掃碼聯(lián)系客服
如何利用免疫治療數(shù)據(jù)來(lái)構(gòu)建預(yù)后模型？
最近關(guān)于預(yù)后模型的文章層出不窮，如何從免疫治療數(shù)據(jù)出發(fā)，建立可靠的預(yù)后標(biāo)志物很重要。今天給大家分享一篇2022年1月20日發(fā)表在Aging（IF=5.955）上的文章，通過(guò)探索免疫相關(guān)的特征來(lái)預(yù)測(cè)結(jié)腸癌患者的免疫治療反應(yīng)性、預(yù)后和診斷。
一 研究背景
結(jié)腸癌是世界上死亡率最高的惡性腫瘤之一，目前在腫瘤篩查、早期診斷和治療方面有所進(jìn)展，但結(jié)腸癌的預(yù)后依然有很多挑戰(zhàn)。近年來(lái)，越來(lái)越多的研究探討了腫瘤免疫微環(huán)境的功能，它可能在腫瘤發(fā)生中發(fā)揮重要作用。此外，許多研究已經(jīng)確定了腫瘤微環(huán)境中的免疫相關(guān)特征，用于預(yù)測(cè)各種癌癥的預(yù)后，包括結(jié)腸癌。
免疫治療，尤其是免疫檢查點(diǎn)抑制劑（ICI），主要是利用宿主的免疫系統(tǒng)來(lái)對(duì)抗腫瘤的發(fā)展和轉(zhuǎn)移，達(dá)到控制和消除腫瘤的目的，這對(duì)結(jié)腸癌的治療起到了革命性的作用。然而，對(duì)ICI的反應(yīng)率很少超過(guò)20%，這取決于幾個(gè)關(guān)鍵因素，包括突變負(fù)荷、腫瘤浸潤(rùn)淋巴細(xì)胞和調(diào)節(jié)檢查點(diǎn)受體。然而，用于預(yù)測(cè)結(jié)腸癌患者免疫治療反應(yīng)性的分子標(biāo)志物的研究是有限的。
因此，探索有效的新型分子標(biāo)志物來(lái)預(yù)測(cè)結(jié)腸癌患者的免疫治療反應(yīng)性、預(yù)后和診斷至關(guān)重要。本研究重點(diǎn)關(guān)注在抗PD-L1隊(duì)列中發(fā)現(xiàn)的免疫相關(guān)特征，并系統(tǒng)地探討了它們?cè)陬A(yù)測(cè)結(jié)腸癌患者的預(yù)后、免疫治療反應(yīng)性和診斷方面的表現(xiàn)。首先，利用edgeR軟件包，通過(guò)比較抗PD-L1隊(duì)列中的應(yīng)答者和非應(yīng)答者，確定了免疫治療反應(yīng)相關(guān)的差異表達(dá)基因（DEGs）。然后，將免疫治療反應(yīng)相關(guān)的DEGs與免疫相關(guān)基因（IRGs）相交，得到免疫治療反應(yīng)和免疫相關(guān)基因（immune-related genes , IRIGs）。然后，基于癌癥基因組圖譜（TCGA）數(shù)據(jù)庫(kù)中的COAD隊(duì)列，利用單變量Cox回歸分析和多變量Cox回歸分析構(gòu)建了由6個(gè)IRIGs組成的免疫治療反應(yīng)和免疫相關(guān)風(fēng)險(xiǎn)評(píng)分（IRIRScore）模型，并在兩個(gè)獨(dú)立的基因表達(dá)數(shù)據(jù)庫(kù)（GEO）數(shù)據(jù)集（GSE39582和GSE17536）和抗PD-L1隊(duì)列中進(jìn)一步驗(yàn)證。此外，免疫相關(guān)的特征被應(yīng)用于使用隨機(jī)森林算法建立預(yù)測(cè)模型。其中，TDGF1和NRG1顯示出優(yōu)秀的診斷預(yù)測(cè)性能（AUC>0.8）?？傊?，目前的研究結(jié)果為免疫相關(guān)的免疫治療反應(yīng)性、預(yù)后和結(jié)腸癌的診斷提供了新的見(jiàn)解。圖1顯示了本研究的整個(gè)分析流程。表1展示了抗PD-L1數(shù)據(jù)集的詳細(xì)信息。
二 主要結(jié)果
識(shí)別IRIGs
通過(guò)比較抗PD-L1隊(duì)列中的應(yīng)答者和非應(yīng)答者，作者發(fā)現(xiàn)了1323個(gè)免疫治療反應(yīng)相關(guān)的DEGs（634個(gè)上調(diào)，689個(gè)下調(diào)）（圖2A。與1509個(gè)免疫相關(guān)基因（IRG）交叉后，得到108個(gè)IRIGs（圖2B）。KEGG分析結(jié)果顯示，IRIGs在細(xì)胞因子-細(xì)胞因子受體相互作用、神經(jīng)活性配體-受體相互作用、JAK-STAT信號(hào)通路、cAMP信號(hào)通路、PI3K-Akt信號(hào)通路等相關(guān)功能上明顯富集（圖2C）。此外，GO富集分析表明，IRIGs富集到與激素相關(guān)的功能，包括體液免疫反應(yīng)、抗微生物體液反應(yīng)、激素分泌調(diào)節(jié)和激素運(yùn)輸（圖2D）。
