2022年，基因家族泛癌依然可以发表11分+

导语

APOBEC（载脂蛋白B mRNA编辑酶，催化多肽样）家族介导的突变在癌症中广泛存在。

背景介绍

今天小编继续带来基因家族的纯生信分析文章。如果大家觉得单基因泛癌的工作量略显薄弱，基因家族泛癌是一个很好的选择。本文发表在Theranostics上，影响因子11.6分，题目为APOBEC-mediated mutagenesis is a favorable predictor of prognosis and immunotherapy for bladder cancer patients: evidence from pan-cancer analysis and multiple databases。

分析流程

数据介绍

从TCGA获得28种肿瘤的转录组数据和临床注释，从GTEx获得正常组织的转录组数据。从GEO获取三个BLCA数据集（GSE13507，GSE32894和GSE48075）。验证集为E-MTAB-4321数据集，包含460种非肌肉浸润性膀胱癌（NMIBC）的转录组数据和无进展生存信息。

分别从TCGA、华大基因-深圳和DFCI/MSKCC获得3个基于全外显子组测序（WES）平台的BLCA样品体细胞突变图谱。从Samstein的研究中获得靶向NGS测定的基因组图谱（MSK-IMPACT，341/410组合）和140个ICB处理的晚期BLCA样本的临床细节。

使用R包“IMvigor210CoreBiologs”，从Mariathasan的研究中获得298例转移性BLCA患者PD-L1阻断阿替利珠单抗的转录组数据和临床活性（IMvigor210，2期试验）。从Roh的研究获得了47例接受免疫治疗的黑色素瘤患者的转录组数据和治疗反应，包括PD-1和CTLA-4阻断。

结果解析

01

APOBEC家族的泛癌分析

作者使用热图研究泛癌中APOBEC家族11个基因的基因组特征（图1A）。一些APOBEC家族基因在某些癌症类型中表现出特定的高表达。对APOBEC家族基因进行了皮尔逊相关性分析，大多数表现出显著的正相关，特别是与APOBEC3（图1B）。

作者计算了泛癌中每个肿瘤样本的肿瘤突变负荷（TMB），TCW突变计数和APOBEC突变富集评分（AMES）。UCEC、SKCM和COAD在TMB排名中为前三名（图1E），SKCM、BLCA和CESC在TCW突变计数排名前三（图1F）。

图1

在校正突变背景后，计算AMES以量化APOBEC突变富集。我们观察到BLCA在所有28种癌症类型中显示出最高的AMES（图1G）。在临界值为1和2的两个临界值下，将9550个泛癌样本分为三个级别：低（AMES-L，42.26%），中（AMES-M，37.74%）和高（AMES-H，20.00%）（图1H）。随机森林算法表明，APOBEC3B是TCW突变的最重要贡献者（图1I），APOBEC3A和APOBEC3B对AMES的贡献最大（图1J）。

02

不同AMES亚组中的突变特征

TMB是突变分析和癌症免疫治疗的重要指标。作者评估了泛癌症中TMB，AMES和APOBEC家族基因之间的相关性。在所有病例中，AMES与BLCA中TMB的相关性最高且最显著（图 2A）。

接下来，作者比较了不同AMES亚组之间的TMB、TNB和ITH。随着AMES的增加，TMB，TNB和ITH评分逐步显著升高，这表明AMES可能与BLCA中较高的免疫原性和异质性相关。此外，AMES在BLCA样本中与非同义和同义突变均表现出高度正相关（图2C）。

图2

有机驱动CLUST算法表明，FGFR3在AMES-L和AMES-M组中均作为相互驱动基因，而在AMES-H组中未检测到驱动基因（图2D）。FGFR3突变频率随着AMES水平的升高而下降（图2E）。与其他两组相比，AMES-H组发现了显著突变的基因。TTN，MACF1和PIK3CA是AMES-H样品中三个最常突变的基因。

作者描绘了三个AMES组中所有非沉默突变的分布，以及10个最常见的非沉默突变（TP53，TTN等）（图2G）。前10个突变基因在AMES-H组中有发生的趋势（图2G）。此外，随着AMES水平的升高，可以观察到更多的共存和相互排斥的突变，这表明AMES与BLCA中较高的体细胞突变活性相关（图2H）。

03

APOBEC突变为膀胱癌突变模式中主导地位

作者在三个WES队列中研究了BLCA中的突变特征。k=5时最优，在TCGA-BLCA队列中鉴定出五个突变特征。signature1为“胞苷脱氨酶（C>G）的APOBEC家族的活性”，而signature2为“胞苷脱氨酶（C>T）的APOBEC家族的活性”（图3A）。

TCGA队列中每个突变特征的相对丰度显示在饼图中（图3B），APOBEC的signature保持主导地位。此外，在TCGA-BLCA队列中，APOBECsignature丰度与AMES呈高度正相关（图3C），并且随着AMES水平的升高，TCW突变显著升高（图3D）。同时，在其他两个队列中都观察到了类似的结果。总之，APOBEC突变在BLCA突变模式中占主导地位，并且与AMES保持高度正相关。

图3

04

APOBEC3B与膀胱癌恶化相关

使用两个单细胞数据集（GSE130001和GSE145281）揭示APOBEC家族在BLCA及其TME中的表达谱。GSE130001为非免疫细胞的scRNA-seq数据，共四种细胞类型（上皮细胞，成纤维细胞，内皮细胞和肌成纤维细胞）。作者评估了四种细胞类型中11个APOBEC家族成员的表达谱。

