纯生信4+膀胱癌免疫微环境思路分享

Screening and Identifying Immune-Related Cells and Genes in the Tumor Microenvironment of Bladder Urothelial Carcinoma: Based on TCGA Database and Bioinformatics筛选和鉴定膀胱尿路上皮癌肿瘤微环境中的免疫相关细胞和枢纽基因:基于TCGA数据库和生物信息学

一. 研究背景

膀胱癌是指发生在膀胱黏膜上的恶性肿瘤。是泌尿系统最常见的恶性肿瘤,也是全身十大常见肿瘤之一。占我国泌尿生殖系肿瘤发病率的第一位,而在西方其发病率仅次于前列腺癌,居第2位。

膀胱癌最常见的是膀胱尿路上皮癌(BUC),约占膀胱癌患者总数的90%以上,通常所说的膀胱癌就是指膀胱尿路上皮癌,既往被称为膀胱移行细胞癌。

二. 分析流程

三. 结果解读

1. 得到关键免疫细胞丰度比与总生存率之间的关系

首先从TCGA数据库下载408例BUC数据,并将其提取到三个矩阵:RNA-Seq,FPKM和counts格式。

每列代表一个样品,每列具有不同的颜色和高度表示该样品中免疫细胞的丰度比。使用R里的CIBERSORT对BUC以及临床数据进行提取和分类,以获得22个免疫细胞的丰度比矩阵(图2A)。

图2A. 218个样品中22个免疫细胞的丰度比

图片内的值表示相关值, 红色代表正相关,蓝色代表负相关。对218个样本中22个免疫细胞的含量进行相关分析(图2B)。得到结果:T细胞CD4记忆激活与T细胞CD8含量显着相关,而T细胞CD4记忆静止与T细胞CD8和T细胞CD4记忆负相关。

图2B. 218个样品中22个免疫细胞的丰度比的关系

红线表示免疫细胞高表达组,蓝线表示免疫细胞低表达组。基于22个免疫细胞的丰度比,使用Log-Rank进行测试后,对关键细胞进行了Kaplan-Meier的总体存活率分析,确定了与生存相关的免疫细胞,包括T细胞CD4记忆激活,T细胞CD8和T细胞CD4记忆静止,以及NK细胞静止(2C-F)。

图2C-F. 四个免疫细胞的丰度比的生存分析

2. 上述结果与存活相关免疫细胞的临床关系

图中每个点表示样品中免疫细胞的丰度比,每张图片中的三个水平线表示平均值±SD。对四种存活相关免疫细胞的含量与临床特征进行相关性分析,其中分为肿瘤等级(图3A),临床阶段(图3B),T期(图3C)和N期(图3D)。

其中,随着T期,N期,临床期的增加,T细胞CD8,NK细胞静息和T细胞CD4记忆静息的丰度比降低,而活化的T细胞CD4记忆的丰度比增加。

图3. 免疫细胞丰度比与临床特征之间的关系

3. 识别免疫相关基因

分析与四个存活相关免疫细胞水平相关的膀胱泌尿癌基因,得到表达谱的火山图,红色/蓝色符号表示上调/下调的基因。

按T细胞CD8,T细胞CD4记忆激活,T细胞CD4激活和NK细胞静息分组(图4A-D) 。之后进行维恩计算,以获得参与四个免疫细胞浸润的基因,不同色块中的数字表示与免疫细胞浸润相关的基因数,得到共有933个基因与四个免疫细胞的浸润有关(图4E)。

图4. 鉴定与免疫细胞浸润有关的基因

4. 933个免疫相关基因主要参与的信号传导途径

参与免疫细胞浸润的枢纽基因的富集分析结果,即GO分析结果说明了生物学过程的变化,在角质化,肽交联,离子跨膜运输,离子跨膜运输,细胞信号传导等方面显着丰富(图5A);分子功能变化主要体现在角蛋白中,细胞外区域,中间丝,膜的锚定成分,高尔基体腔,乙酰胆碱门控通道复合物等(图5B);细胞成分变化主要集中在序列特异性DNA结合,丝氨酸型内肽酶抑制剂活性,神经肽Y受体活性,花生四烯酸环氧酶活性,血清素激活的阳离子选择性通道活性等(图5C);KEGG途径分析表明,细胞色素P450,化学致癌作用,酪氨酸代谢,PPAR信号传导途径等对异生物的代谢有用(图5D)。

图5. 与免疫细胞浸润有关的枢纽基因的富集分析

5. 得到24个枢纽基因的信息

为了探索免疫相关基因的相互关系并获得枢纽基因,进行了PPI和模块分析,获得了24个枢纽基因,包括完整的枢纽基因名称和主要功能。

表1. 24个枢纽基因的功能作用

6. 对关键枢纽基因构建蛋白质-蛋白质相互作用网络

对免疫相关基因进行共表达网络,大小表示与该基因相关的免疫细胞的数量,颜色越深说明共表达越显著,得到2个基因> 50的模块(图6A),以及他们的蛋白质共表达网络(图6B)。

图6A-B. 2个最重要模组的共表达网络

白色和红色分别代表枢纽基因和共表达基因。24个枢纽基因和50个共表达基因的共表达网络(图6C)。

图6C. 2个最重要模组的共表达网络

7.  得到3个模块的富集分析结果

本表展现的三个模块的富集分析结果:

  • 模块1的基因主要与蛋白质的运输和代谢有关

  • 模块2的基因主要与角蛋白和中间丝的组成以及共表达网络基因有关

  • 共表达网络基因主要与癌症相关的各种信号通路有关

表2. 三个模块的富集分析结果

8. 得到临床特征与枢纽基因之间的关系

每个小矩形中的前数字表示相关性,括号中的数字表示相关性的P值。本图体现了24个枢纽基因的临床特征的相关性分析结果,其中CDH7与N期呈正相关,而CST4与T期呈负相关,图中也能读出其他中心基因与临床特征之间的关系(图7A)。

图7A. 24个枢纽基因与临床特征之间的相关性

其中红线表示该基因的表达较高的组,蓝线表示表达较低的组。Kaplan-Meier生存分析显示了24个中心基因中有四个基因与临床结果密切相关,分别为CDH7,LUZP1,PSD2和UGT2B15(图7B-E)。

图7B-E. 与存活率显著相关的四个基因的Kaplan-Meier生存分析

9. 得到枢纽基因和各种免疫细胞之间的联系,验证免疫相关特性

下图,红色代表正相关基因,蓝色代表负相关基因。根据上面的分析得知,24个枢纽基因是潜在的免疫治疗靶标,它们与免疫细胞的关系和相互作用对于进一步的免疫相关研究具有重要价值,所以这里我们对24个枢纽基因(x轴)进行和22个免疫细胞(y轴)之间相关性分析(图8A)。

图8A. 24个枢纽基因和22个免疫细胞之间的相关性分析结果

下图,每个点代表样品,蓝色线代表每个基因的表达水平与免疫细胞含量之间的关系。TIMER用于验证四个存活相关基因与免疫细胞浸润水平之间的相关性。枢纽基因的一部分,包括四个与生存有关的基因,他们与某些免疫细胞浸润显著相关。

图8B. 每个基因的表达水平与免疫细胞含量之间的关系

这篇文章的研究不仅确定了BUC免疫治疗的细胞和基因靶标,而且提出了其他肿瘤免疫治疗的新研究思路。

我们一起期待下一篇精彩的文献吧!

编辑:桑   葚
校审:糯米饭
(0)

相关推荐