可以借鉴的6分+铁死亡结合免疫微环境发文思路
大家好！今天跟大家分享的文献是2021年8月发表在International Journal of Biological Sciences（2020年IF=6.482）杂志上的一篇文章。作者基于铁死亡调控因子对口腔鳞状细胞癌患者的多组数据进行分析，发现细胞焦亡调控因子在口腔鳞状细胞癌患者的肿瘤微环境和免疫治疗中起到重要作用。
题目：Multi-omics Analysis of Ferroptosis Regulation Patterns and Characterization of Tumor Microenvironment in Patients with Oral Squamous Cell Carcinoma
口腔鳞状细胞癌患者的肿瘤微环境的铁死亡调控模式和肿瘤微环境的多组学分析
01
流程图
02
摘要
铁死亡是一种新证实的调控细胞死亡的机制，其被报道与免疫治疗和化疗存在高度相关。然而，它对口腔鳞状细胞癌（OSCC）肿瘤微环境的调控和影响的机制仍不清晰。作者定义了铁死亡特异性的基因表达信号（FPscore），通过主成分分析算法来评估个体肿瘤的铁死亡调控模式，并进行了铁死亡多组学分析。作者划分了与患者的临床结局相关的三个铁死亡调控亚型。高FPscore得分的OSCC患者与较好的预后、铁死亡相关免疫激活表型相关、潜在的化疗敏感性和免疫治疗。重要的是，高FPscore得分与低基因拷贝数变异和高免疫检查点表达相关。作者在独立免疫治疗和泛癌数据集中验证了FPscore得分的预后价值。综合评估个体肿瘤的不同铁死亡调控模式能够为OSCC在临床联合治疗上提供新的见解。
03
结果
1、OSCC中的铁死亡调控模式
利用232个铁死亡调控因子，基于TCGA数据库中OSCC患者的表达数据使用无监督聚类的方法把患者聚为三类（ferroptosis Cluster），生存分析发现这三类患者在生存预后方面存在显著差异（p=0.009）。并且，这三类患者在免疫浸润细胞和肿瘤微环境间存在显著差异。GSVA分析发现，类别A表现出T细胞的抑制和基质细胞的激活，类别B与免疫激活和铁死亡激活相关，类别C更多的表现为基因组的不稳定性。
图1 铁死亡调控模式和相关的生物学过程
2、铁死亡调控亚型相关基因的定义
使用limma和Boruta计算了245个差异表达基因，通过GO和KEGG富集分析发现这些基因主要富集在铁死亡相关的通路上，包括脂肪酸代谢等。通过对这245个差异表达基因的无监督聚类，识别到三类基因组类别（Gene cluster），这三类患者在生存上也存在差异（p=0.032）。这三个类别和铁死亡基因信号以及病理特征存在显著关联。三个类别与免疫细胞的浸润图谱和肿瘤微环境的信号间存在相关性。进一步利用这些基因开发了FPscore，发现FPscore与常规的铁死亡相关基因有关。
图2 铁死亡基因类别的定义和FPscore的开发
3、在OSCC中FPscore是一个独立的预后因子
在GEO数据集和TCGA数据集的正常和癌症样本间，FPscore存在显著差异（图3A-B）。在TCGA和GEO数据集间，高FPscore组和低FPscore组在整体生存上存在显著差异（图3C-D）。基于TCGA数据集，对FPscore分型、gene cluster、ferroptosis cluster和status进行了比较（图3E）。不管单因素还是多因素cox分析，发现FPscore都是一个独立的预后因子（图3F-G）。通过分析，FPscore可以用来预测OSCC患者的生存预后，并且与TIDE得分比较发现FPscore的预测性能要优于TIDE得分（图3H-K）。
图3 铁死亡得分在OSCC中是一个独立预后因子
4、TCGA分子亚型中FPscore的特征以及他的临床相关性
通过与临床特征的比较发现，高FPscore得分与低肿瘤级别、肿瘤早期、TP53野生型、T分期、N分析、低mDNAsi和mRNAsi相关（图4A-G）。并且发现FPscore得分在不同分子亚型间同样存在显著差异（图4H-J）。
图4 FPscore在OSCC分子亚型中的特征
通过GSEA分析，发现高FPscore组富集在TP53通路、肿瘤坏死因子alpha通路上。低FPscore组富集在EMT、DNA修复、缺氧和mTORC1通路上（图5A-B）。高FPscore有着更高的铁死亡水平（图5C）。相关性分析发现，FPscore能准确反映OSCC患者的铁下垂调控模式（图5D）。与低FPscore组相比，高FPscore组有着更低的染色体臂的拷贝数扩增/缺失（图5E）。不同分组间染色体的G-score分布存在差异（图5F）。与低FPscore组相比，高FPscore组有着显著较低的TP53突变负荷（图5G）。
图5 FPscore亚型的生物学通路和拷贝数负荷
5、预测免疫治疗和化疗的治疗反应
作者发现高FPscore亚型在PD-L1、CTLA4、PD-1、IFNG和MHC上有着显著的升高（图6A）。高FPscore亚型有着更高的immunophenoscore和TIDE得分，暗示了对于免疫治疗的潜在治疗反应（图6B-D）。并且高FPscore亚型对于PD-1治疗有反应（图6E）。这些结果证明铁死亡调控模式在街道OSCC的免疫反应中发挥着关键的作用。研究还发现高FPscore得分与化疗药物敏感相关，低FPscore得分与化疗药物抵抗相关（图6F）。进一步，CMap模式分析定义了24种成分的21条通路（图6G）。在免疫治疗数据集中，高FPscore亚型有着更好的生存预后（图6H-L）。
图6 FPscore亚型与免疫治疗和化疗反应相关
6、泛癌数据分析
在泛癌数据集中，FPscore与GPX4，PD-L1，PD-1和CTLA4显著关联（图7A-D）。并且在13个TCGA癌症数据集中，FPscore是一个良好的预后标记物（图7E）。
图7 FPscore在泛癌中的价值评估
04
讨论
在本项研究中，作者利用铁死亡相关的调控因子识别到三类OSCC患者亚型，通过差异表达分析获得了245个差异表达基因，并构建了FPscore得分，能够用来评估OSCC患者的预后以及免疫治疗和化疗的反应。这些结果在OSCC中验证了铁死亡与免疫存在显著关联，但是FPscore划分OSCC患者免疫治疗反应的阈值仍需进一步探究。