顯著增加,，而漿細(xì)胞,、M0巨噬細(xì)胞和活化的樹突狀細(xì)胞的比例較小。

圖1：LUAD免疫微環(huán)境評分特征分析

根據(jù)LUAD樣本的表達(dá)譜來確定高免疫組和低免疫組之間的表達(dá)變化,，其中差異基因篩選條件為：|log2FC|>1 & FDR<0.05,。共篩選出611上調(diào)以及164個(gè)下調(diào)基因，其中29種趨化因子如CXCR4和CCL8被發(fā)現(xiàn)在高免疫評分組顯著上調(diào),。接著對差異基因進(jìn)行了功能富集,，結(jié)果提示差異基因與大部分免疫通路相關(guān)。

圖2：免疫分組相關(guān)的基因表達(dá)變化

在檢測到上述轉(zhuǎn)錄組變化后,，研究進(jìn)一步探討了高免疫組和低免疫組之間的突變差異,，利用R軟件包maftools分析了體細(xì)胞突變，包括單核苷酸變異（SNV）,、單核苷酸多態(tài)性,、插入和缺失等。結(jié)果表明,，在高免疫組和低免疫組隊(duì)列中,，大多數(shù)基因組變體都是錯(cuò)義突變（約60%）。此外,，在高免疫組和低免疫組中分別檢測到64344例和88708例SNV,，其中C>a型在高免疫組較常見，而無論SNV的類型如何,，低免疫組的突變數(shù)均顯著高于高免疫組,。

圖3：免疫分組與突變特征分析

研究通過ChAMP包標(biāo)準(zhǔn)化流程分析LUAD的450K甲基化芯片，差異甲基化位點(diǎn)篩選條件為：?Beta>0.15 & FDR<0.05,。結(jié)果表明,，與低免疫組相比，高免疫組共檢測到高甲基化位點(diǎn)5647個(gè)（97.97%）,，涉及2386個(gè)基因，其中2221個(gè)位點(diǎn)位于1687個(gè)CpG島上,。相比之下,，低甲基化位點(diǎn)僅68個(gè)基因，涉及117個(gè)（2.03%）位點(diǎn)分布在56個(gè)CpG島上,。研究進(jìn)一步對DMP進(jìn)行GO富集分析,，結(jié)果提示它們在細(xì)胞分化和發(fā)育中的潛在作用。DMPs相關(guān)基因的基因集富集分析（GSEA）亦表明,，DMPs的高甲基化基因影響腫瘤神經(jīng)生物學(xué)過程（如軸突引導(dǎo)和軸突生成）,，說明異常甲基化對腫瘤免疫的侵襲性行為是通過對神經(jīng)通路的識別來實(shí)現(xiàn)的。

圖4：免疫分組與甲基化特征分析

研究從上述結(jié)果中發(fā)現(xiàn)了一些免疫相關(guān)的多組學(xué)特征的變化,，包括表達(dá)譜變化,、體細(xì)胞突變和DNA甲基化,。在高免疫組中，共檢測到611個(gè)上調(diào)基因和164個(gè)下調(diào)基因,。在體細(xì)胞突變方面,，高免疫組和低免疫組分別檢測到62和129個(gè)突變基因。對于DNA甲基化,， 3858DMPs個(gè)位于2442個(gè)注釋基因的區(qū)域且存在顯著差異,。為了從上述特征中識別出免疫相關(guān)的預(yù)后標(biāo)記物，研究采用基于lasso回歸和Cox比例風(fēng)險(xiǎn)回歸的策略,，并分別研究了上述三種改變的聯(lián)合效應(yīng)和分離效應(yīng),，以確定哪種模型的性能最好。在聯(lián)合效應(yīng)方面首先構(gòu)建單變量Cox比例風(fēng)險(xiǎn)模型,，由337個(gè)DEGs,，5個(gè)突變，217個(gè)DMPs組成的特征對患者的總生存時(shí)間有顯著影響,。研究者進(jìn)一步通過lasso回歸篩選變量,，在保留52個(gè)變量的前提下建立多元Cox比例風(fēng)險(xiǎn)回歸模型。由于缺乏來自其他來源的匹配多組學(xué)數(shù)據(jù),，研究將TCGA樣本隨機(jī)分為訓(xùn)練和獨(dú)立測試,。訓(xùn)練模型一致性指數(shù)（C-index）為0.839。其次,，訓(xùn)練集1年,、3年和5年預(yù)后平均AUC值分別達(dá)到0.871、0.875和0.928,。而測試集1年,、3年和5年生存期的平均AUC值也達(dá)到0.796、0.786和0.777,。后續(xù)研究也單獨(dú)對每種類型的組學(xué)特征改變進(jìn)行預(yù)測模型構(gòu)建,，結(jié)果表明表達(dá)譜變化、體細(xì)胞突變和差異DNA甲基化的分離模型均不能夠提供比聯(lián)合模型更強(qiáng)大的預(yù)測效能,。

圖5：多組學(xué)特征相關(guān)的預(yù)后模型構(gòu)建

研究首先利用基因表達(dá)譜構(gòu)建了LUAD的腫瘤微環(huán)境并進(jìn)行免疫評分,，根據(jù)免疫評分分型后探討了兩組患者的多組學(xué)圖譜，推測這些變化在免疫應(yīng)答以及免疫相關(guān)代謝中的潛在作用,。研究進(jìn)一步在cox回歸模型的基礎(chǔ)上,，采用多步回歸法納入多組學(xué)特征構(gòu)建預(yù)測模型，整體預(yù)測性能良好,。該文對多組學(xué)研究有許多可以借鑒的地方,，如在分型后描述三種組學(xué)特征差異的全景圖，以及納入三種組學(xué)特征構(gòu)建聯(lián)合模型/分離模型的比較。本團(tuán)隊(duì)深耕組學(xué)數(shù)據(jù)分子分型多年,，對上述文章方案有興趣歡迎共同探討,。

科研風(fēng)暴團(tuán)隊(duì)提供正規(guī)、可復(fù)現(xiàn)的生信分析

接受預(yù)定,，名額有限