利用组织学亚型特异基因构建肺癌预后模型发11分+SCI

大家好！今天给大家解读一篇2022年1月发表在Genome Medicine(IF:11.117)上的文章。本研究通过对多个肺腺癌数据集进行分析，构建的2基因特征并确定L-score和S-score与肺腺癌患者预后和免疫治疗反应有关。

A lepidic gene signature predicts patient prognosis and sensitivity to immunotherapy in lung adenocarcinoma

lepidic基因特征预测肺腺癌患者的预后和对免疫治疗敏感性

摘要

背景：肺腺癌是最常见的肺癌类型，具有高度异质性，由多种组织学亚型的肿瘤细胞组成。已有研究表明免疫细胞浸润显著影响肺腺癌患者预后。然而，尚不清楚组织学亚型是否能反应肿瘤免疫微环境及组织学亚型是否可以应用于治疗分层。

方法：作者使用组织学亚型特异基因表达水平研究免疫细胞浸润水平。根据不同组织学亚型的差异基因构建两基因特征，可以确定肺腺癌样本中lepidic和solid组分的相对丰度（L-score和S-score）。

结果：不同组织学亚型之间存在显著差异。差异分析表明，根据基因表达模式分为lepidic和solid亚型。L-score高与生存期较长有关，S-score高与生存期较短有关。L-score和S-score与TMB和基因突变有关。此外，发生EGFR扩增的样本L-score较低，S-score较高。在肺癌细胞系中，L-score和S-score与多种靶向药物的敏感性具有显著相关性。L-score高的患者更可能受益于免疫检查点阻断治疗。

流程图

结果

1. 数据集的获取和下载

从TCGA数据库获取LUAD的RNA-seq数据集，从GDSC数据库获取药物敏感性数据集，从GEO数据集获取10个芯片表达谱数据集。

2. 肺腺癌不同组织学亚型的肿瘤免疫微环境

为研究肺腺癌不同组织学亚型中的肿瘤免疫微环境（TIME），作者对包括48例肺腺癌样本的数据集GSE58772进行分析，使用BASE分析6种免疫细胞的浸润水平。结果表明，不同亚型的免疫细胞浸润水平存在显著差异。lepidic亚型中髓细胞浸润水平较低而其他免疫细胞浸润水平较高，而solid亚型的趋势与之相反。lepidic亚型中naïve B细胞，记忆B细胞，CD8+ T细胞和NK细胞浸润水平较高，而solid亚型中这些免疫细胞浸润水平较低（图1）。然而，其他三种亚型中免疫细胞浸润水平没有显著差异。

图1 不同亚型中免疫细胞浸润水平

3. 基因特征可用于分类lepidic亚型和solid亚型

对GSE58772数据集进行T检验，确定亚型特异性基因。合并每个亚型最显著相关的200个基因进行PCA分析，结果表明lepidic和solid亚型可以明显分类而其他亚型没有分开（图2A）。亚型的相关性分析表明lepidic亚型与其他亚型负相关（图2B）。基于以上结果，作者构建了2基因特征，该特征可以区分lepidic和solid亚型。将这两个特征结合基因表达数据可以确定lepidic和solid的相对丰度（L-score和S-score）。lepidic和solid亚型的L-score和S-score较高（图2C）。此外，还使用了GSE14814数据集进行了验证，然而其样本量较小因此两个亚型的L-score和S-score没有显著差异（图2D）。

图2 构建基因特征

4. L-score高与预后较好有关

作者对TCGA-LUAD,GSE8894,GSE13213和GSE31210数据集研究L-score和S-score与预后的相关性。根据L-score和S-score中位数将患者分为两组并进行生存分析。结果表明，L-score高的患者生存期较长（图3A-3D）。此外，多因素Cox回归分析表明L-score显著性较高（图3E）。对S-score进行相同分析，结果表明S-score高的患者生存期较差。此外，结合L-score和S-score可以进一步改善预后预测。根据L-score将患者分为高低两组，随后根据S-score将患者分为高低两组。结果表明，在L-score高组的S-score两个亚组的生存期存在显著差异，而在L-score低组中没有显著差异（图3G）。

图3 L-score与患者预后的相关性

5. L-score和S-score与基因组特征的相关性

作者使用TCGA-LUAD数据集研究L-score与基因组特征的相关性。结果表明，L-score与TMB和肿瘤非整倍体打分负相关（图4A和4B）。此外，L-score与同源重组通路的缺失显著相关（图4C）。随后，作者研究基因突变的扩增和缺失与L-score的相关性。有32个基因的突变状态与L-score显著相关。除MAGI2外，所有突变样本的L-score低于野生型样本（图4D）。此外，有16个基因发生扩增的样本L-score高于野生型样本，发生CDKN2A缺失的样本L-score高于野生型样本（图4E）。TP53的突变状态与L-score显著相关，发生突变的样本中L-score较低（图4D和4F）。EGFR的突变状态与L-score没有相关性，发生突变的样本中L-score较低（图4G）。EGFR扩增的样本中L-score较低（图4H），EGFR是与L-score最显著相关的基因（图4E）。此外，作者研究S-score与这些基因突变模式的相关性。发生TP53样本的S-score较高，而EGFR突变状态与S-score没有相关性，发生EGFR扩增的样本S-score较高。

图4 L-score与基因组特征的相关性

6. lepidic和solid打分与肺癌细胞系对靶向药物敏感性的相关性

接下来，作者研究L-score与肺腺癌细胞系对EGFR抑制剂敏感性的相关性。GSE32989数据集包括30个肺腺癌细胞系的基因表达谱和其对两种EGFR抑制剂（厄洛替尼和吉非替尼）的敏感性（IC50）。结果表明，L-score与厄洛替尼和吉非替尼敏感性显著负相关（图5A和5B）。随后，使用GDSC数据集进行分析，肺腺癌细胞株中L-score和厄洛替尼敏感性具有相关性（图5C）。除此之外，L-score与CHK1抑制剂的敏感性具有显著相关性（图5D）。

图5 L-score与药物敏感性的相关性

7. L-score预测肺腺癌患者对免疫治疗的敏感性

作者使用GSE93157和Banchereau数据集研究L-score与免疫治疗反应的相关性。根据治疗结果将患者分为反应组和无反应组。Wilcoxon秩和检验表明应答组的L-score较高（图6A和6B）。在PD-L1不表达的患者中L-score可以作为预测患者反应的指标（图6C）。为研究L-score作为预测反应组和无反应组的效果，作者绘制ROC曲线并计算AUC。ROC曲线如图6D所示。此外，多因素logistic回归分析表明L-score可以预测患者对免疫治疗的反应，然而S-score与免疫治疗反应没有显著相关性。

图6 L-score与患者对免疫治疗反应的相关性

结论

总的来说，作者构建了2基因特征可以鉴定肺腺癌中lepidic和solid亚型的相对丰度并确定L-score和S-score与临床结果之间的相关性。本研究构建的框架可以应用于其他癌症类型的异质性亚型。本研究的亮点在于作者构建的2基因特征可以区分肺腺癌亚型，然而还需要额外的数据集对本研究结果进行验证。