建立免疫相關(guān)預(yù)后模型
作者探索了結(jié)腸癌患者的有效預(yù)后特征?；谟?xùn)練數(shù)據(jù)集，對(duì)IRIGs進(jìn)行了單變量和多變量的Cox回歸分析，發(fā)現(xiàn)6個(gè)基因與整體生存狀態(tài)顯著相關(guān)（表2）。
各項(xiàng)預(yù)后指標(biāo)的系數(shù)和危險(xiǎn)比（HR）分別顯示在圖2E和,2F。TDGF1、IL13RA2和NRG1是保護(hù)因素（HR<1），而CRLF1、GRP和IL20RB是風(fēng)險(xiǎn)因素（HR>1）。然后，計(jì)算每個(gè)病人的IRIRScore。圖2G的散點(diǎn)圖顯示，低風(fēng)險(xiǎn)組患者的生存時(shí)間比高風(fēng)險(xiǎn)組長(zhǎng)，這也得到了圖2H的明顯支持（P < 0.0001）。圖2G的熱圖顯示，危險(xiǎn)因素在低危組的表達(dá)量低，在高危組的表達(dá)量高，而保護(hù)因素的趨勢(shì)則相反。IRIRScore模型在3、4、5年的OS的AUC分別為0.659、0.677和0.653（圖2I）。腫瘤尺寸較大的患者比腫瘤尺寸小的患者產(chǎn)生更高的IRIRScore（Kruskal-Wallis檢驗(yàn)，P = 3.9e-6，圖3A）。有轉(zhuǎn)移的患者的IRIRScore高于無(wú)轉(zhuǎn)移的患者（Kruskal-Wallis檢驗(yàn)，P = 0.012，圖3B）。有更多的遠(yuǎn)處或更多的淋巴結(jié)參與的患者，其IRIRScore更高（Kruskal-Wallis檢驗(yàn)，P = 3.2e-5，圖3C）。晚期患者的IRIRScore高于早期患者（Kruskal-Wallis檢驗(yàn)，P = 0.00016，圖3D）。圖3E顯示，IRIRScore較高的患者產(chǎn)生的微衛(wèi)星狀態(tài)更不穩(wěn)定（Kruskal-Wallis檢驗(yàn)，P = 0.015，圖3E）。
在預(yù)測(cè)預(yù)后和免疫治療反應(yīng)方面驗(yàn)證和評(píng)估已識(shí)別的免疫相關(guān)特征
為了驗(yàn)證所確定的免疫相關(guān)簽名是否適用于不同的隊(duì)列，在兩個(gè)獨(dú)立的GEO數(shù)據(jù)集（GSE39582和GSE17536）中，基于訓(xùn)練數(shù)據(jù)集的相同方法計(jì)算每個(gè)患者的IRIRScore?；跍y(cè)試數(shù)據(jù)集，高危組患者的OS率明顯低于低危組?；贕SE39582的檢測(cè)數(shù)據(jù)，Kruskal-Wallis檢驗(yàn)顯示，較高的IRIRScore與較高的T期（P = 0.00038）、轉(zhuǎn)移（P = 0.011）、N期（P = 0.0015）和晚期病理階段（P = 0.021）有關(guān)。此外，基于抗PD-L1隊(duì)列，作者發(fā)現(xiàn)對(duì)免疫療法敏感的患者的風(fēng)險(xiǎn)評(píng)分明顯低于非反應(yīng)者，表明反應(yīng)者的OS將比非反應(yīng)者更好。
列線圖的構(gòu)建和驗(yàn)證
為了提高IRIRScore模型性能的準(zhǔn)確性，并為預(yù)測(cè)結(jié)腸癌患者3、4、5年的OS概率提供一種定量和可視化的方法，作者構(gòu)建了一個(gè)預(yù)后列線圖。在列線圖中，很容易估算出每個(gè)變量在積分制上的得分，并計(jì)算出3、4、5年后的生存概率（圖3F）。與其他變量相比，IRIRScore的得分點(diǎn)最高。森林圖顯示，包括年齡（>60歲）、晚期病理階段（III和IV）和IRIRScore在內(nèi)的變量與OS明顯相關(guān)（P<0.05，圖3G），但微衛(wèi)星狀態(tài)、StromalScore和ImmuneScore則沒(méi)有（P>0.05）。為了驗(yàn)證提名圖的預(yù)測(cè)性能，作者繪制了校準(zhǔn)曲線，觀察到預(yù)測(cè)曲線接近于理想曲線（圖3H-3J）。此外，提名圖的預(yù)測(cè)準(zhǔn)確性（C-指數(shù)）已從0.63大幅提高到0.75，表明模型的功能良好。
探索潛在的免疫治療相關(guān)簽名
