2020年就这还能发4+分,小编已经哭晕了

Profiles of immune infiltration in lung adenocarcinoma and their clinical significant: A gene‐expression–based retrospective study肺腺癌的免疫浸润情况及其临床意义:一项基于基因表达的回顾性研究

一、研究背景

肺癌是致死率很高的疾病,其中一个重要的亚型就是肺腺癌(LUAD),大多数患者因为没有特殊的早期症状而错过了最佳手术时间,而放疗和化疗的治愈率又不高。越来越多的研究证据表明免疫治疗是肺癌的重要治疗手段,因此在本研究中,作者关注免疫风险与LUAD预后的关系,希望生成一个可以作为LUAD独立预后因素的免疫相关基因标志物。

二、分析流程

三、结果解读

1、根据免疫评分筛选LUAD预后标志物
  • 首先作者下载了TCGA数据库中489例LUAD患者的RNA-seq数据,作为本研究的训练集,样本的临床特征如表1所示

表1.TCGA-489例LUAD样本临床特征

  • 接着,作者利用ESTIMATE算法计算所有样本的免疫评分和基质评分,以中位数作为cut-off将所有患者分别分为高/低基质评分组、高/低免疫评分组,并依次做两种分组下的KM生存分析。结果显示:按照基质评分分组时,KM生存分析的结果没有统计学意义(p=0.0567);而按照免疫评分分组时,高免疫评分组的中位OS要高于低免疫评分组(p=0.0154),说明免疫评分的高低对LUAD患者的预后有影响。(图1.A、B)

  • 为了找出与LUAD预后有关的免疫基因, 作者利用R包limma对训练集患者的RNA-seq数据进行分析,并绘制了火山图,结果显示高免疫评分组中有1000个基因上调,10个基因下调。(图1.C)

  • 最后,作者利用LASSO COX回归模型对上述1010个DEGS进行筛选,得到9个与LUAD预后有关的免疫相关基因和它们对应的系数,由此得出一个9个基因构成的LUAD风险评分公式:(− 0.014940631× SFTPD status) + (− 0.012603532 × P2RY13 status) +(− 0.053977327 × HLA‐DMA status) + (0.139652398 ×BIRC3 status) + (− 0.04205445 × BTK status) +(− 0.022676019 × CLEC7A status) + (− 0.031509498 ×HLA‐DOB status) + (− 0.043072174 × CD5 status) +(− 0.020106152 × MS4A1 status)

图1.ESTIMATE计算免疫评分

2、9基因标志物的预后价值验证
  • 作者取GEO数据库的GSE30219数据集作为验证集,对训练集和验证集样本分别计算免疫评分,并进行KM生存分析,均发现与地免疫风险组相比,高免疫风险组患者的中位OS明显较低,预后较差。(图2)

图2.训练集、验证集KM生存分析验证预后价值

3、9基因标志物预后独立性检验
  • 作者对训练集样本做单因素、多因素cox回归分析,设置了年龄、性别、TNM分期等多个LUAD临床预后标志物作为变量,发现本文中的9基因标志物的预后价值独立于其他预后因素。(表2)

表2.单因素、多因素cox回归分析结果

  • 在此基础上作者进一步验证了这个9基因的预后标志物可以预测不同临床亚组患者的生存情况,在图3中,作者将训练集患者分为年龄大于/小于等于65岁、男/女性、T1-T2/T3-T4分期、TNM1-2/3-4期、N0/N1-3分期、M0/M1、有无复发共14个临床亚组,分别进行KM生存分析,发现在除去T3-T4分期、N1-3分期、M1、TNM3-4期以外其他所有临床亚组中,低免疫风险组患者的预后更为良好。

图3.14个临床亚组的KM生存分析结果

4、9基因标志物的临床应用
  • 为了将这个9基因预后标志物应用到LUAD患者的临床预后预测中,作者把9基因预后标志物和其他临床预后因素共同作为变量构建了一个列线图,并利用R包rmda绘制了列线图的calibration curve(校准图),3年、5年、10年的校准图曲线均接近斜率45度的直线,说明利用该列线图得到的预测值与实际观测值非常接近,同时计算出该列线图的C-index值为0.722,共同说明了这个基于9基因预后标志物的列线图具有良好的预测能力(图4)

图4.基于9基因预后标志物的列线图

5、与9基因标志物相关的通路分析
  • 为了更好地了解9基因标志物潜在的细胞生物学功能,作者对TCGA数据库中230个LUAD样本进行KEGG和GO分析。在图5.A中给出了GO分析中富集分数排名前20的相关通路,包括炎症反应、适应性免疫反应等;在图5.B中给出了KEGG分析的结果,与9基因标志物相关的通路也基本与免疫反应有关,包括趋化因子信号通路、NF-kB信号通路等。

图5.GO、KEGG分析结果

小结

本文中作者利用ESTIMATE算法对样本计算了免疫评分,并在此基础上结合LASSO回归筛选出了一个9个免疫相关基因构成的LUAD预后标志物,发现它有很好的预后预测价值和独立性,并构建了一个基于这个标志物的列线图,实现了它的临床应用价值。

(0)

相关推荐