基于肿瘤微环境建立的风险模型预测肺腺癌患者的总生存期并与肿瘤免疫相关

今天给大家解读一篇9+的文章，这篇文章发表在期刊: Oncogene。这本期刊最新一年影响因子: 9.867与前一年相比上升了1.896。中科院大类: 医学 1区 中科院小类: 生化与分子生物学。为了大家更好的理解这篇文章，笔者对这篇文章进行了总结，以归纳这一类文章的思路，方便大家学习。

背景知识：

肺癌是全球癌症相关死亡的主要原因，腺癌是其主要病理类型，占40%以上。尽管治疗取得了进展，肺腺癌(LUAD)的5年总生存率还不到20%。肿瘤微环境(TME)是肿瘤所处的环境，由多种免疫细胞、基质细胞(包括间充质细胞、内皮细胞)、细胞外基质分子和多种细胞因子组成。

结果解读：

作者的研究纳入了TCGA数据库中的510名LUAD患者，以计算免疫和间质评分。这些患者的间质评分从−1779.3到2106.9，免疫评分从−932.6到3449.2。免疫评分和间质评分在正常(邻近)/肿瘤组织中，女性/男性患者，以及吸烟者/非吸烟者分布明显不同。较高的免疫评分与较低的T有关，另外较高的间质评分与较低的M相关（美国癌症联合委员会(AJCC)TNM分期）。KM和Cox回归分析表明，免疫和间质评分较高的患者比免疫和间质评分较低的患者具有更好的OS。此外，免疫和间质评分与CPE和ESTIMATE算法推断的肿瘤纯度显著相关，具有很强的负相关性。

在具有不同OS的组之间，火山图显示与免疫评分相关有1366个差异基因，与基质评分相关的1500个差异基因 (Fig.1A, B)。根据WGCNA的结果，共识别出22个共表达的基因模块(除灰色模块中的基因没有共表达外)(Fig.1C)。棕色、浅绿色、红色、紫色和棕色模块与基质评分有很强的相关性，而皇家蓝、深绿色、棕色和绿色模块与免疫评分有很强的相关性(Fig.1D)。Venn图显示了差异基因的数目及其与TME相关的强基因模块的交集；这些基因被进一步输入到lasso-Cox回归分析中（Fig.1E)。CCR2、CX3CR1、SERPINE1、LOX、OR7E47P和RUBCNL(也称为C13orf18)是从基质相关基因中选择的，CCL3L1、CCR2、CD101(也称为IGSF2)、CD200R1、CD74、GBP1、HLA-DQB1-AS1、IRF1、RAC2、RUBCNL和STAP1是从免疫相关基因中选择的（Fig.1E)。分别在TCGA和KM图数据库中评估这16个基因的预后值。根据作者的筛选标准，将RUBCNL、LOX、OR7E47P、CX3CR1、SERPINE1、CCR2、GBP1、IRF1、STAP1和CD200R1纳入逐步回归分析中。最终的风险模型为：

TMErisk=0.7869×LOX−0.4203×OR7E47P+0.3138× SERPINE1−0.4006 × CX3CR1+0.6168 ×GBP1+0.6100 × IRF1−0.8024 × STAP1−0.7196 ×CD200R1。

作者首先调查了不同性别、吸烟状况和TNM分期的患者TMErisk评分的分布情况。作者发现，吸烟史和较高的N或TNM分期的患者有较高的TMErisk 评分(Fig. 2A)。采用单因素和多因素Cox回归分析，检验TMErisk对预后的影响。在6个数据集中，TMErisk分数越高，表明OS越差；在调整了年龄、性别、行为评分、吸烟史、放射治疗、药物治疗和TNM分期后，TMErisk分数被确定为TCGA和四个GEO数据集中OS的独立危险因素(GSE30219, GSE30210, GSE37745, 和GSE81089,Fig.2B)。同时，与时间依赖的的AUC表明，TMErisk评分在TCGA和GEO数据集中预测LUAD患者的OS方面有相当大的价值(Fig. 2C)。如D所示，TMErisk在TCGA和GSE30219数据集的C指数显著高于TNM分期，在其他3个数据集的C指数相似。同样值得注意的是，TMErisk和TNM的结合可以显著促进C指数在预测TCGA和四个GEO数据集的OS中的作用(Fig. 2D)。分层分析的结果表明，在不同年龄、性别、吸烟状况、表现状况、解剖分区、TNM分期、放射治疗和药物治疗的亚组中，低TME风险和高TME风险之间的OS存在显著差异。为了调整TME高风险组和低风险组的潜在偏倚，作者使用propensity评分匹配法来平衡患者流行病学和临床特征的差异。总体而言，propensity评分匹配前后的分层分析结果是相似的。

