文献解读:巨噬细胞基因特征预测预后的研究思路

今天笔者带来的是今年四月发表在ANNALS OF MEDICINE(IF=4.703)上的关于巨噬细胞基因特征预测乳腺癌预后的文章。尽管免疫疗法成为延长乳腺癌患者总生存期的有希望的治疗方法,但免疫疗法疗效和患者预后的生物标志物仍不确定。针对这个情况,作者对乳腺癌 scRNA-seq 数据进行了详细分析,确定了预后巨噬细胞标记基因,并进一步构建了巨噬细胞标记基因特征(MMGS)模型,并在独立验证集中验证了模型预测乳腺癌预后的效能。

结果一:巨噬细胞标记基因表达谱的鉴定和功能注释

根据筛选标准,对来自 6 个样品的总共 1205 个细胞进行了分析,以识别和表征细胞群。首先使用 1500 个基因通过PCA 降低数据的维度(Fig 1a)。之后,利用Seurat根据marker基因将细胞分为14个簇,cluster7 表达巨噬细胞特异的marker,因此被分为巨噬细胞(Fig 1b)。作者发现该簇具有不同的基因表达谱,其中一部分基因在 14 个簇之间差异表达(Fig 1c)。因此,作者找到了与乳腺癌相关的314个巨噬细胞标记基因。之后对这314个巨噬细胞标记基因分别进行GO(Fig2a)和KEGG(Fig2b)功能富集,结果发现巨噬细胞标记基因主要参与中性粒细胞活化、吞噬作用、巨噬细胞活化等过程(Fig2a)。KEGG通路富集表明巨噬细胞标记基因主要参与吞噬体通路、抗原加工呈递、补体和凝血级联反应等。

结论:识别出巨噬细胞标记基因,并对这些基因进行功能注释,发现巨噬细胞标记基因参与抗原加工呈递,巨噬细胞和中性粒细胞活化等生物学过程。

结果二:构建预后巨噬细胞标记基因特征

TCGA 数据作为训练集,对结果一中巨噬细胞标记基因的进行单因素Cox比例风险回归分析结果表明有10个巨噬细胞标记基因与OS显著相关,被定义为MMGS候选基因(Fig2c)。之后将这10个标记基因整合进入多因素Cox比例风险回归模型来确定最终的基因及其系数。最终,7个标记基因被包括在MMGS模型中(Fig2d)。用来预测预后的风险得分的公式:

MMGS risk score = SERPINA1expression*(-0.155) + CD74expression*0.222 + STX11expression * (-0.572) + ADAM9expression * 0.190+CD24expression *0.107+NFKBIAexpression * (-0.371) + PGK1expression * 0.360。7个标记基因在各个簇中的相对表达如Fig2e所示,与其他簇相比,巨噬细胞簇(簇7)中除CD24外的标记基因总体上相对较高。

计算 TCGA 队列中每位患者的 MMGS 风险评分(Fig 3a)。根据X-tile 软件生成的风险评分临界值 (2.8425)将患者分为高风险组和低风险组(Fig 3b)。高危组患者的 OS 明显短于低危组(Fig 3c)。时间依赖性 ROC 分析表明,训练集中该分类器的 3 年和 5 年 OS 的 AUC 分别为 0.662 和 0.701,表明 MMGS 在预测训练集的预后方面具有良好的敏感性和特异性(Fig 4a) 。MMGS 在训练集中一致性指数为 0.666(95%CI:0.609-0.723)。 

接下来,作者验证MMGS的效能,首先通过bootstrap方法进行内部验证(B=1000),预测模型的bootstrap验证的C-index为0.667(95% CI:0.589-0.745),表明该模型具有良好的区分能力。再利用GSE96058独立验证集合验证,计算每个患者的 MMGS 风险评分(Fig 3d),并根据相同的风险评分将患者分为高风险和低风险组(Fig 3e)。在验证集中,高风险组的 OS 明显短于低风险组(Fig 3f)。3 年和 5 年时间依赖性 ROC 的 AUC 分别为 0.646 和 0.599(Fig 4b)。验证集MMGS 的 C 指数为 0.618(95%CI:0.586–0.651)。

结论:构建并验证了预后巨噬细胞标记基因特征(MMGS)风险得分。

结果三:MMGS风险得分与临床特征的相关性

为了研究 MMGS 风险评分与临床病理因素(包括年龄、肿瘤大小、淋巴结状态、ER 状态、PR 状态、HER2 状态)的相关性。作者发现训练集中 ER 和 PR 阳性组的MMGS风险评分较低,而HER2 阳性组的MMGS风险评分较高(p<.001)(Fig 5)。在验证集中观察到相同的结果(Fig 6)。而 MMGS 风险评分与年龄、肿瘤大小、淋巴结状态的相关性在训练集和验证集中不一致(Fig 5 和 Fig 6)。之后,作者探讨了 MMGS 在不同亚组中的预后价值。在训练集中,除年龄(≥40 岁)和 HER2 阳性亚组外,具有不同临床病理因素的患者的高 MMGS 风险评分均与较差的生存率相关(Fig 7a)。在验证集中,MMGS 风险评分可有效预测激素受体阳性和 HER2 阴性组以及所有年龄和淋巴结状态组中患者的预后(Fig 7b)。作者最后利用单因素和多因素Cox风险回归探究了MMGS风险评分能够作为独立特征预测乳腺癌预后。

结论:探究了MMGS 风险评分与临床病理因素之间的相关性,并确定了MMGS 风险评分能够作为独立特征来预测乳腺癌预后。

结果四:MMGS基因表达与甲基化的关系

DNA甲基化能够影响基因表达,作者探究MMGS基因甲基化状态及其基因表达之间的关系。如Fig 7c所示,CD74 和 SERPINA1 启动子高甲基化与较低的基因表达显着相关(CD74,p<.001,cor=-0.532; SERPINA1,p<.001,cor=-0.429),而 STX11、ADAM9、 NFKBIA、PGK1 启动子高甲基化与基因表达无显着相关性。由于未获得 CD24 启动子甲基化数据,因此关系尚不清楚。

结论:CD74 SERPINA1 启动子高甲基化与其基因表达水平显著负相关。

笔者总结:

巨噬细胞作为乳腺癌免疫微环境的组成部分,在肿瘤的发生发展和治疗中发挥着复杂的作用。这篇文章旨在开发巨噬细胞标记基因特征 (MMGS)用于预测乳腺癌预后。该文章亮点在单细胞数据中寻找巨噬细胞标记基因,构建巨噬细胞标记基因(MMGS)模型。这为我们提供了一种思路:是不是可以找其他类型细胞的标记基因做研究。

文献解读

无创早期筛查晚期非小细胞肺癌患者对免疫检查点抑制剂治疗响应情况

2021-9-29 22:53:30

文献解读

文献精读 “永生细胞”或可促进癌症复发

2021-9-29 22:55:32

声明 本网站部分文章源于互联网,出于传递更多信息和学习之目的转载,并不保证内容正确或赞同其观点。
如转载稿涉及失效、版权等问题,请立即联系管理员;我们会予以修改、删除相关文章,请留言反馈
Notice: When your legal rights are being violated, please send an email to: [email protected]
0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索