就这？也能发4+分？！！！

今天和大家分享的是2019年9月发表在Front Oncol（IF：4.137)上的一篇文章，“Genomic Signatures of Immune Activation Predict Outcome in Advanced Stages of Ovarian Cancer andBasal-Like Breast Tumors”。作者利用已建立的转录组免疫特征来识别预后良好的晚期卵巢癌和晚期基底样型乳腺癌患者；组合其中的4个基因，作为整体预测晚期患者的生存期，并进行肿瘤免疫浸润分析。

Genomic Signatures of Immune Activation Predict Outcome in Advanced Stages of Ovarian Cancer and Basal-Like Breast Tumors

基于免疫激活的基因组特征可预测晚期卵巢癌和基底样型乳腺癌的预后

http://mpvideo.qpic.cn/0bf2smaakaaauqae7zx5h5pfbe6dawjqabia.f10002.mp4?dis_k=f68cc98473ea8f624d580623d9a5dc10&dis_t=1594783153

一、 研究背景

到目前为止，转移性卵巢癌和基底样型乳腺癌的患者预后差，治疗机会有限。而检查点抑制剂可防止T细胞抑制并促进T细胞的活化和其功能，在多种肿瘤中有良好效果，并应用于临床。但是要想对这些药物敏感，肿瘤必须处在预先激活的免疫状态，就是所谓的热肿瘤。因此作者希望找到生物标志物，可以识别免疫激活的肿瘤，并预测肿瘤的预后。

二、 分析流程

三、 结果解读

1. 免疫基因特征的选择

• table1：作者使用前人研究已经建立的免疫特征基因集：IFNγ特征基因集，扩展的免疫特征基因集，细胞毒性T淋巴细胞（CTL）特征基因集，以及MHC I类分子HLA特征基因集。所有这些免疫基因特征都与实体瘤的预后相关。

Table1：本研究中使用的免疫特征基因集

2. 早期和晚期的卵巢癌中，特征基因与无进展生存期（PFS）和总生存期（OS）的关联

作者使用KM Plotter在线工具（http://www.kmplot.com），将基因组转录本的表达量与卵巢癌的PFS和OS相关联。基因表达量根据KM plotter工具中的算法确定的最佳临界值分为两组：高表达组与低表达组。该图显示了四种免疫特征基因集的单个基因的风险比HR和KM p值。良好预后的预测结果用绿色显示，而不良预后的预测结果用红色显示。

首先研究早期卵巢癌（I和II级）。对于大多数该阶段的患者，手术切除肿瘤是唯一的治疗办法，不需要额外的医疗过程。

• 1A：免疫特征基因的表达与I期、II期卵巢癌的 PFS 和 OS 的关联表，以及汇总表中信息的热图。可以发现，在这些卵巢癌子集的患者中，选定的免疫特征基因中有很多的基因与不良的PFS有关，而与良好的OS有关。

对于卵巢癌III和IV期，使用以下数据集进行分析：GSE14764，GSE15622，GSE18520，GSE19829，GSE23554，GSE26193，GSE26712，GSE27651，GSE30161，GSE3149，GSE51373，GSE63885，GSE65986，GSE9891和TGCA，共计1,220例患者。

• 1B：免疫特征基因的表达与III期、IV期卵巢癌的 PFS 和 OS 的关联表，以及汇总表中信息的热图。可以发现：在晚期卵巢癌中，PFS与转录本表达的关系含糊不清：有的基因预测良好预后，有的基因预测不良预后；但大多数基因与良好预测的OS有关。证实免疫激活状态的存在，与晚期卵巢癌中更好的长期生存有关。
• 1C：KM生存分析图展示4个免疫特征基因集和 OS 的关联。表明与单独的转录本预测相比，对每类免疫特征基因集的联合分析不能改善预测精度。

图1：基于来自四个免疫标签的基因表达，对卵巢癌I + II和III + IV期进行预后分析

3. 在晚期卵巢癌中，组合免疫特征基因来预测预后结果。

作者将免疫特征基因进行组合，探索组合预测是否会比单基因预测更稳健。使用多重检验，作者筛选出4个基因构成基因组合，比单基因转录本有更好的预测水平：IFNG，CD30，CXCL13和PRF1

