扫码联系客服
今天跟大家分享的是最近发表在Molecular Oncology上的一篇文章，影响因子6.574。
首先让我们通过摘要了解下这篇文章的主要内容，免疫微环境的异质性导致免疫检查点封锁疗法的反应不同。在这篇文章中，作者提出了一个鲁棒的分子分类系统，以研究免疫微环境亚型与前列腺癌患者预后的相关性，以及对免疫检查点封锁疗法的治疗反应。本研究纳入1557名前列腺癌患者，包括69个real-world样本（AHMU-PC队列）。采用非负矩阵分解算法对患者进行虚拟显微解剖。根据免疫特征将患者分为非免疫和免疫两类。随后，根据基质特征将免疫类型分类为免疫激活和免疫抑制亚型。结果显示大约14.9％至24.3％的患者属于免疫激活亚型并与良好的无复发生存期相关。此外，预计免疫激活亚型的患者将从抗PD-1 / PD-L1治疗中受益更多。总之，该研究确定了一种与临床预后密切相关的新型免疫分子分类器，并为前列腺癌患者的免疫治疗策略提供了新颖的见解。
一．材料和方法
1.1患者信息
本研究共纳入1557名前列腺癌患者，这些患者具有可用的基因表达谱，临床病理特征和无复发生存。流程图如图1所示。
图一.流程图
这些患者包括训练队列495名患者(TCGA-PRAD队列)，另外4个公共队列MSKCC，GSE70770，GSE116918和GSE79021为验证队列，包括总共993名前列腺癌患者。表1列出了患者详细信息。
表1.四个独立的前列腺癌数据集的临床病理参数
1.2 Real-world中的临床样本收集和测序
从安徽医科大学第一附属医院泌尿外科（AHMU-PC队列）的69例患者中收集了福尔马林固定，石蜡包埋（FFPE）样本，并通过基于Illumina NovaSeq平台的全转录组测序和配对末端150 bp测序获取了其基因表达谱。
1.3生物信息学分析
在TCGA-PRAD训练队列中，使用无监督NMF方法对肿瘤，基质和免疫细胞的转录组谱数据进行了虚拟解剖。NMF算法将基因表达矩阵V分解为两个矩阵：基因因子矩阵W和样本因子矩阵H。首先应用单样本基因集富集分析筛选与免疫相关的NMF因子，然后使用免疫相关NMF因子的前150个基因的基因表达通过GenePattern模块“ NMFConsensus”将免疫和非免疫亚型二分。接下来进一步通过激活的基质特征将免疫类别分为免疫抑制和免疫激活亚型。比较了不同免疫类别之间的拷贝数变化（CNA）和肿瘤浸润淋巴细胞（TIL）。比较了免疫和非免疫类别之间的拷贝数变异的差异。此外，作者使用MutSigCV_v1.41推断了整个TCGA队列中重要的癌症突变基因。最后作者通过验证队列验证了从训练队列中获得的免疫表型。
1.4 CD163和a-SMA的免疫组织化学（IHC）染色
应用IHC染色验证AHMU-PC队列中的免疫表型。CD163被选作巨噬细胞的细胞标志物，应用a-SMA反映基质激活并区分免疫激活和免疫抑制的亚型。
二．结果展示
2.1发现免疫相关因子并识别前列腺癌的免疫亚型
首先作者应用NMF算法对训练队列进行剖析，NMF聚类显示11种表达模式中的第二个因子具有免疫相关性，并且具有相对较高的免疫富集分数（图2）；因此将此NMF因子称为“免疫因子”。选择前150个加权基因作为代表第二个免疫因子的示例性基因。GO富集分析显示这些示例性基因富集在T细胞活化，白细胞迁移和淋巴细胞分化中。接下来作者基于这150个示例性基因对495位患者进行聚类，并采用了多维随机森林将患者进一步分为免疫和非免疫亚型。最后通过GSEA比较免疫类和非免疫类之间激活信号通路的差异，发现免疫类中免疫细胞相关通路、免疫应答通路、促炎症通路和肿瘤促进通路被显著激活。此外，免疫类患者的免疫信号富集分数明显高于非免疫类患者。这些结果表明已鉴定的免疫相关因子和示例基因能够确定前列腺癌的免疫亚型。
图2.通过非负矩阵分解（NMF）分析鉴定免疫相关聚类因子
2.2通过不同的微环境条件突出显示了两种不同的免疫表型