探讨导致低TME风险组和高TME风险组结果不同的潜在机制。作者使用了GO和KEGG注释分析。A显示了|富集分数(NES)|>1且FDR值<0.05的显著富集通路。与细胞周期、DNA修复、Wnt和NF-κB信号有关的基因在TME高危组中富集，而与免疫细胞迁移和增殖、免疫反应、炎症反应、趋化因子和JAK/STAT信号相关的基因在TME低危组中富集。此外，TME高危人群的免疫和间质评分明显较低，而肿瘤纯度较高(Fig. 3B)。作者还调查了24个HLA家族基因和48个免疫检查点在TME高风险组和低风险组之间的基因表达。根据Wilcoxon检验，20个HLA家族基因和33个免疫检查点在TME高危人群中显著调节(Fig.3C)。作者的分析还显示，TME风险评分(作为连续变量)与16个HLA基因和28个免疫检查点的表达显著相关，包括HLA-DRA、CTLA-4、BTLA、B7-H3和Vista(Fig.3C)。接下来，作者使用TIMER、CiberSort和Xcell分析免疫细胞浸润在低TME风险组和高TME风险组之间的分布(Fig.4)。作者的结果表明，在TME高危人群中，大多数免疫细胞和基质细胞减少。而普通淋巴祖细胞、辅助性T细胞1(Th1)和辅助性T细胞2(Th2)浸润较多。值得注意的是，M2巨噬细胞/(M2巨噬细胞+M1巨噬细胞)比值在TME低危组较高，表明低TME风险组患者倾向于表现为M2表型。同时，两组患者Th2/(Th1+Th2)比值无显著性差异。

为了研究LUAD的TME风险相关机制，还分析了TCGA数据库中的体细胞突变。当比较低TME风险组和高TME风险组样本之间的突变频率时，在高TME风险组中观察到更多的体细胞突变，包括非同义和同义突变(Fig.5A)。同时，MAFTOOLS分析结果显示TME高危组LUAD患者中有19个基因突变频率较高(Fig. 5B)。在这些基因中，有8个在野生型和突变型之间有差异表达，突变频率也显示在中。另外，作者发现在这些基因的突变中，观察到显著的共生现象 (Fig. 5C)。在高TME风险组和低TME风险组患者中，在19个基因突变中至少有两个基因同时突变出现的比例分别为82.1%和58.3%。TME高危组TP53-KRAS共突变率与低危组相近(分别为10.6%和7.4%，P>0.05)。有趣的是，Keap1、KRAS、STK11、PBRM1和SMARCA4的共突变和单突变（表明免疫治疗反应较差），在高TME风险中发生的频率显著更高(55.3%)(低TME风险组 42.3%)(P<0.05,Fig.5D).同时，作者观察到TME高危人群中TP53基因的截断突变(23.5%)多于低危TME人群中的突变(15.9%)(P<0.05, Fig.5E)。

为了找出TMErisk作为预测LUAD患者对药物(包括化疗、靶向治疗和免疫治疗)反应的生物标志物的效力，作者推断了138种药物在TCGA-LUAD患者中的IC50值。作者发现，低TME风险组的患者可能对乙胺嘧啶、拉帕替尼、吉西他滨等更敏感，而高TME风险组的患者可能对索拉非尼、紫杉醇、多西紫杉醇等更敏感。在对免疫治疗的反应方面，低TME风险组的患者TIDE评分较低，IPS较高，这表明低TME风险组的患者对免疫治疗的反应可能更好。

文章小结：

在本研究中，作者开发了一个基于免疫和间质评分的风险评分系统(TMErisk)，并对其性能进行了验证。作者的结果表明，TME风险是一个独立的预后因素，对LUAD患者的OS有相当大的预测作用。从功能上讲，TMErisk评分与LUAD患者的免疫应答相关。在验证数据集上的表现表明了它广阔的利用前景。