作者使用CIBERSORT方法估計(jì)了訓(xùn)練數(shù)據(jù)集中結(jié)腸癌患者22種免疫細(xì)胞的比例。隨后，使用Kruskal-Wallis檢驗(yàn)比較了高危組和低危組之間的免疫細(xì)胞類(lèi)型的組成。此外，在T細(xì)胞CD8、T細(xì)胞CD4記憶靜止、T細(xì)胞CD4記憶激活、T細(xì)胞濾泡輔助、T細(xì)胞調(diào)節(jié)（Tregs）和嗜酸性粒細(xì)胞中發(fā)現(xiàn)了明顯的差異（P < 0.01，圖4A）。Kaplan-Meier曲線顯示，高水平的T細(xì)胞調(diào)節(jié)性（Tregs）與不良的OS顯著相關(guān)（P = 0.029，圖4C），而高水平的T細(xì)胞CD4記憶靜止與更好的OS顯著相關(guān)（P = 0.0071，圖4B）。22種腫瘤浸潤(rùn)性免疫細(xì)胞中有10種與IRIRScore明顯相關(guān)（P＜0.05）。其中，T細(xì)胞調(diào)節(jié)性（Tregs）、嗜酸性粒細(xì)胞、巨噬細(xì)胞M1、T細(xì)胞濾泡助手、T細(xì)胞CD8和巨噬細(xì)胞M2與IRIRScore呈正相關(guān)，而樹(shù)突狀細(xì)胞激活、漿細(xì)胞、T細(xì)胞CD4記憶激活和T細(xì)胞CD4記憶休息與IRIRScore呈負(fù)相關(guān)。
作者接下來(lái)使用maftools R軟件包對(duì)高危組和低危組的突變情況進(jìn)行了繪制和比較。前20個(gè)明顯突變的基因是APC、TP53、TTN、KRAS、SYNE1、MUC16、PIK3CA、FAT4、RYR2、OBSCN、ZFHX4、DNAH5、PCLO、CSMD3、ABCA13、DNAH11、LRP1B、FAT3、USH2A和CSMD1（圖4D）。其中，APC的突變率在低風(fēng)險(xiǎn)組明顯較高（P = 0.000716，圖4E），而MUC16的突變率在高風(fēng)險(xiǎn)組明顯較高（P = 0.0154，圖4E）。然而，APC或MUC16的突變狀態(tài)與患者的OS沒(méi)有明顯關(guān)聯(lián)（圖4F）。此外，作者還計(jì)算了每個(gè)樣本的TMB值，并將其可視化（高危組的中值：2.66/MB；低危組的中值：2/MB，圖4G）。如圖4H所示，高危組患者的TMB值明顯高于低危組患者（P = 0.00031）。此外，應(yīng)用Wilcoxon檢驗(yàn)對(duì)兩組之間的免疫檢查點(diǎn)抑制劑靶點(diǎn)的表達(dá)進(jìn)行統(tǒng)計(jì)學(xué)比較。結(jié)果發(fā)現(xiàn)，高危組的表達(dá)水平明顯較高（P < 0.001，圖5）。
識(shí)別的IRIGs作為潛在的診斷生物標(biāo)志物
作者發(fā)現(xiàn)6個(gè)IRIGs中的5個(gè)在腫瘤和正常樣本之間有明顯的差異表達(dá)（P < 0.05，圖6A）。其中，TDGF1和GRP在腫瘤樣本中上調(diào)，而NRG1、CRLF1和IL20RB在腫瘤樣本中下調(diào)。用RF算法建立預(yù)測(cè)模型，用ggroc R軟件包計(jì)算并繪制每個(gè)IRIG的AUC（IL13RA2：0.579；TDGF1：0.813；NRG1：0.933；CRLF1：0.795；IL20RB：0.625；GRP：0.724，圖6B）。其中，TDGF1和NRG1顯示出優(yōu)秀的診斷預(yù)測(cè)性能（AUC>0.8）。圖6C-6F顯示了CRLF1、NRG1在蛋白水平上的分布和表達(dá)。
三. 總結(jié)
在這項(xiàng)研究中，作者首先利用免疫治療數(shù)據(jù)識(shí)別出一些癌癥預(yù)后相關(guān)的免疫分子特征，以預(yù)測(cè)結(jié)腸癌的免疫治療反應(yīng)性、預(yù)后和診斷，并在多個(gè)隊(duì)列中驗(yàn)證了所發(fā)現(xiàn)的預(yù)測(cè)預(yù)后和TNM分期的免疫相關(guān)特征。總體來(lái)說(shuō)，這篇文章是一個(gè)不錯(cuò)的預(yù)后分析思路，值得大家借鑒！
參考文獻(xiàn)
Cao L, Ba Y, Yang J, Zhang H. Exploring immune-related signatures for predicting immunotherapeutic responsiveness, prognosis, and diagnosis of patients with colon cancer. Aging (Albany NY). 2022 Jun 20;14(12):5131-5152. doi: 10.18632/aging.204134. Epub 2022 Jun 20. PMID: 35748788; PMCID: PMC9271306.