在这一部分，作者试图探索免疫类别的免疫亚型。激活的基质反应与免疫激活呈负相关，我们发现免疫类别的患者中有63.0％的患者具有较高的基质富集得分（图3A）。由于激活的基质反应与免疫激活呈负相关，作者发现基质激活的亚组（免疫抑制亚型）比非免疫类别的WNT / TGF-b，TGF-b1和C-ECM的特征更加显著，其余37.0％的患者属于免疫激活亚型。此外，作者发现肿瘤浸润性Treg（TITR）信号和Treg细胞信号主要富集于免疫抑制亚型（表2），而Th17细胞浸润信号显著富集于免疫激活亚型。
表2.六个队列中三种免疫亚型的比例
2.3免疫激活与良好的无复发生存和抗PD-1免疫疗法有关
临床病理特征是证明前列腺癌恶性程度的重要评估标准。在这一部分作者根据其不同的临床病理特征探讨了三种免疫表型的分布。与TCGA-PRAD队列中的其他两个亚类相比，大多数免疫抑制类患者处于晚期。接下来根据免疫分子亚群评估不同的无复发生存率。结果显示免疫激活的亚型表现出良好的无复发生存，而免疫抑制的亚型表现出较差的无复发生存，非免疫类别表现为中度复发结果（图3B）。接下来作者测试了免疫分子分类系统选择候选患者接受抗PD1/PD-L1免疫治疗的潜在能力。结果表明免疫激活类患者表现出最佳的无复发生存结果，并且可能比其他患者从抗PD-1/PD -L1免疫治疗中获益更多。
图3.识别TCGA-PRAD队列中的免疫表型，并比较它们在肿瘤浸润淋巴细胞上的差异，拷贝数变异，基因突变，新抗原，肿瘤干性和PD-L1表达水平
2.4免疫分类与拷贝数变异、肿瘤浸润淋巴细胞富集和肿瘤干细胞减少之间的关系
在这一部分，作者探究体细胞突变与免疫分类的关系，在TCGA队列中，免疫类显示出高扩增负荷（图3D，E）。然而关于TMB和新抗原，免疫和非免疫类别之间均未观察到差异（图3H）。接下来基于MutSigCV算法分析，揭示了三种免疫表型之间的不同突变情况（图3G）。关于TIL，发现免疫类别的TIL密度明显高于非免疫类别的PIL密度（图3I）。免疫组中PD-L1的表达增加，CD8 + T细胞的浸润也增加了（图3J）。免疫组与非免疫组相比，以mRNAsi为代表的干细胞减少（图3K）。这些结果表明免疫类别与显著更高的CNA和更高的TIL富集相关，而与TMB和新抗原无关。
2.5在real-world的AHMU-PC队列中三种免疫表型的再现
在这一部分作者主要应用AHMU-PC队列对免疫表型进行验证。作者发现免疫抑制亚型显著富集于TITR, MDSC, 和C-ECM特征中（图4A）。作者还采用Kaplan-Meier分析来确定三种免疫表型之间无复发的生存差异。结果发现与免疫激活和非免疫亚组相比，免疫抑制亚型显示出更差的无复发生存结果（图4B）。AHMU-PC队列免疫激活亚组的患者比非免疫激活类患者受益于抗PD-1 / PD-L1免疫治疗（图4C）。CD163是巨噬细胞的标志物，可以用于区分免疫和非免疫类别，而基质标志物a-SMA用于区分免疫激活和免疫抑制的亚组。结果显示与非免疫组相比，免疫抑制亚型和免疫激活亚型的CD163+细胞增加（图4D）。关于a-SMA的IHC染色，作者观察到免疫抑制亚型的H分数高于免疫激活亚型和非免疫亚型的H分数（图4E）。这些结果表明免疫抑制组的患者表现出最差的无复发生存结果，而免疫激活亚型的患者可能会受益于抗PD-1 / PD-L1治疗。
图4.在AHMU-PC队列中成功验证了免疫表型
2.6外部队列中三种免疫表型的验证
在这一部分作者应用另外993名具有可用基因表达谱和匹配的临床病理特征（表1）的前列腺癌患者进行验证。对于这四个外部验证队列中的免疫特征结果，免疫富集得分和免疫信号标志显著富集于免疫类别中。将各个队列中的患者分为非免疫亚型，免疫抑制亚型和免疫激活亚型，并且属于免疫激活亚型的患者表现出最佳的无复发生存率，而属于非免疫亚型的患者表现出最差的无复发生存率，而免疫抑制组显示出介于中间的结果（图5）。这些结果表明了这种新建立的基于免疫分子的分类系统在前列腺癌中的稳定性和意义。
图5.免疫表型与前列腺癌患者的不同无复发生存期相关
好啦，这篇文章的内容就这么多啦，作者基于1557位前列腺癌患者的表达谱，建立并验证了一种新型的免疫亚型分类器。免疫激活亚型的患者可能会从抗PD-1 / PD-L1治疗中受益更多。该发现表明，免疫应答可驱动前列腺癌的预后，为将来开发针对前列腺癌患者的免疫疗法提供启发。
