小伙伴们大家好，今天又来跟大家分享一篇组学文章，发表在Theranostics（IF：8.579）。该文章从基因组和转录组两个角度解析了肺癌患者在化疗前后呈现的差异。本文内容较多，我为大家梳理了下要点，总结出了各个层面的分析角度。本文章的这些分析角度很适合我们借鉴到自己的研究中。话不多说，让我们来看这篇文章的主要内容。

Genomic and transcriptional alterations in first-line chemotherapy exert a potentially unfavorable influence on subsequent immunotherapy in NSCLC

在非小细胞肺癌中，一线化疗后的基因组和转录组改变对后续的免疫治疗有潜在的不利影响

一、基于基因组揭示了化疗前后差异

（1）突变数目的比较

作者首先比较了化疗前后的突变数目（A），这里发现呈现一个较弱相关，但不显著。同时非同义突变数目在化疗前后差异不大（B）。

（2）显著突变基因分析

使用MutsigCV分别在化疗前后识别显著突变基因（C，D），发现治疗后样本中TP53的频率明显降低（E），除突变率外，TP53的氨基酸变化在治疗前后也有差异（F）。

. 化疗导致了肺癌的基因组变化

（3）突变签名分析

突变签名在化疗前后的差异。发现治疗前样本的突变签名与COSMIC签名4、13和15相似，而化疗后样本的突变信号与COSMIC签名4和6相似（A，B）。接着作者根据治疗前的突变签名将患者分为三组，发现具有签名15的患者倾向于有更好的生存期，这里的话没有统计学意义，可能是由于样本量小（C）。

（4）突变的特异性分析（组内特异突变以及所有组的共有突变）

通过比较化疗前后的突变谱，发现了治疗前和治疗后独有的突变，也有一些治疗前的突变在治疗后仍然存在。通过计算治疗前后独有突变的比例以及每个患者常见突变的比例，发现不同患者的突变比例差异很大（D）。治疗前独特突变与治疗后独有突变的比例相似(E)，说明治疗后获得性突变的比例与化疗导致的突变丢失的比例相似。

（5）基因组对于临床的应用（最常见的就是TMB预测免疫治疗，而这里作者做了一下借鉴，来看TMB能否预测化疗反应）

作者分析了治疗前的TMB是否能够预测化疗反应。TMB在化疗稳定（SD）、对化疗有反应（PR）和化疗进展（PD）的患者之间没有显著差异（F，G），提示TMB不能预测化疗的反应。

. 化疗后突变签名以及一些突变特点的变化

（6）突变在不同阶段的变化分析

作者还展示了PR、SD或PD患者化疗期间的突变变化。A和3B展示的是化疗前后以及共有的突变总数，C和3D展示的是化疗前后以及共有的特异突变数目。可以看到PR组治疗后突变数量减少，而SD组和PD组该现象不明显，同时PR组共有突变数与SD组相似。

. PR、SD或PD患者化疗后发生的共同和独有的突变

（7）结合一些分层因素分析（这里作者采用的是吸烟史）

作者发现有吸烟史的患者TMB水平高于从不吸烟的患者，但化疗后这种差异不再存在（A）。化疗前后样本的TMB没有显著差异（B）。此外，化疗后TMB增加或减少均未显示总生存期或无进展生存期的差异（C，D）。接着作者分别比较了吸烟者和不吸烟者TMB的变化。化疗导致的TMB减少在吸烟者中比在不吸烟者中的频率更高（E）。化疗后吸烟患者的TMB水平明显降低，而不吸烟者的TMB水平没有下降（F，G）。同时，有吸烟史的患者在化疗后TMB水平降低的患者在OS和PFS中都有更好的生存期，但在PFS中无统计学意义。

. 吸烟者和不吸烟者的TMB水平

（8）拷贝数分析

作者发现化疗后CNV缺失数量和CNV扩增数量都减少了（A）。同时发现大多数患者要么在化疗前有CNV（pre+post-），要么一直存在CNV（pre+post+）（B）。结合治疗反应进一步分层分析发现，PR和PD组CNV数目呈下降趋势，但由于样本量小，未达到统计学差异，而在SD患者中，总CNV数量显著下降（C）。

