BIB|免疫检查位点泛癌分析
生信干货
啧啧啧 ·2020年10月13日 02:39
今天跟大家分享的是今年六月底发表在Briefings in Bioinformatics（IF: 8.99）上的一篇文章， 主要是对免疫检查点基因表达及其在免疫治疗反应预测中发挥的作用进行研究。（1）文献检索到的79个免疫检查点基因（ICGs）。（2）FANTOM5项目中110个免疫细胞和187个肿瘤细胞的表达数据。（3）两套scRNA-seq数据集中ICGs基因的表达数据（GSE75688,GSE72056）。（5）基于TIMER数据库的TCGA免疫细胞浸润数据。基于对ICGs 表达的t-SNE分析和主成分分析，研究者发现在肿瘤细胞和免疫细胞中ICGs有完全不同的表达模式（图1A）。根据ICGs在肿瘤细胞和免疫细胞中的基因表达状态，可进一步将这些ICGs具体分成三类：肿瘤细胞显性(TC-ICGs)、免疫细胞显性(IC-ICGs)和肿瘤与免疫细胞平衡(TIC-ICGs) （图1B），三类基因的表达模式如图1C所示。另外，基于两套scRNA-seq数据集中ICGs基因表达数据的分析，发现ICGs的表达模式高度一致，表明划分ICGs的标准是合理的。基于对TCGA中33个癌型的9744份肿瘤样本中ICGs的表达数据进行分析，发现ICGs在不同癌型之间表达具有较高的一致性 (图2A)。在许多肿瘤中，不同类型的ICGs在疾病样本和正常样本之间存在表达差异(图2B)。不同癌型间ICGs的平均表达趋势相似，IC-ICGs的表达水平在大多数癌症中显著低于TC-ICGs(图2C)。基于单因素cox回归分析，探索ICGs表达(TC-ICGs和IC-ICGs)与TCGA患者无进展生存期(PFS)的关系(图2D)，IC-ICGs高表达表明患者死亡风险较低(HR < 1;图2D，左侧)，而TC-ICGs高表达则相反(HR > 1;图2D，右侧)。对TCGA 14种癌型及其匹配正常组织中的ICGs基因表达进行差异分析，发现差异表达的ICGs具有较高的癌症特异性（图3A）。研究者认为在癌症样本中上调ICGs的数量越多，越适用于免疫治疗。另外，研究者观察到来自同一配体-受体对的ICGs在不同癌症中表现出相似的差异表达状态（图3B）。在超过50%的样本中，受体和配体表达正相关（图3C）。4.ICGs表达上调与免疫浸润程度较高和较好预后呈正相关研究者进一步对ICGs表达与TIMER中免疫浸润程度之间关联进行分析，分别对不同癌型及其匹配正常组织的免疫浸润程度进行比较（图4A）。不同类型免疫细胞浸润水平趋势相似（图4B），ICGs上调比例(ICG-score)与淋巴细胞浸润程度显著正相关（图4C）。ICGs与TIMER的特征基因没有重叠，表明上调ICGs与浸润淋巴细胞高水平之间的正相关并不是特征基因重叠造成的偏倚（图4C中韦恩图）。根据对病灶和癌旁的免疫浸润程度，将免疫浸润比例较高的样本归类为热免疫型肿瘤和较低的归为冷免疫型肿瘤（图4D）。另外，研究者还发现在BRCA等肿瘤样本中，淋巴浸润程度较高和较长的PFS相关（图4E）。图4. ICGs表达上调与免疫浸润程度较高和较好预后呈正相关接着，研究者根据ICGs表达中值将TCGA样本分成高免疫活性组和低免疫活性组（图5A）。在TCGA的pan-cancer和单独的BRCA等特异性癌型预后分析中，高ICGs评分与较长的PFS和OS有关（图5B-C）。5.基于ICGs的表达模型预测患者对CTLA-4和PD-1阻断药物免疫治疗的反应研究者首先基于排序算法选择在超过10个癌型中9个免疫相关信号（B-cell, CD4+ T-cell等）得分（基因高低表达组中免疫信号的FC值）一致的80个ICGs作为候选特征，进一步通过爬山算法构建出包含5个特征的logistics回归预测模型（图6A）。然后，通过预测胃癌和黑色素瘤患者对ICB治疗的反应来评估ICGe模型的性能。在六套ICB治疗数据集中，ICGe的AUCs从0.64到0.82。进一步通过与其他预测方法进行比较，研究者发现ICGe模型表现更为稳健和可靠（图6C）。今天的文章就是这些，是不是感觉很简单，但是内容丰富，完整又连贯呢？这篇文章的一个很大优点就在于其多种类型数据的合理应用，以及研究思路的严谨和连贯上。这种严谨，完整，连贯的科研思维也正是我们很多人欠缺的，所以在日常学习和研究中，同学们不要忘记养成良好的科研习惯，培养严谨的科研思维哦！
