掃碼聯(lián)系客服
免疫療法的出現(xiàn)為癌癥患者帶來了新的曙光，然而很多患者并沒有從免疫檢查點抑制劑的免疫療法中獲益。建立可靠的預后標志物，篩選可以獲益的亞群變得至關重要起來。今天小編和大家分享一篇2022年5月31日發(fā)表在Frontiers in Immunology（IF：7.561）上關于結直腸癌預后的文章，一起來看一下作者是如何結合免疫治療篩選預后標志物的吧！
Comprehensive Analysis of a Cancer-Immunity Cycle–Based Signature for Predicting Prognosis and Immunotherapy Response in Patients With Colorectal Cancer
基于癌癥-免疫循環(huán)特征的綜合分析預測結直腸癌患者的預后和免疫治療應答
一、摘要
免疫檢查點阻斷（ICB）已被公認為是治療結直腸癌（CRC）的一種有前途的免疫療法；然而，大多數(shù)患者幾乎沒有或沒有臨床益處。本研究旨在開發(fā)一種新的基于癌癥免疫循環(huán)的特征，以對CRC患者的預后進行分層并預測免疫治療的療效。來自TCGA的CRC樣本被用作訓練集，而來自GEO的RNA數(shù)據和來自配對冷凍組織的實時定量PCR數(shù)據被用于驗證。作者建立了CRC中癌癥免疫循環(huán)相關基因特征的LASSO-COX 回歸模型。得分低的患者比得分高的患者預后更好。并且該特征是一個獨立預后因素，為了提高個體患者的預后分類和預測準確性繪制了列線圖。綜合結果顯示，低風險患者表現(xiàn)出更高程度的免疫浸潤、更高的免疫反應表型、更強的免疫檢查點相關基因表達以及對ICB治療的更好反應。此外，風險模型與對多種化療藥物的反應密切相關（圖1）。
二、結果
基于癌癥免疫循環(huán)構建CRC患者的特征
對TCGA 隊列中174個癌癥免疫循環(huán)相關基因進行LASSO和多變量COX分析，以建立評估CRC患者預后的最佳風險特征。有13個癌癥-免疫循環(huán)相關基因具有最佳λ值（圖2A）。根據使用風險公式生成的中位風險評分值將患者分為低風險和高風險類別。在高風險組中觀察到更多的死亡事件，這表明低風險患者的臨床結果優(yōu)于高風險患者（圖2B）。針對13個癌癥-免疫循環(huán)相關基因進行單因素COX回歸分析，其中有4個是保護因素，1個風險危險因素（圖2C），并繪制基因表達熱圖（圖2D）。臨床病理學特征與風險特征相關性分析顯示，在TCGA隊列中，臨床IV期、CMS4 和晚期TNM分期的CRC患者風險評分較高，具有晚期臨床階段和CMS4的患者在GSE39582和GSE37892中表現(xiàn)出顯著更高的風險評分（圖2E）。在訓練集和驗證組中，患者在存活/死亡狀態(tài)、臨床分期和CMS亞型方面的分布在低風險組和高風險組之間顯示出顯著差異（圖2F）。
基于癌癥免疫循環(huán)的特征的預后意義
TCGA和兩個GEO數(shù)據集中的KM生存曲線顯示高風險組患者的生存率低于低風險組患者（圖3A）。ROC分析，風險特征在訓練集和兩個外部驗證組中具有相對較高的AUC值，表明預測準確性良好（圖3B）。COX分析結果證實，臨床分期和風險評分是預測OS和PFS的獨立風險因素（圖3C）。通過單因素COX回歸分析，在13個候選基因中，篩選出5個癌癥免疫循環(huán)相關基因與生存結果顯著相關。為了進一步驗證基于13個癌癥免疫循環(huán)相關基因的風險模型，作者使用由5個基因組成的另一個風險模型，通過ROC曲線分析來評估CRC的預后價值。結果分析表明，13個癌癥-免疫循環(huán)相關基因的風險模型更加準確（圖4）。
建立并驗證結合臨床特征的列線圖
為了使基于癌癥免疫循環(huán)的風險特征在臨床上更具適用性和可用性，構建預后列線圖（圖5A）。TCGA 隊列中3年OS、3年PFS和5年PFS預測的校準曲線接近最佳性能，表明列線圖的預測準確性；GSE39582組中三年和五年OS的預測概率與實際OS非常一致，三年和五年RFS預測結果一致（圖5B）。ROC分析也用于評估列線圖的預測準確性。結果顯示，在訓練集和驗證集中OS、PFS和RFS 列線圖的預測AUC值均高于風險評分或臨床階段（圖5C）。這些結果表明，基于癌癥免疫循環(huán)的特征風險評分的列線圖對于預測CRC患者的生存率更加可靠準確。
基于癌癥免疫循環(huán)的特征的功能富集分析
