文献解读:突变+免疫基因+免疫微环境胶质瘤预后

今天跟大家分享的是十月份发表在frontiers in Oncology杂志上的一篇文章，是关于胶质瘤突变+免疫基因+免疫微环境预后特征，感兴趣的小伙伴要仔细研读咯！

 

Development and Validation of an IDH1-Associated Immune Prognostic Signature for Diffuse Lower-Grade Glioma

在低阶胶质瘤中开发及验证一个IDH1相关的免疫预后特征

一．主要内容展示

1. 识别差异表达的免疫基因

在低阶胶质瘤LGGs中，IDH1突变是最常见的突变类型(图1A)。作者基于DESeq2算法，在IDH1wt和IDH1mut患者中发现了984个差异表达基因，其中上调基因883个，下调基因101个(图1B,C)。从这组基因中，作者在ImmPort数据库选择了88个DEIGs进行进一步分析(图1D)。如图2A-C展示了DEIGs主要富集的信号通路。

图1 识别IDH1相关的免疫基因

 

 图2 DEIGs功能富集

 

2. 构建免疫预后特征

作者考虑到IDH1wt和IDH1mut患者免疫基因表达的差异，通过Kaplan-Meier分析评估DEIGs的预后价值。首先进行了Log-rank检验，结果显示68个DEIGs与预后相关。对CGGA数据集使用交叉验证，发现41个DEIGs基因表达与OS存在显著相关性。然后，进行LASSO Cox分析，选择具有最佳预后价值的基因，并在TCGA队列中建立IPS(图3A,B)。计算每个样本的风险评分(图3C)。然后将TCGA队列中的患者根据风险得分分配到高风险组或低风险组。Kaplan-Meier分析表明，高危评分的患者预后较差(图3D)。风险评分分布和基因表达模式如图3E所示。TCGA队列中IPS的时间依赖性ROC曲线分析显示，OS具有良好的预后能力(图3F)。

图3 构建和验证免疫预后特征

 

3. 验证免疫预后特征

为了确认IPS具有可靠的预后价值，作者将相同的公式应用于CGGA队列，其中包括172例低级别胶质瘤患者。根据相应队列的cut–off值，将患者分为高危组和低危组。与TCGA数据的结果一致，高风险得分患者的OS明显低于低风险得分患者(图3G)。风险评分分布及基因表达模式见图3H。时间依赖的ROC分析也显示IPS具有较高的敏感性和特异性(图3I)。1年、3年和5年OS的AUC分别为0.85、0.87和0.87，表明IPS对低级别瘤变患者具有较高的预测价值。

 

4. 分层分析

作者进行了分层分析，以确定IPS的预测能力是否在不同的亚组中保持稳定。如图4A,B所示，无论是IDH1wt还是IDH1mut亚型，高危组患者的生存率均低于低危组患者。作者还证明IPS仍然是预测II级或III级肿瘤患者、年轻或年老患者、男性或女性患者OS的一个强有力的标记(图4C H)。随后，作者试图确定临床病理特征在低、高危人群中的分布差异。风险评分在分层患者中分布不同，以验证其与IPS的相关性。III级肿瘤或年龄更大的患者风险更高(图4I,J)。然而，风险评分和性别之间没有联系(图4K)。

图4 分层分析

 

5. 高风险表明增强的局部免疫表型

考虑到预后的差异，作者使用RNA-seq数据研究了风险组之间的差异。基于组成IPS的基因，进行了PCA分析，发现高或低风险组的患者呈离散方向分布，显示了免疫表型的差异(图5A)。然后在高、低风险组之间进行GSEA，发现更多的免疫相关的生物学过程在高风险组中显著富集，表明高风险得分展示了增强的免疫表型(图5B,C)。 

图5 TCGA高、低风险组间免疫表型的差异

 

6. Timer数据库分析和免疫检查点分析

免疫浸润景观的刻画对于探索免疫微环境的状态和研究肿瘤与免疫的相互作用具有重要意义。作者使用TIMER工具来识别IPS和浸润免疫细胞之间的潜在关系，包括B细胞、CD4+ T细胞、CD8+ T细胞、中性粒细胞、巨噬细胞和树突状细胞。如图6A所示，肿瘤浸润免疫细胞与IPS具有很强的正相关性。高危组患者浸润B细胞、CD4+ T细胞、CD8+ T细胞、中性粒细胞、巨噬细胞、树突状细胞比例明显高于低危组（图6B)。免疫检查点因其在免疫调节中的重要作用而成为研究的主题，而免疫检查点阻断疗法是治疗癌症的良好策略。因此，作者研究了IPS与关键免疫检查点PD-1、CTLA-4、lag3、TIM- 3、TIGIT表达的关系。发现，风险评分与PD-1、CTLA-4、TIM-3、TIGIT表达呈正相关(图6C)。高危组中CTLA-4、PD-1、TIM-3表达水平较高(图6D)。

图6  IPS与浸润免疫细胞比例和免疫检查点的相关性

 

7. 高、低风险组DEIGs预后功能的注释

作者在CGGA数据中验证了41个与得分相关的风险基因。这些基因在高、低风险患者中差异表达(图7A)。与88个 DEIGs基因富集分析结果相似,这些预后风险得分相关基因主要富集在调节信号受体活性等通路(图7 B-D)。因此，这些数据提供了一个更深层次的IPS生物学效能的理解。

图7 风险得分相关基因的功能富集分析

 

8. IPS是低级别胶质瘤患者OS的独立预测指标

为了检验IPS是否是低级别胶质瘤患者的独立预后因素，作者首先应用单变量Cox分析，发现IPS与OS显著相关。通过调整现有的临床病理变量，多变量Cox分析显示，在TCGA队列中，IPS能够作为一个独立的预后因素。此外，在CGGA队列中也发现了相同的结果，表明IPS在预测低级别胶质瘤生存中具有独立的作用(图8)。

图8.构建以及验证nomogram模型

 

9. 基于IPS的Nomogram模型的建立与验证

为了提供一种可用于评估低级别胶质瘤患者OS的临床相关定量方法，作者开发了nomogram模型，在该模型中，IPS综合了两个独立的预后因素(年龄和等级;图8B)。C-index值表明nomogram模型具有良好的识别能力(TCGA: C-index 0.839;CGGA: C-index：0.811)。在TCGA(图8C)和CGGA组(图8D)中，观测到的1年、3年和5年OS与预测校准图显示了极好的一致性。然后，作者使用时间相关的ROC曲线分析来比较nomogram模型和包括IPS、年龄和等级在内的个体预测因子之间的预测准确性(图8E,F)。nomogram模型显示3年和5年OS的预后准确性更高，AUC更大。最后，作者尝试通过DCA来确定nomogram模型的临床效益和相应的应用范围。与IPS、年龄和肿瘤分级相比，nomogram模式显示了最佳的临床效用(3年OS:图8G;5年OS:图8H)。

 

二．结论

在低阶胶质瘤中，作者使用差异表达，COX分析，log-rank检验等生物信息学方法开发并验证了胶质瘤中IDH相关的免疫预后特征，IPS是一种具有临床应用前景的生物标志物，可用于将低级别瘤变患者分为具有不同预后和免疫表型的亚组，具有促进个体化治疗和改善预后的潜力。这也为从免疫学角度阐明IDH1突变对预后的影响机制提供了新的思路。