TCGA数据挖掘-肿瘤免疫浸润分析

纯分析发高分文章？就看这篇吧！

肿瘤具有很强的异质性，同一肿瘤在不同个体之间具有不同的免疫活性，而具有相似免疫活性状况的样本则可能处于相同的免疫微环境。肿瘤样本的转录组表达水平在一定程度反映了样本的免疫活性状况。接下来小编将从7个方面来为大家揭秘肿瘤免疫浸润分析

01

免疫亚型分析

TCGA下载肺癌的转录组数据,根据5个代表性免疫基因集:

Woundhealing,macrophages,Lymphocyte,IFN-gamma,TGF-beta的GSVA富集score将肿瘤样本分成不同的免疫亚型，每个免疫亚型代表特定的免疫微环境。

对所有样本采用mclust R包中EM聚类算法对样本ssgsea值进行无监督聚类，选择最大化贝叶斯信息准则（BIC）对应的类别K值，最终得到4个亚型（如下图）。

上图中C1 主要是TGF-β占优势，C2主要是Wound healing，C3主要是淋巴细胞和巨噬细胞，体现了强的免疫反应，C4主要是IFN-γ高。

02

免疫激活和免疫细胞评分

为了研究不同肿瘤亚型在细胞类型和免疫激活上是否存在差异，我们把所有样本根据细胞类型相关基因集和免疫激活相关基因集进行了聚类分析。（如下图）

在上图中，我们看到C3亚型的样本，各种类型免疫细胞评分都较高，在一定程度上反应免疫细胞的激活状态。我们可以合理推测，该亚型的个体可能存在更好的预后。反之，C2亚型的样本，各类免疫细胞的评分都偏低，反应免疫细胞的抑制状态，推测该亚型个体预后较差。

同样，对其他各种不同免疫激活通路我们也可以做类似的评估和相应的预后预测。

根据转录组数据中免疫细胞类型富集分数，我们还可以计算得到每种细胞类型在每个样本里的比例（如下图）。

03

PD1表达分析

PD-1(programmed cell death protein 1)程序性死亡受体1，是一种重要的免疫抑制分子。目前对于部分肺癌患者，PD1/PDL1免疫治疗的效果很好，相应的我们针对PD1在不同亚型间的表达情况进行了比较分析（如下图）。在C3亚型个体中，PD1的表达偏高，因此推测对于该亚型的个体，使用免疫治疗的效果更为显著。

04

免疫亚型生存分析

使用Kaplan-Meier分析免疫亚型对OS的预后影响（如下图），结果显示C3亚型预后最好，C2亚型预后最差。该结果与C3免疫细胞激活程度高，PD1表达高相呼应。

05

细胞类型和预后相关性

使用一致性指数（C-index）分析细胞类型对预后的影响（如下图）。

结合相应细胞类型的生存曲线，我们发现Macrophages M1 显著影响 C2 的预后，Macrophages M2 显著影响 C4 的预后，CD4+ naive T-cells 最大程度显著影响 C3 的预后，对 C1 影响最大的是则是CD8+ Tem。

06

免疫调节剂IM基因分析

IM对于癌症免疫疗法至关重要，其中许多IM激动剂和拮抗剂正在临床肿瘤学中进行评估。我们发现通过IM基因的表达也能明显的区分不同的免疫亚型（如下图）。

不同亚型中免疫调节剂的表达差异非常显著（如下图），在C3亚型中各类型的免疫调节基因表达都很高，C2亚型的表达则明显偏低。该结果也和不同亚型的生存预后相呼应。

07

免疫细胞通讯网络分析

不同的肿瘤微环境中细胞的通讯关系有着很大的不同。该分析可以发现不同的免疫亚型里显著富集的细胞通讯关系，以及显著富集的配体-受体情况，对于免疫治疗也具有一定的指导作用。下图展示了CD8+T细胞的通讯关系。结果图片显示CD8-Tcell细胞通讯主要富集在C3、C4亚型，体现了C3、C4亚型免疫活化。

08

结语

以上就是利用TCGA数据进行肺癌肿瘤免疫浸润分析的主要内容，分析团队通过对样本进行免疫分型，并分析免疫相关细胞激活程度，结合关键蛋白表达等分析了不同亚型样本的免疫浸润程度及预测了不同亚型的预后。免疫调节剂及细胞通讯分析则为不同亚型个体的免疫治疗提供指导作用。