Comprehensive analyses of tumor immunity: implications for cancer immunotherapy
Li et al. Genome Biology (2016) 17:174
DOI 10.1186/s13059-016-1028-7
一、评估肿瘤免疫浸润
评估6种免疫浸润细胞:(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)
数据:TCGA 23个癌型的SNP数据,GDAC基因表达数据(TPM)
参考数据集:HPCA,基因表达数据
特征基因:In Silico database,免疫细胞系过表达基因
方法:
(1)23 TCGA癌型SNP数据,R包 CHAT,肿瘤纯度评估(非整倍体细胞所占比例)
(2)ComBat 对数据集HPCA移除批次效应
(3)识别表达值与肿瘤纯度负相关的基因(基因的表达在肿瘤微环境中的基质细胞) ,即癌型特异免疫浸润相关基因(Pearson’s r ≤ −0.2 and P value ≤ 0.05)
(4)富集到免疫特征
(5)最小二乘拟合方法优化,根据免疫特征基因来推断6种免疫细胞的丰度
文章是如何将免疫浸润与基因表达联系的呢?
肿瘤免疫浸润程度高→非整倍体细胞少→肿瘤纯度低→免疫特征Genes高表达
二、肿瘤免疫浸润与临床关联
a: 肿瘤组织与癌旁/正常组织免疫细胞丰度比较
b:B cell 高低浸润可区分预后:高浸润,预后好
a: 多因素COX回归:识别各癌型中与预后相关的免疫浸润细胞类型
b: CD8 T细胞的浸润程度能区分SKCM和HNSC预后
c: CD8 T细胞有阻止肿瘤复发的作用
SKCM:转移样本,COAD,READ,CESC:原发样本
三、免疫浸润异质性的潜在因素
探究免疫系统对体细胞突变如何应答。a:免疫细胞丰度与体细胞突变正相关的一些癌型。
微卫星不稳定(MSI)会生成基因组的小插入。b: CD8 T细胞在MSI-high 组丰度高。
探究免疫浸润相关的调控情况。c/d:趋化因子(绿色点)及受体(紫色点)的互作网络,彩色的点表示在该癌型中,与CD8 T/巨噬细胞的浸润与主要的趋化因子(微环境中表达值)显著相关。
分析表明,免疫浸润的肿瘤间异质性可能是由肿瘤遗传变异以及趋化因子/受体网络的疾病特异性表达模式引起的。
四、对免疫治疗靶点的影响
研究涉及109个与免疫组成相关的癌基因。MAGEA3是一个已知抗原,但和非小细胞肺癌预后无关。在TCGA肺腺癌中不表达,但在肺鳞状细胞癌中表达但是却和CD8 T细胞浸润负相关(a,b),可能的解释是肺癌患者的免疫系统没有将MAGEA3识别为抗原。临床试验证明MAGEA3在黑色素瘤中应用很成功,同样在SKCM中MAGEA3与CD8 T细胞浸润显著正相关(c)
小编总结:
这篇文章通过对肿瘤免疫浸润的评估,识别免疫浸润相关特征基因,推断与免疫浸润相关的临床特征,探究肿瘤免疫浸润异质性的潜在遗传变异因素,通过靶点预测免疫浸润的肿瘤的用药,整体看下来是不是很简单呢~