大家好呀！今天给大家介绍一篇2021年6月发表在ONCOIMMUNOLOGY（IF：8.110）上的文章。本文作者基于ccRCC患者的RNA-seq数据构建预后模型，可以准确预测ccRCC患者的总生存期和对抗PD-1的反应。

Development of a novel gene signature to predict prognosis and response to PD-1 blockade in clear cell renal cell carcinoma

构建肾透明细胞癌的预后模型预测患者生存情况和对PD-1阻断的反应

流程图：

结果：

1.数据集的获取和下载

从GEO数据库下载7个ccRCC的RNA-seq数据集，GSE53757,GSE53000,GSE36895,GSE15641,GSE66272,GSE68417和GSE40435。从TCGA数据库下载ccRCC的RNA-seq数据和临床数据。从ArrayExpress数据库下载E-MTAB-1980数据集。

2.鉴定DEGs

本研究共使用266例ccRCC样本和343例癌旁组织进行差异分析鉴定DEGs。

3.鉴定关键模块和核心基因

作者对TCGA数据集的DEGs进行WGCNA分析以鉴定与临床特征有关的关键模块（b-1d）。TCGA数据集的临床信息如a所示。绿色模块与临床特征的相关性最高（e）。模块显著性分析进一步表明绿色模块是与ccRCC患者生存情况最显著相关的模块（f）。因此，作者将绿色模块定义为关键模块。根据MCODE分析和PPI网络分析鉴定到49个核心基因。KM分析表明有24个核心基因与OS高度相关。

4.构建预后模型

对这24个核心基因进行LASSO回归分析筛选到4个基因：FOXM1,TOP2A,KIF18B和NUF2（a）。这4个基因在肿瘤组织中均显著上调表达（b）。TMA队列包括348例ccRCC肿瘤组织和癌旁组织（表1）。这4个基因在TMA队列的IHC结果如c所示。ccRCC组织中FOXM1,TOP2A和NUF2蛋白水平较高，而KIF18B蛋白水平较低（d）。KM分析表明，FOXM1和TOP2A高表达与OS较差有关（e）。最终，基于TOP2A和FOXM1构建预后模型，风险打分=（0.693×FOXM1）+（-0.184×TOP2A）。根据风险打分中位数将患者分为高风险组和低风险组。

5.预后模型的验证

作者对TCGA队列，E-MTAB-1980和TMA队列验证预后模型的性能。TCGA队列中高风险组的死亡病理较多（a），KM分析表明高风险组的OS较差（a）。3年，5年和8年的ROC曲线的AUC分别为0.68，0.70和0.70（a）。E-MTAB-1980和TMA队列的分析表明高风险组的OS较差（b-3d）。

6.高风险组与肿瘤分期和病理分期较高有关

高风险组的患者G3和G4期的比例较高（a），且病理分期较高（b）。对TMA队列来说，FOXM1表达水平与年龄，AJCC分期，肿瘤大小和等级等有关，TOP2A表达水平与等级和肿瘤大小等有关（表2）。c为TOP2A/FOXM1表达水平与肿瘤等级的相关性，随肿瘤等级增加，TOP2A和FOXM1的染色强度逐渐增加。

7.GSEA和GSVA表明预后模型基因与细胞循环过程高度相关

作者对TCGA队列进行GSEA和GSVA分析，排名前3位的显著富集通路如d和4e所示。TOP2A和FOXM1高表达组中的基因显著富集细胞周期和同源重复等功能。GSVA分析表明TOP2A和FOXM1高表达组中显著富集细胞周期，同源重组，DNA复杂和错配修复等功能（f和4g）。

8.高风险组和低风险组的免疫情况

a为高风险组和低风险组ESTIMATE打分和免疫细胞浸润水平的差异。高风险组的免疫打分较高，表明免疫细胞浸润水平较高。高风险组的免疫抑制细胞浸润水平较高。CIBERSORT和IMMUNECELL AI结果表明，高风险组的Tregs和巨噬细胞浸润水平较高（b）。

9.高风险组具有免疫抑制表型

为鉴定ccRCC中巨噬细胞和Tregs的浸润水平，作者对TMA队列进行mIHC。结果表明，高风险组巨噬细胞，FOXP3+ Tregs，M2巨噬细胞浸润水平较高（c）。高风险组和低风险组的免疫荧光染色结果如d所示。以上结果表明高风险组的免疫抑制细胞浸润水平更高。

作者从Tracking Tumor Immunophenotype下载调控癌症免疫循环负相关的基因的表达水平，研究其在高风险组和低风险组的表达水平。结果表明，这些基因在高风险组中上调表达，表明高风险组患者的抗肿瘤免疫活性较低（e）。PD-1,CTLA-4和LAG3在高风险组中显著高表达（f）。高风险组中趋化因子参与巨噬细胞诱导的免疫抑制过程显著上调（g）。

10.低风险组与抗PD-1免疫治疗反应增加有关

为研究风险打分与免疫治疗反应的相关性，作者对156例接受抗PD-1治疗的ccRCC患者进行分析。根据患者治疗后的反应，将患者分为CB，ICB和NCB三组。高风险组和低风险组患者在这三组中的分布如a所示。低风险组中CB患者比例较高（b），低风险组患者的PFS较好（c）。CB和NCB组的TMB和PD-L1表达水平没有差异（d和6f）。CB组的PBRM1突变水平更高（e）。

11.体细胞突变分析

高风险组和低风险组的体细胞突变水平如a和7b所示。VHL,PBRM1，TTN和SETD2是突变频率最高的基因，高风险组中BAP1的突变频率较高（c）。低风险组PBRM1 LOP的频率较高（c和7d）。发生PBRM1 LOF的患者OS显著较好（e）。多因素Cox回归分析表明细胞循环相关特征和PBRM1突变状态是ccRCC的独立风险因子（f）。此外，将PBRM1突变状态与风险打分结合可以提供预后模型的性能（g）。

12.基于细胞循环相关特征构建列线图预测OS

对风险打分和临床病理特征进行单因素和多因素分析，构建列线图。多因素分析表明高风险组患者OS较差（a）。基于风险打分，AJCC分期，肿瘤大小和Fubrman等级构建列线图，可以预测ccRCC患者的3年，5年和8年的生存情况（b）。校准图结果表明列线图的准确性（c-8e）。3年，5年和8年ROC曲线的AUC分别为0.89，0.84和0.82（f-8h）。

结论：

总的来说，作者构建了一个可以预测ccRCC患者生存的预后模型。并揭示了高风险组和低风险组与细胞周期活化和免疫抑制之间的关系。并基于细胞循环特征构建列线图，可以准确预测ccRCC患者的生存期。