. CNV在PR、SD、PD患者中的分布及变化

（9）肿瘤异质性分析

这里作者使用MATH来刻画肿瘤的异质性。虽然化疗后总非同义突变没有改变，但化疗后MATH得分明显下降，说明化疗降低了肿瘤的异质性（A）。同时，治疗前较高的MATH得分与较短的OS相关，而与 PFS无关（B，C）。

. 化疗前后肿瘤的异质性

（10）DNA损伤修复通路的分析

作者还研究了治疗前DNA损伤修复（DDR）相关基因的突变对TMB的潜在影响。与DDR野生型患者相比，有其他DDR相关基因突变的患者TMB水平更高（），提示DDR通路的某些基因突变可能影响TMB。

. TMB水平和DNA损伤修复相关基因的突变状态

（11）肿瘤新抗原分析

通过突变数据来预测NeoAgs，并比较治疗前和治疗后的差异。从A中可以看出，无论是总NeoAgs，强NeoAgs还是弱NeoAgs，化疗后的数量都没有明显变化（B）。SD组和PD组治疗后NeoAgs数量呈增加趋势，PR组NeoAgs数量呈减少趋势，但差异无统计学意义。作者进一步研究了治疗前和治疗独有NeoAgs的变化。从C中可以看出，PR组治疗后独有NeoAgs数量也有减少的趋势，而SD组和PD组没有这种变化。最后比较了PR组、SD组和PD组中共同NeoAgs的百分比。D显示，SD患者共同NeoAgs的百分比远高于PD组，提示肿瘤病变进展时NeoAgs的状态有较大改变，病变稳定时NeoAgs的状态相对稳定。

. 治疗前、治疗后及共同NeoAgs数量的比较

二、基于转录组揭示了化疗前后差异

（1）抗原加工与呈递分析（其实这里就是针对于基因signature的分析，我们学习时也可以更换成其他基因集合）

大量的NSCLC患者在化疗后会产生耐药性，因此可以考虑进行免疫治疗。已知抗原加工和呈递对于免疫治疗至关重要。为了确定化疗是否能够影响这些生物学过程，作者基于HLA-DMB、HLA-DQA1、HLA-DQA2、HSPA6、KIR2DL3、KIR3DL1和KLRC1的平均mRNA水平计算了治疗前后肿瘤样本的抗原加工和呈递得分（APPS）。结果显示化疗后的APPS得分下降，但没有达到统计学意义（A，B最左侧）。其中一个具有代表性的基因HSPA6（A，B中间）的表达在化疗后下降。一个典型的IFN-γ相关基因IRF1在化疗也后倾向于下调（A，B最右侧）。

. 化疗后抗原处理和呈递的改变

（2）功能富集

作者通过功能富集分析进一步研究了下调基因相关联的通路（0A-C）。结果发现，下调基因在炎症反应、免疫反应、细胞因子活性、白细胞介素受体结合等免疫相关生物学过程或分子功能中富集。这些改变表明化疗可能负向调节免疫状态，并可能损害的疗效。

（3）蛋白质互作

蛋白质相互作用网络表明化疗前后差异表达基因与突变之间存在复杂的相互作用，如TP53与4个差异表达基因的相互作用（0D）。提示化疗引起的基因组变化可能对化疗后的基因表达谱产生较大影响。

0. 化疗前后下调基因的功能富集及基因间相互作用

以上就是本篇文章的全部内容，作者做的方面很多，让我们简单做一下总结。作者在基因组方面围绕了显著突变基因，突变签名，TMB，肿瘤异质性，拷贝数和肿瘤新抗原等进行了分析；在转录组方面，作者分析了抗原加工与呈递signature，差异基因参与的功能以及蛋白质互作。此外作者结合患者对化疗药物的应答做了分层分析。这么多分析角度，总有一个适合你，看完这篇文章后希望大家能够有所收获，学会该文章分析角度。最后祝大家科研顺利！