识别肺腺癌新基因标志预测免疫治疗和预后

小编今天给大家带来的是上月发在frontiers in immunology（IF：7.3）上的文章。这篇文章作者从单细胞数据入手，结合bulk数据获得了27个与预后相关的免疫关键基因，基于这些基因将LUAD样本分成C3、C2和C1组。其中，总存活时间最长的是C1。之后作者根据三组间的差异确定了7个关键基因，并建立了风险模型，该模型定义的两个风险组对免疫治疗和化疗、免疫渗透和预后有不同的反应。

背景

肺腺癌(LUAD)是一种常见的肺癌类型，在转移性LUAD患者中，5年总生存率低于20%。对于转移性癌症患者，已经开发了靶向治疗，如EGFR和ALK抑制剂，但它们只对一部分患者有效。免疫治疗在治疗晚期癌症患者中具有很多等优点。然而，在转移性癌症患者中，抗PD-1/PD-L1治疗的反应是不利的。因此，为了发现新的治疗靶点，提高患者生存率，迫切需要进一步开发针对LUAD患者的特异性预后预测方法。

结果

LUAD单细胞数据中细胞类型

根据CellMarker2.0中的marker基因将细胞注释为八种细胞类型，其中单核/巨噬细胞和AT细胞(AT1(肺泡I型细胞)和AT2(肺泡II型细胞))占大多数细胞(C-E)。作者计算了每种细胞类型中的DEG (F)。五种免疫细胞(树突状细胞、B细胞、单核/巨噬细胞、肥大细胞和T细胞)的DEG用于随后的分析。功能分析表明，这些标记物明显富含在免疫相关途径中，包括吞噬小体和抗原处理和呈递(A)。

基于免疫细胞标志物的分子亚型

单变量COX回归分析确定了TCGA数据集中与LUAD预后显著相关的标记物。共鉴定出77个标记基因。将预后基因与差异基因做交叠，共有27个marker基因相(图A，B)。基于27个标记基因的基因表达谱进行了一致性聚类，将LUAD样本分为三组，且三组(C1、C2和C3)都有明显的总体生存和癌症高低分期的差异(C-E)。

免疫特性及生物学途径分析及三组的特征

CiberSort分析显示，大多数免疫细胞在三组中有不同程度的浸润(A-D)。C1的干扰素-γ(IFN-γ)的表达最高，其次是C3，这表明在C1中的免疫反应相对活跃。此外，MCP-counter和ssGSEA都显示出一致的结果，即大多数免疫细胞在C1中更富集(E，F)。

C3的肿瘤突变负荷(TMB)最高，而C1的肿瘤纯度最低(A、B)。此外，评估了基因突变的频率(D-F)。其中，TP53在C3的突变率最高，为66%。KRAS在C2(41%)中的突变率高。使用MAFTOOLS计算了10条致癌途径的基因突变频率。在LUAD样本中，10条途径中有6条明显受到影响，包括RTKRAS、WNT、NOTCH、HIPPO、PI3K和TP53(G-I)。

风险模型构建及评估

使用LIMMA 包确定了三组之间的DEGs。单变量COX回归分析，进一步确定了109个DEGs与生存相关。Lasso回归分析，对DEGs系数进行压缩以保留重要的DEGs。Step AIC算法进一步减少基因数目，以保证以最少的基因数目获得足够的拟合度。结果，确定了7个关键预后基因来构建风险模型(A-C)：

Risk Score = -0.073*CPA3 + 0.077*S100P + 0.128*PTTG1 +0.158*LOXL2 + 0.152*MELTF + 0.119*PKP2 + 0.058*TMPRSS11E

根据有风险评分的中位数分为高风险和低风险组(D)。高风险组中死亡状态的样本比低风险组多，两组之间生存率(D-F)。独立数据集中获得了相同的结果

免疫特性评估及风险评分在预测免疫治疗和化疗中的潜力

采用不同的工具和方法对高低风险组的免疫微环境进行评估。结果显示，低风险组的间质和免疫浸润更高(A)。CiberSort显示，几种免疫细胞在两个风险组之间存在差异 (B)。相关分析进一步支持风险评分与免疫细胞渗透之间的关联(C-F)。例如，B细胞谱系与风险评分呈负相关。M0巨噬细胞、M1巨噬细胞和成纤维细胞与风险评分呈正相关。风险评分与TIDE评分呈正相关(G)。风险评分还与T细胞排斥和MDSC呈正相关。此外，作者使用pRRophetic包来预测化疗药物的反应。两个风险组对不同的化疗药物有不同的敏感性。

风险模型的应用

使用IMLIGN210数据集，将患者分为高低风险组。结果显示低风险组的总体生存时间明显长于高风险组，早期(I+II)患者的分组效率高于晚期(III+IV)患者(A-C)。在IMLIGN210数据集中，CR/PR组（有响应）的风险评分显著低于SD/PD（无响应）组(D)。

RT-qPCR和Western blot分析验证了7个关键基因

采用RT-qPCR和Western印迹方法对7个关键基因的mRNA和蛋白质水平进行了研究（，）。与癌旁组织相比，LUAD组织中CAP3的mRNA水平下调，而S100P、Pttg1、LOXL2、MELTF、PKP2和TMPRSS11E的mRNA水平上调。七个基因的蛋白质水平在肿瘤组织中有类似的趋势。

总结

文章整体上属于套路化的工作，结合scRNA-seq数据和bulk RNA-seq数据分析来确定LUAD患者的分子亚型。文章将重点放在免疫细胞marker基因上，确认了三个预后不同、临床特征、免疫渗透和基因组特征不同的患者组(C1、C2和C3)。重要的是，构建了一个可靠和有效的基因风险模型来预测LUAD患者的预后和指导个体化治疗。