作为BLCA中最重要的两个APOBEC基因，APOBEC3A几乎不在任何细胞类型中表达（图4C），而APOBEC3B在上皮细胞中特异性表达（图4D）。通过以基质细胞为参考推断大规模CNV，将恶性细胞与总上皮细胞区分开来，并且由于其高染色体不稳定性，88.3%的上皮细胞被鉴定为恶性细胞（图4G）。使用UMAP降维，将恶性上皮细胞进一步分为三个亚团（M-C1，M-C2，M-C3;图4H）（图4I）。APOBEC3B在正常上皮细胞和M-C1中几乎不表达，但在M-C2和M-C3中高度表达（图4J）。

图4

作者进行了伪时间轨迹分析来描述上皮细胞的进化，箭头指示了推定的发育方向（图4K）。进展轨迹起源于正常的上皮细胞，并发展成两个主要分支，其中M-C3细胞位于左上角，M-C1 &C2位于左下角（图4L）。在各种癌症标志中，细胞周期进展（CCP）是最重要的一个（图4M）。在所有恶性上皮细胞中，APOBEC3B与CCP评分呈显著正相关。

05

APOBEC3A与膀胱癌中单核细胞的分化相关

GSE145281数据集为来自BLCA患者的scRNA-seq数据，共六种细胞类型（T细胞，单核细胞，NK细胞，B细胞，血小板和DC）。APOBEC3A通常在单核细胞中表达（图5C），而APOBEC3B在PBMC中几乎不表达（图5D）。作者发现APOBEC3A在FCGR3A+单核细胞中特异性表达（图5E），而不是经典单核细胞（c单核细胞）。

随后，将所有单核细胞纳入进行伪时间轨迹分析，箭头指示发育方向（图5G）。UMAP降维后，单核细胞聚类成6个亚团，两个主要分支以亚团3（青色）和6（浅蓝色）结束（图5H）。其中3表示中间的FCGR3A，6表示最高的FCGR3A，并且在其余四个亚簇中检测到很少的FCGR3A（图5I）。APOBEC3A在用FCGR3A阳性标记的最后阶段变得高度表达（图5J）。

图5

作者使用相关热图说明APOBEC家族与不同免疫细胞浸润（之间的关系（图5K）。APOBEC3A-M1对表现出最高的相关性。累积比例曲线（图5L）和小提琴图（图5M）共同表明，在具有较高APOBEC3A表达的BLCA样品中观察到显著更高的M1浸润丰度。总之，APOBEC3A可能在BLCA患者单核细胞的分化中发挥作用。

06

APOBEC突变富集评分（AMES）与免疫检查点阻断（ICB）

AMES评分较高的样品表现出更高的各种免疫应答活性，并且最显著改变的途径为“适应性免疫应答”（图6A）。使用相关网络来描述AMES与各种免疫细胞类型的关系。作者发现AMES与活化的CD4+记忆T细胞，CD8+T细胞和M1丰度呈显著正相关，而与CD4+幼年和活化的MDC群体呈负相关（图6B）。此外，随着AMES水平的升高，免疫浸润评分以及CD8+T细胞丰度逐步升高（图6C-D）。

作者重点研究了AMES<1（最低）和>4（最高）组免疫特征的内在差异。与AMES最低的样品相比，T细胞发炎的GEP在AMES最高的样本中具有广泛的高表达，并且ssGSEA算法验证了AMES>4组中T细胞发炎评分显著升高（图6F）。

图6

ICB的癌症免疫治疗是基于对关键免疫检查点的抑制。作者评估了一些代表性分子，发现AMES>4组中PD-1，PD-L1，CTLA-4和TIGIT广泛升高（图6I）。AMES>4组对ICB表现出很高的反应可能性（图6K）。总之，AMES与免疫激活相关，ICB在BLCA中具有潜在的益处。

07

AMES评分与膀胱癌预后

作者评估了AMES在BLCA中的预后价值。Kaplan-Meier分析显示，AMES较高的患者在TCGA-BLCA队列中表现出更有利的总生存期（OS）（图7A）。多变量Cox回归分析表明，在各种临床特征中，AMES是唯一独立的保护因子（P=0.003）。

随后，作者评估了AMES是否可以作为ICB的生物标志物。在Samstein的140名接受ICB治疗的晚期BLCA患者的队列中，Kaplan-Meier分析显示，较高的AMES与更好的OS相关（图7C）。多变量Cox回归分析表明，较高的AMES是OS的唯一保护因子（P=0.022）。总之，AMES优于一些传统的生物标志物对BLCA患者的生存预测，特别是那些接受ICB治疗的患者。

图7

08

基于AMES评分构建预后模型

首先，将AMES评分>4和<4两组的401个差异表达基因进行单变量Cox回归分析，得到45个候选基因。使用LASSO回归（10倍交叉验证，最优λ=0.022）得到21个基因（图8B），并计算每个BLCA患者的预后APOBEC突变相关风险评分（AMRS）。

在AMRS-低和AMRS-高的样本之间观察到各种癌症标志的性能显著差异（图8C）。在训练集（TCGA-BLCA）中，评分较高的患者表现出较差的肿瘤特异性生存（CSS）（图8D）。在三个独立的BLCA队列中验证了AMRS的预后（图8E-G）。总之，AMRS模型可以作为BLCA患者的理想预后工具。

图8

小编总结

本文由APOBEC家族的泛癌分析入手，计算出与肿瘤突变显著相关的基因，并在单细胞数据中具体分析这些基因与肿瘤细胞的进化/分化的关系。基于突变富集评分，作者将患者分为两个亚组，分别计算每个亚组的免疫浸润和预后。最后，作者基于APOBEC突变富集评分构建了膀胱癌患者的预后模型，发现该模型是预测预后的唯一独立因子。

本文的亮点在于由基因家族的泛癌分析入手，整合转录组数据与单细胞数据，重点探究了家族中关键基因的突变、细胞分化、免疫浸润和预后，最后又构建预后模型，内容完整又富有新意。