泛癌分析T细胞衰竭异质性发11分+SCI

大家好！今天给大家介绍一篇2022年9月发表在eBioMedicine（IF:11.205）上的文章。作者使用泛癌数据集研究T细胞衰竭异质性与预后和免疫治疗效果的相关性。

Pan-cancer landscape of T-cell exhaustion heterogeneity within the tumor microenvironment revealed a progressive roadmap of hierarchical dysfunction associated with prognosis and therapeutic efficacy

肿瘤微环境中T细胞衰竭异质性的泛癌分析揭示分级功能障与预后和治疗效果的相关性

摘要

背景：T细胞是抗肿瘤免疫的主要组分，深入了解肿瘤微环境（TME）中T细胞衰竭（TEX）异质性是克服TEX和改善检查点阻断治疗的关键。

方法：作者对30个肿瘤类型的9564例样本进行全面分析。通过文献收集的TEX-特异性发育通路特征鉴定泛癌TEX亚型并确定TEX异质性中潜在的多组学和临床特征。

结果：作者鉴定到5种泛癌TEX亚型，揭示低免疫原性肿瘤中组织/癌症类型特异性的TEX模式。高免疫原性肿瘤中有高频率的TEX祖细胞亚群。此外，TEX图谱还揭示了不同的癌症预后，内在分子亚型分布，免疫微环境和多组学特征。网络分析鉴定到4个TEX相关癌症基因，使用scRNA-seq验证其与抗PD-1免疫治疗反应的相关性。作者使用机器学习构建用来分层TEX亚型的模型并在单细胞和免疫治疗数据集中进行验证。

流程图

结果

1. 数据集的获取和下载

从TCGA数据集中下载30种癌症类型的多组学数据，包括9564例样本。从GEO数据库下载scRNA-seq数据集，GSE159251。

2. TEX在泛癌中的动态进展路线

首先，作者通过文献挖掘构建TEX-特异性通路列表，包括TNF，IL-2，IFN-g和细胞毒性通路。基于TEX-特异性通路对泛癌进行层次聚类鉴定到5个簇（C1-C5）并定义为TEX亚群（图1a）。TEX亚群与免疫溶细胞活性（CYT）的相关性分析表明，从C1-C5亚群CYT打分逐渐下降，CD8+ T细胞，Th1，Th2和CD4+ T细胞丰度同样逐渐下降（图1b）。此外，TCF1和T-bet在TEX亚型中的表达模式存在显著差异，TOX在TEX亚型中逐渐下降但在C5中最高（图1c）。然而，TCR信号和BCR信号在TEX亚型中逐渐升高（图1d）。以上结果表明，这5个TEX亚型能够代表TEX各个阶段的生物学特征（图1e）。这5个亚型分别命名为TEXprog，TEXint1，TEXint2，TEXint3和TEXterm。TEX亚型与癌症类型和分子亚型的相关性分析表明，不同TCGA亚群和各个癌症类型在TEX亚群的组成上存在显著差异（图1f和1g）。其中TEXprog和TEXint1富集于CESC, KIRC, LUAD, HNSC, LUSC和STAD。TEXint2富集于BRCA,COAD和HNSC。TEXint3富集于BRCA,OV,PRAD,THYM,KICH,SKCM和UCEC。TEXterm富集于LGG,UCS,OV,PRAD和ACC。此外，CIMP-低，CIMP-中和CIMP-高亚型的GBM,LGG和ACC中TEXterm富集程度较高（图1h）。

图1 泛癌中TEX异质性

3. TEX分级功能异质性对肿瘤预后的影响

KM分析表明不同TEX亚组患者的OS存在显著差异（图2a）。对于各种癌症类型来说，SKCM和HNSC中TEXprog亚组患者的OS显著高于其他亚组（图2b），然而对于其他癌症类型来说结果与之相反。随后，作者研究TEX亚群与免疫细胞浸润水平的作用对患者预后的影响。如图2c所示，除了TEXterm亚组外，大多数免疫浸润细胞与不同TEX亚组的OS正相关或负相关。其中，Th1, Th2, Th17,单核细胞和M0巨噬细胞与TEXterm亚组的生存期显著相关。然而，浆细胞，Th17和单核细胞具有双重预后作用（图2d）。最后，作者研究TEX亚群与标志性癌症相关信号通路的相互作用对患者预后的影响。如图2e所示，TEX亚群与标志性癌症相关信号通路的串扰对癌症患者预后具有显著影响。其中，大部分癌症相关通路与生存显著负相关而3个通路与生存显著正相关。例如，氧化磷酸化通路高度活跃的患者在不同TEX亚组中具有较好的预后作用（图2f）。此外，还有一些具有双重预后作用的信号通路（图2g和2h）。