• 2：IFNG，CD30，CXCL13和PRF1相互组合的生存分析

图2：基因组合的生存分析图

4. IFNG，CXCL13，CD30和PRF1与低突变负荷的卵巢肿瘤生存率的关系

首先作者使用TCGA数据集中的小样本队列，来检验这个基因组合的转录本表达对于预测OS的能力。接下来，鉴于那些具有低突变负荷的肿瘤对目前的免疫疗法不敏感，于是作者探索了基因组合是否有预测低突变负荷肿瘤的能力。仍然使用KM Plotter在线分析工具进行绘图。

• 3A：使用TCGA数据集进行独立验证的KM生存曲线图。可见，即使在小样本量的患者队列中，这四个免疫特征基因组合也能预测OS。
• 3B：KM生存分析图，描绘了具有低突变负荷的组合基因表达水平与患者预后（OS）之间的关联。可见，低突变负荷的肿瘤患者，该基因组合的转录表达推测他们有更好的预后结果。
• S1：在高突变负荷的样本队列中，基因组合的转录表达与更差的预后有关。

图3：TCGA和TCGA低突变负荷样本中验证特征基因组合

5. IFNG，CXCL13，CD30和PRF1的表达与肿瘤免疫浸润的相关性

由于前面多重检验筛选得到的4个基因与启动子和趋化功能相关，因此作者假设，这四个基因在激活和维持T细胞反应中有重要作用，并参与将免疫细胞募集到肿瘤组织的过程中。为了验证该假设，作者使用TIMER在线工具分析肿瘤浸润免疫细胞群的丰度，使用斯皮尔曼相关分析（Spearman’s correlation）发现IFNG，CXCL13和PRF1的表达水平与肿瘤浸润免疫细胞（包括CD8 + T细胞和树突状细胞）的表达呈正相关。CD30的表达水平与免疫细胞的浸润之间没有关联。

• IFNG的水平与CD8 + T细胞（part.cor = 0.311）和树突状细胞（part.cor = 0.203）的存在有关；
• CXCL13的表达水平与CD8 + T细胞（part.cor = 0.339），CD4 + T细胞（part.cor = 0.308），树突状细胞（part.cor = 0.358）和中性粒细胞（part.cor = 0.371）；
• PRF1的表达水平与CD8 + T细胞（part.cor = 0.485），树突状细胞（part.cor = 0.358）和中性粒细胞（part.cor = 0.357）的渗透水平相关
• 研究的基因均与肿瘤中巨噬细胞的存在无关。

图4：IFNG、CXCL13、CD30和PRF1的表达与肿瘤免疫浸润关联

6. 基底样乳腺癌的特征，生存率和免疫浸润

鉴于基底样型乳腺癌和卵巢癌具有许多共同的生物学特征，接下来作者在基底样型乳腺癌样本中验证免疫特征基因预测生存的性能。

• 5A：发现免疫特征基因与预后良好之间显著有关，且这种关联要显著于卵巢癌。
• 5B：进一步探索，这些特征基因的表达是否与肿瘤的免疫浸润有关。研究表明，除了巨细胞外，这四个免疫特征基因的表达与大多数免疫细胞的高浸润有关（B细胞，CD8+ T细胞，CD4 + T细胞，嗜中性粒细胞和树突状细胞）。同时，与卵巢癌不同的是，CD30的表达水平也与B细胞， T细胞等的浸润水平相关。

图5：基底样型乳腺癌中，特征基因预测预后以及与免疫浸润的相关性

小结

在研究中，作者利用已建立的转录组免疫特征来识别预后良好的晚期卵巢癌患者，发现CXCL13，INFG，CD30和PRF1基因的表达预示良好的预后，还预测了具有低突变负荷的卵巢肿瘤有更好的预后。而CXCL3，INFG和PRF1与卵巢肿瘤内CD8 + T细胞和树突状细胞及嗜中性白细胞的升高的浸润水平相关。在基底样乳腺癌的研究中也得到类似的结果。这些特征可以用于鉴定更好的预后患者亚群。

本研究存在局限性：首先基因的选择基于前人研究中描述的转录组特征，因此可能会错过具有预测作用的基因；其次本研究局限于计算机分析，需要进一步的研究。