SXR202310005C_jing_简单易懂的11+放射学特征与预后思路来袭

admin 19 2025-01-25 编辑

随着人们对个人健康的日益关注,以及胸部低剂量螺旋CT(LDCT)的普及,越来越多的人开始进行肺癌早期筛查,结果很多患者被观察到存在磨玻璃样结节(GGO)。GGO是一种放射学特征,在放射学上表现为病变内致密的磨玻璃影。此外,临床上也观察到越来越多的GGO肺腺癌(LUAD),其具有惰性和更好的生存等特征。然而,关于GGO类LUAD惰性的形成原因仍不清楚。因此,小编今天给大家分享一篇今年8月发表在EBioMedicine(11.1)杂志上关于GGO与肺腺癌的文章,文章基于病理和放射学特征,系统地分析了GGO向实性结节进展的驱动基因以及GGO惰性的潜在原因,并构建了肺腺癌的预后特征。

Differences of molecular events driving pathological and radiological progression of lung adenocarcinoma

驱动肺腺癌病理和放射学进展的分子事件差异

 

一.文章摘要

研究利用全外显子组测序和RNA测序,对197例患者进行了放射学和病理分类。接着研究基于流式细胞术和免疫组化分析,对免疫细胞的丰度和细胞增殖活性进行了验证。接着研究探索了GGO与实性结节之间的差异,结果发现原位腺癌及微浸润腺癌(AIS及MIA)和GGO样LUAD表现出较低的TP53突变和较少的细胞增殖。此外,研究分析了AIS及MIA和LUAD间的GGO差异,结果发现LUAD的EGFR突变频率和CNV负荷明显高于AIS及MIA。研究也进一步观察到LUAD中调节性T细胞的表达较高,而从AIS及MIA到LUAD CD8+ T细胞则有所下降。最后,该研究构建了一个转录组特征来量化GGO到实性结节的发展,这一特征也是LUAD患者预后的独立预测因子。

 

二.文章的主要内容及结果

1. 病理进展和放射学进展由不同的基因组事件驱动

文章首先分析了驱动病理进展及放射进展的基因组事件。研究的整体流程如所示,共纳入197例患者,并对患者配对的肿瘤和正常样本进行RNA测序(RNA-seq)和全外显子组测序(WES)。接着研究根据影像学实体结节(CTR),将98例AIS&MIA患者分为纯GGO(pGGO,n=67)、混合GGO(mGGO,n=30)及1例实性结节;同时研究将99例LUAD患者分为pGGO (n=3)、mGGO (n=32)、以及64例实性结节。接下来研究构建了AIS&MIA的pGGO、AIS&MIA的mGGO、LUAD的pGGO、LUAD的mGGO和LUAD的实体结节的基因突变谱(a),结果发现LUAD的肿瘤突变负荷(TMB)高于AIS&MIA,LUAD中实体结节的TMB高于GGO(b)。此外研究也发现LUAD实性结节患者的APOBED富集评分明显高于GGO结节(c)。进一步研究观察到LUAD实体结节中TP53的突变频率明显高于GGO样LUAD,而EGFR在LUAD的突变频率高于AIS/MIA,实性结节中TP53突变频率明显高于mGGO(d)。此外,研究还分析比较了EGFR、TP53和ERBB2的变异等位基因频率(VAF),结果观察到EGFR(e)和TP53(f)突变样本中,含有GGO肿瘤的VAF显著低于实体结节肿瘤。

 

2. 增殖相关基因模块在AIS&MIA和GGO样LUAD中均下调

这一部分研究分别识别了与病理分期和GGO相关的基因特征。研究首先识别了AIS&MIA中的mGGO vs pGGO,LUAD中的GGO vs AIS&MIA中的GGO, LUAD中的mGGO vs pGGO,LUAD中的实体结节 vs mGGO两两比较的差异基因(DEGs,a)。接着研究基于这些DEGs进行PCA分析,发现LUAD中pGGO的基因表达与AIS/MIA接近(b)。研究使用加权基因共表达网络分析(WGCNA),将3948个病理和放射学相关的DEG分为三个共表达模块(M1, M2和M3),其中M1和M2是肿瘤与正常之间的DEGs模块,M3是实体结节特异性高表达基因模块(c和d)。进一步分析发现M1和M2中基因主要与发育、信号和免疫系统相关(e)。此外,研究发现M3中的大部分基因与总生存期(OS)和RFS强相关,M3中的风险比分布明显高于M1和M2(f,g)。

 

3. 病理进展和放射学进展是由不同的免疫反应驱动

研究接着分析了病理进展和放射学进展的免疫微环境差异。研究首先评估了不同GGO组在不同病理阶段的增殖率,结果发现与实体结节LUAD相比,GGO的LUAD增殖速率显著降低(a),基质重塑活性也显著下调(d)。接着研究利用去卷积评估样本中各种免疫细胞的比例(c),结果发现不同GGO组间调节性T细胞(Tregs)无显著差异,但从AIS&MIA到LUAD, Tregs显著增加(b)。LUAD中CD8+ T细胞从pGGO向实性结节转变过程中呈下降趋势(e)。接着研究技术流式细胞术证实了上述结果,研究也发现CD8+ T细胞分泌穿孔素的能力被显著抑制(g,h)。

 

4. 基于病理和放射学进展相关基因构建预后特征

文章最后一部分基于识别的病理和放射学进展相关基因构建了预后特征。研究首先进行了基因集富集分析(GSEA),观察癌症hallmark的富集情况,结果发现8个hallmark在放射学实体中显著富集,5个在组织学实体中显著富集(a-d)。此外,研究也利用TCGA数据集识别了四个显著富集于实体的hallmark(e和f)。接下来研究分析了多个数据集中不同分组的差异基因(a和b),并识别了这些数据集中共有的差异基因(c)。然后,研究利用这些基因构建了一个名为G2S的特征,用于量化GGO 到实体的过程。研究观察到在两个队列中放射学或组织学进展过程中G2S都会增加(d-f)。接下来研究发现GGO组的预后优于实体组(g)。接着研究在另外的独立数据集中根据G2S的中位数,将样本划分为类GGO和类实体组,结果发现G2S具有良好的预后预测性能。

 

到这里这篇文章的主要内容就介绍完了,总结一下,文章从基因组、转录组和肿瘤微环境等方面分析了驱动放射进展或病理进展的分子事件。最后,构建了与病理、放射和组织学分类相关的基因特征,以预测患者的预后。文章聚焦于肺癌的放射进展及病理进展的分子事件,从多个角度进行了差异分析,并利用相关基因构建了预后特征,文章内容简洁,逻辑清晰,十分值得小伙伴参考学习。

SXR202310005C_jing_简单易懂的11+放射学特征与预后思路来袭

上一篇: 质粒构建工具推荐,实验室必备的分子克隆利器
下一篇: CRISPR+免疫治疗=IF 27+
相关文章