為了研究導致按風險特征分層的不同結果的潛在機制，進行富集分析?；鹕綀D展示了TCGA隊列中低風險和高風險亞組之間的1794個DEG（圖6A）。低風險亞組中最顯著改變的是那些涉及細胞因子-細胞因子受體相互作用等通路；而，高風險評分的患者主要集中在腫瘤相關通路（圖6B）。GSEA顯示參與干擾素γ/α反應和炎癥反應的基因組在低?；颊咧芯奂谝黄穑淮龠M腫瘤進展的信號通路則在高?；颊咧姓贾鲗У匚唬▓D6C）低風險患者的許多生物學功能主要與免疫相關的生物學過程和炎癥反應相關（圖6D）?；诎┌Y免疫循環(huán)的特征的免疫學和炎癥特征得到了明確證明，并且使用這些結果有力地驗證了這種風險特征用于評估CRC患者預后的潛在機制。
基于癌癥免疫循環(huán)特征的免疫微環(huán)境和特征分析
由于風險特征與免疫相關生物學通路之間的緊密相關性，作者進一步研究了風險評分與腫瘤浸潤性免疫細胞之間的聯(lián)系。首先，使用ESTIMATE算法來量化TCGA隊列的整體浸潤性免疫細胞。結果表明，低風險組表現(xiàn)出較高的免疫評分，表明TME中免疫細胞浸潤顯著增加，風險評分較低（圖7A）。使用EPIC算法分析發(fā)現(xiàn)，低風險亞組的CD8+ T細胞等比例較高，而癌癥相關成纖維細胞 (CAF) 在高風險患者中顯著增加（圖7B）。此外，使用MCP-counter算法，低風險組的T細胞等細胞更豐富，而CAF的比例較低（圖7C）。為了驗證上述發(fā)現(xiàn)，進行了ssGSEA分析，結果顯示低風險組的抗腫瘤免疫細胞明顯高于高風險組（圖7D），表明低風險組的免疫反應更活躍。此外，使用免疫相關基因的聚類分析研究了兩個亞組中的免疫微環(huán)境。免疫檢查點在低風險患者中顯著上調，在低風險患者中也觀察到細胞毒性分子和 MHC家族基因的類似趨勢（圖7E）。分析表明，風險評分與免疫檢查點、刺激性免疫因子、細胞毒性分子和 MHC家族基因的表達呈負相關（圖7F）。在本研究中，揭示了低風險和高風險群體之間內在腫瘤免疫原性和預期免疫治療反應的巨大差異。
基于癌癥免疫循環(huán)的特征與免疫治療反應之間的關系
研究表明實體瘤中的體細胞突變與免疫治療密切相關，接下來探究不同風險亞組的突變情況。在來自TCGA-COAD的高低風險患者中評估了體細胞突變的分布（圖8A）。TCGA-COAD 中排名前10的突變基因的突變頻率在低風險和高風險類別之間除了ZFHX4均沒有顯著差異（圖8B）。此外，風險評分與CRC患者的體細胞突變或新抗原數(shù)量沒有顯著相關性（圖8C）。為了進一步探討風險特征是否可能在免疫治療反應中發(fā)揮作用，作者分析了關鍵免疫檢查點表達的差異。結果表明，PD-1、PD-L1、PD-L2、CTLA4、TIGIT和 LAG3在低風險組中高表達（圖8D）。與高風險患者相比，低風險組的CRC患者TIDE評分較低，但MSI評分較高（圖8E）。根據TIDE算法，ICB無應答的CRC患者風險評分顯著升高（圖8F），而與TCGA 隊列中低風險組具有顯著的治療優(yōu)勢和對免疫治療的臨床反應（圖8G)。此外，免疫治療隊列 IMvigor210也被用于研究風險特征是否可以預測患者對抗PD-L1治療的反應。在IMvigor210驗證隊列中，低風險患者的 PD-1、PD-L1 和 CTLA4 表達更高（圖8H），并且比高風險患者對抗PD-L1治療更敏感（圖8I）。同時，與完全緩解 (CR) 或部分緩解 (PR) 患者相比，疾病進展 (PD)患者的風險評分顯著增加（圖8J）。較低的風險評分與炎癥免疫表型顯著相關（圖8K），而高風險患者的排斥和沙漠免疫表型比例顯著高于低風險患者（圖8L）。這些結果表明，基于癌癥免疫循環(huán)的特征能夠識別可能從ICB中受益的低風險患者。
在獨立隊列中驗證基于癌癥-免疫循環(huán)的簽名
為了確認風險特征的臨床意義，進行了RT-qPCR 以檢查45對CRC腫瘤組織和相應的正常組織中相關基因的表達。熱圖顯示了冷凍組織樣本中13個癌癥免疫循環(huán)相關基因的表達水平（圖9A）。使用風險公式，CRC患者根據他們的中位風險評分分為兩個亞組。屬于T3或N1+2的CRC患者的風險評分分別高于T2 或N0的患者（圖9B）。風險評分還與腫瘤分級和淋巴結轉移顯著相關（圖9C）。高風險患者的免疫抑制分子水平較高，低風險組的免疫刺激基因高表達（圖9D）。此外，還進行了相關性分析，發(fā)現(xiàn)風險評分與免疫抑制劑分子顯著正相關（圖9E）。
基于癌癥免疫循環(huán)的特征與藥物敏感性之間的相關性分析
為了評估風險特征在臨床治療中的有用性，分析低風險和高風險患者的化療藥物敏感性（圖10）。低風險人群可能對常見的化療藥物和分子靶向藥物更敏感。風險特征可以在一定程度上預測CRC患者的藥物敏感性。
總結
文章到這里就要結束了，預后分析以及免疫療法都是近期研究的熱點方向，生信人平臺也一直關注著這個領域。這篇文章總體來說是一個不錯的預后分析思路，值得新手借鑒，對預后分析感興趣的小伙伴千萬不要錯過了，趕緊行動起來吧！
