当免疫遇上大样本多组学

01

首先跟大家说一下这边文章主要回答的是什么问题？

主要想研究TNBC微环境的异质性表型是否存在以及是什么基因组事件导致了这种事情的发生，作者收集了386个TNBC病人样本，这个也是目前最大的单中心的TNBC队列样本，样本量大也是文章的一个发点。

整篇文章的workflow如下：主要包括三部分。首先构建微环境细胞群和聚类，接着是分析外部和内在免疫逃逸机制，最后是基因组驱动事件识别。

02

微环境细胞类型聚类

作者对复旦大学肿瘤中心的病人进行收集，一共收集386个病人样本，分别进行了RNAseq，全外显子测序，HTA 芯片数据，组织芯片数据，CNV检测等，接着作者构建了微环境相关的基因集，这些基因集与特定的微环境细胞类型相关，通过整合CIBERSORT和MCP-Counter以及相关研究，最后能代表着24个微环境细胞类型的364个基因被筛选出来，作者继续采用ssGSEA（GSVA包实现）来计算每一个细胞类型的丰度，紧接着作者做了一个K-means聚类，最后被聚成了3类（Cluster 1, the “immune-desert” cluster ；Cluster 2, the “innate immune-inactivated” cluster；Cluster 3, the “immune-inflamed” cluster），接着所有的分析都是基于不同clusters之间的比较：

03

验证微环境聚类结果

作者通过基质肿瘤浸润淋巴细胞和瘤内肿瘤浸润淋巴细胞以及CD8+细胞，考察其在不同clusters之间的丰度，同时也分析了其他的免疫相关的signature在我们不同clusters之间的分布，以及TNBC固有的亚型的分布。

接着作者也采用了外部数据验证，外部数据作者采用TCGA和METABRIC数据集，这两个数据下载均是从cbioportal下载。

04

微环境细胞类型的预后意义

作者考虑到肿瘤微环境对病人预后的影响，就考察了微环境的cluster和临床的相关性，发现cluster3相较于其他cluster有较好的预后价值，RFS和OS较高，多变量cox分析也证明了其是一个独立预后因子，同时发现浸润程度越高，其相应的预后就越高，另外METABRIC数据集也证明了类似的结果。

05

潜在的外源性免疫逃逸机制探索

TNBC微环境表型的异质性引出TNBC的不同cluster是否具有独特的肿瘤免疫逃逸机制。作者首先研究了外源性免疫逃逸机制。外源性免疫逃逸机制包括四个主要方面：缺乏免疫细胞，存在免疫抑制细胞，高浓度的免疫抑制细胞因子以及纤维化。结果发现无法吸引先天免疫细胞，趋化性却无法激活先天免疫，免疫刺激后免疫抑制因子的增加均可能有助于三个cluster的外在免疫逃逸。

06

内在免疫逃逸机制

接着作者进一步研究了TNBC的潜在内在免疫逃逸机制。固有免疫逃逸表明肿瘤细胞直接介导其自身的免疫逃逸。作者从肿瘤的免疫原性和免疫检查点分子的表达来考察。

07

TNBC的免疫调控机制

作者借助数据库https://www.rndsystems.com/cn/research-area/co--stimulatory-and-co--inhibitory-molecules考察不同cluster之间的免疫调节因子的表达。

08

寻找诱发免疫浸润的genomic alterations事件

作者首先对三个cluster中十种常见致癌通路的进行富集计算，同时GSEA用来验证，另外分别对mutation load和SCNVs对不同cluster之间的相关性，发现cluster-specific SCNVs和cluster-specific mutated genes可能是low immune infiltration的基因组事件。

至此整篇文章就结束了，这篇文章工作量很大，样本也很大，涉及到WES，RNAseq，SCV芯片等。