图2 TEX分级功能障碍异质性对临床结局的影响

4. TEX亚群具有显著不同的免疫微环境

为研究衰竭过程中5个TEX亚群CD8+ T细胞的干细胞样特性，作者使用干细胞标记基因富集打分和CD69表达水平评估祖细胞样表型和个体患者的增殖能力。从TEXprog到TEXterm，干细胞标记的富集打分和CD69表达水平逐渐下降（图3a）。ssGSEA分析表明从TEXprog到TEXterm，免疫细胞浸润水平逐渐下降（图3b），此外M2巨噬细胞，CD8+ T细胞和静息CD4+ 记忆T细胞浸润水平最高（图3c）。TEXprog中CD8+ T细胞，活化CD4+记忆T细胞比例最高，M2巨噬细胞比例最低，TEXterm中促肿瘤M2巨噬细胞和肥大细胞比例最高（图3c和3d）。在TEX亚型和肿瘤类型中先天免疫打分（IF）存在显著差异（图3e和3f）。此外，不同肿瘤类型的基质打分同样存在差异（图3g和3h）。

图3 TEX亚型的免疫微环境差异

5. TEX亚型的多组学特征

作者对TEX亚型的基因组改变，基因表达水平和DNA甲基化进行分析。基因组突变分析表明TEXterm组的突变水平较低，拷贝数变异和基因组不稳定性较低（图4a-4c）。驱动基因的表达水平分析表明，有30个TEXprog相关的驱动基因的表达水平从TEXprog到TEXterm逐渐降低而突变水平，CNA和DNA甲基化频率逐渐增加。此外，在40个TEX相关的驱动基因中有22个与ICI有关，26个与免疫逃逸有关，有3个与抗肿瘤免疫相关（图4d）。对这40个基因构建PPI网络并鉴定到一个包括28个基因的子网络，包括TLL1, MYH11, P2RY8和PRKD2（图4e）。这4个基因在TEX亚组中的表达模式不同并进行GO和KEGG富集分析（图4f和4g）。抗PD-1免疫治疗应答分析表明，TLL1在无应答组中的表达水平最高而P2RY8和PRKD2在有应答组中的表达水平最高（图4h）。

图4 TEX亚组的多组学特征

6. 分级TEX亚组和预测免疫治疗效果的模型

为进一步研究单细胞水平下40个TEX相关的驱动基因与TEX亚型的相关性，作者分析一个scRNA数据集，包括10518个免疫细胞共聚为17个免疫细胞簇并将这些免疫细胞簇定义为TEX-C1到TEX-C9（图5a-5c）。在这些TEX相关细胞类型中TEX相关的驱动基因表达水平具有显著差异（图5c）并将这些细胞划分为5个亚群（图5d）。随后，作者使用自编码器评估TEX相关驱动基因的重要性，如果这个基因的显著性超过75%则表明这个基因是重要的（图5e）。将这个泛癌数据集随机划分为训练集和测试集并使用机器学习包括XGBoost，随机森林，SVM和神经网络构建ML-TEX用于对TEX亚组进行分层（图5f），其中XGBoost的性能最好（图5g）。此外，为了研究ML-TEX是否可以预测ICB治疗反应，作者将ML-TEX应用于不同ICB治疗组并将接受ICB治疗的患者分为不同TEX亚组。从TEXprog到TEXterm亚组PD-1,PD-L1和CTLA4的表达水平逐渐降低（图5h和5i）。不同TEX亚组中ICB治疗应答率存在显著差异（图5j）。在有反应组中TEXprog，TEXint1和TEXint2亚组的OS较长（图5k）。

图5 构建和评估基于机器学习的TEX特征构建TEX亚型分层和预测免疫治疗效果

结论

作者鉴定泛癌数据集中TEX的亚型分层并研究不同TEX亚型中的免疫微环境差异和多组学特征差异。随后，作者使用scRNA-seq数据集验证TEX亚型异质性并使用机器学习构建分层TEX亚型和预测免疫治疗反应的模型。然而，本研究还需要一定的分子实验验证本研究结果准确性。