扫码联系客服
小编今天跟大家分享的是7月9号刚发表在CLINICAL CANCER RESEARCH(IF = 8.911)上的一篇文章
该研究使用TNBC最大的原始多组学数据集，进行了广泛的免疫原性分析，以探索TNBC微环境的异质性、预后意义以及TNBC潜在的免疫逃逸机制。
一、数据
RNA-seq data (tumor tissues: n = 245; paired normal tissues: n = 90)
HTA 2.0 microarray data (n = 141)
whole exome sequencing data (n = 268)
OncoScan microarray copy number data (n = 335)
H.E. sections data (n = 300)
tissue microarray data (n = 181)
病理学家来评估基质和瘤内肿瘤浸润淋巴细胞（分别为sTIL和iTIL）和H.E.中的纤维化和坏死
二、微环境表型聚类及验证
微环境基因：整理微环境基因（一是该基因在一个特定的微环境细胞亚群中特异性表达，二是该基因在其他正常组织不表达基因，三是包含TNBC微环境的主要细胞类型），最终选择了在TNBC中包含代表24种微环境细胞类型的364个基因。
识别微环境聚类：使用k-means聚类和Nbclust测试n以确定稳定的TNBC微环境亚型的最佳数量，最终将表型分为三簇：Cluster 1——the “immune-desert” cluster，其特征在于具有相对较低的微环境细胞浸润；Cluster 2——the “innate immune-inactivated” cluster，其特征在于失活的先天免疫细胞；Cluster 3——the “immune-inflamed” cluster，其特征在于相对高的先天性和适应性免疫细胞浸润。并且描述了丰富的微环境细胞亚群的分布，以分析簇内细胞亚群的相对比例。
验证微环境聚类：包含在簇间病理切片中基质和瘤内肿瘤浸润淋巴细胞的病理学评分和簇中CD8细胞的免疫组织化学（IHC）评分，用其他免疫特征（如T helper cells/MDSCs以及各亚型间关系）以验证的微环境聚类。
三、微环境表型的预后分析
采用单变量和多变量Cox比例风险模型来分析微环境表型的预后意义。首先在单变量Cox比例风险模型中分析年龄，肿瘤大小，阳性淋巴结数和PAM50亚型。然后将所有重要变量作为协变量包含在多变量Cox比例风险模型中，进一步验证了预后的价值。结果表明群集3具有显着更好的RFS和总生存期OS。多变量Cox比例风险模型表示，群集3更好的RFS。AUC值表明，在Cox比例风险模型中添加微环境聚类簇准确率更高。同时还研究了聚类簇对与每个细胞亚群的预后意义，结果表明在三个簇中，细胞亚群的预后意义是多样的。
四、免疫逃逸机制
外在免疫逃逸机制：外在免疫逃逸机制包括四个主要方面：缺乏免疫细胞（lack of immune cells），存在免疫抑制细胞（presence of immunoinhibitory cells），高浓度的免疫抑制细胞因子（high concentrations of immunoinhibitory cytokines），纤维化（fibrosis）。通过比较肿瘤部位和正常部位之间的微环境细胞的估计数量寻找不同簇免疫逃逸机制，如cluster 1在肿瘤部位几乎没有比在配对的正常部位中更多的微环境细胞，表明不能吸引先天免疫细胞；cluster 2在肿瘤部位具有更多的静息和活化的先天免疫细胞，表明趋化性但是先天免疫细胞的失活；簇3不仅具有丰富的活性先天性和适应性免疫细胞，而且还具有肿瘤部位中的免疫抑制细胞，表明免疫抑制细胞在免疫逃逸中的作用。并且这些细胞因子的表达水平的差异不是源自SCNV，纤维化存在于所有三个簇中无显着差异。
内在免疫逃逸机制：内在免疫逃逸表明肿瘤细胞直接介导其自身的免疫逃逸。内在免疫逃逸至少有两个方面：肿瘤免疫原性和免疫检查点分子表达。首先，分析聚类簇在中肿瘤免疫原性的一些潜在因素，包含突变负荷，新抗原负荷，同源重组缺陷（HRD）评分，癌症睾丸抗原（CTA）数量，坏死和瘤内异质性（ITH）评分等，结果表明TNBC簇之间肿瘤免疫原性的差异可能相对较小，cluster 1和cluster 2具有相对低的免疫原性。其次分析免疫刺激后免疫检查点分子的表达来比较这些簇中的免疫调节剂，结果表明cluster 3具有比其他簇更高的共刺激和免疫检查点分子的表达。此外，还研究了免疫浸润，免疫原性和免疫检查点分子表达之间的关系，我表明免疫浸润和大多数检查点分子的表达是正相关的。
五、基因组改变与低免疫浸润的相关性
进一步研究了可能与第1组和第2组中低免疫浸润相关的基因组改变。首先，计算三个簇中十种常见致癌途径的富集分数，结果表明 Hippo, MYC and Wnt pathways在cluster 1中得分较高，Notch, TGF-β and RTK/RAS pathways在cluster 2中得分较高，NRF2, PI3K and TP53 pathways在cluster 3中得分较高。其次，还分析了非沉默突变在三个簇中的显著差异的基因。最后，对三个簇中每两个簇之间的体细胞拷贝数变异（SCNV）的比较。最终我们的分析显示，一些基因组改变可能会导致cluster 1和cluster 1的低免疫浸润。
参考文献：
Multi-omics profiling reveals distinct microenvironment characterization and suggests immune escape mechanisms of triple-negative breast cancer
网址：http://clincancerres.aacrjournals.org/cgi/pmidlookup?view=long&pmid=30837276
更多生信分析套路，请加微信13621202201
TCGA | 小工具 | 数据库 |组装| 注释 | 基因家族 | Pvalue
基因预测 |bestorf | sci | NAR | 在线工具 | 生存分析 | 热图
生信不死 | 初学者 | circRNA | 一箭画心| 十二生肖 | circos
舞台|基因组 | 黄金测序 | 套路 | 杂谈组装 | 进化 | 测序简史
