这么简单的分析流程,学会了你也可以发6分文章!

A TP53-associated gene signature for prediction of prognosis and therapeutic responses in lung squamous cell carcinoma

TP53相关基因在预测肺鳞癌预后和疗效中的作用

发表期刊:Oncoimmunology

发表日期:2020 Mar 2

影响因子:5.869

DOI:  10.1080/2162402X.2020.1731943

肺癌是人类常见的恶性肿瘤之一,是全世界癌症相关死亡的主要原因。非小细胞肺癌(NSCLC)有三种不同的亚型:(1)肺腺癌(LUAD);(2)肺鳞状细胞癌(LUSC);(3)大细胞肺癌(LCLC)。LUSC约占所有肺癌病例的30%,在全球范围内,每年导致约40万人死亡。

肿瘤蛋白p53(TP53)位于染色体17p13.1上,编码肿瘤抑制蛋白p53.7是人类最常见的突变基因,50%以上的人类癌症都表明p53信号的改变。功能上,p53直接与染色质结合,在调节细胞周期、细胞凋亡、自噬和DNA修复等对损伤性物质的反应中发挥重要作用。TP53突变,主要是错义突变,也是NSCLC中最常见的突变,在LUSC中比LUAD中更常见。

1   数据来源

1)TCGA:来自LUSC和LUAD患者的基于VarScan 2的体细胞突变数据,结合基因表达数据和相应的临床特征

2)Data Coordinating Center:LUSC基因表达、临床和体细胞突变数据

3)ICGC:下载体细胞突变数据,以估计LUSC患者的体细胞突变

2   分析流程

1)差异表达基因(DEGs)筛选:R包'edgeR',获取TCGA LUSC队列中具有(n = 388)和不具有(n = 100)TP53突变的患者之间的DEG

2)基因集富集分析(GSEA):R包'clusterProfiler '

3)识别TP53相关的预后特征:R包'survival '进行单变量Cox回归分析、多变量Cox回归分析确定特定基因标志的预后价值、生存分析

4)免疫细胞估计:CIBERSORT、R包'Genefilter '用于筛选每个样品

5)免疫治疗和化学治疗反应预测:使用肿瘤免疫功能障碍和排除(TIDE)算法和亚类图谱来预测免疫检查点抑制剂的临床反应;使用R包 'pRRophetic '来估计GDSC网站上每个LUSC患者的半最大抑制浓度(IC50)确定的化疗反应

6)估计肿瘤突变负担(TMB)

7)基因相关的预后特征与其他临床特征的独立性:单变量和多变量Cox回归分析、nomograms图

8)免疫组化实验

01 - LUSC和LUAD的突变

作者试图鉴定LUSC和LUAD患者的体细胞突变。根据TCGA数据,TP53突变是最常见的,在LUSC中比LUAD更普遍(77% vs. 47%;图1)。还在ICGA数据库中发现了LUSC突变,一致的是,TP53也是最频繁突变的基因(排名第二),这与其在TCGA数据库中的高频率一致。

图1 LUSC和LUAD样本中的突变

02 - 鉴别有TP53突变和没有TP53突变的LUSC患者之间的DEGs

TP53突变率高,表明TP53状态与LUSC密切相关。作者将LUSC患者分为TP53突变组和野生型组,并探讨它们之间的DEGs。总共确定了773个上调基因和783个下调基因(图2a,b)。为了深入了解DEG的功能,基于GSEA分析进行了基因本体(GO)富集分析。TP53突变状态基因在与免疫功能相关的术语中富集度最高,表明TP53突变状态相关基因主要可能在LUSC的免疫相关过程中发挥了重要作用。

图2 鉴定伴有或不伴有TP53突变的LUSC患者的DEGs

03 - 构建基于DEG的预后特征

为了确定与LUSC患者总体生存相关的DEGs,进行了单变量Cox回归分析。在p<0.05时,确定75个基因对LUSC患者的总体生存率有预后作用。然后应用多变量Cox回归分析来考察基因与总体生存的相互关系,只有3个基因显示出显著的LUSC预后信号,包含KLK6、MUC22和CSN1S1(图3a)。计算出预测预后值的风险评分,将LUSC患者分为低危组或高危组(图3b-d)。Kaplan-Meier分析表明,高危患者的总生存期明显差于低危患者(图3e)。

图3 构建基于DEG的预后特征

04 - 根据TP53突变状态对总生存期进行Kaplan-Meier分析

与三基因签名的预后能力一致,TP53突变状态与LUSC患者的预后也显著相关(图4a)。为了研究三基因签名是否独立于TP53突变状态,根据TP53突变状态将LUSC患者分为高危组和低危组。基于三基因特征的两组Kaplan-Meier总体生存曲线在TP53 WT和TP53 MUT LUSC队列中存在显著差异(图4b,c)。

作者还发现TP53突变类型会影响LUSC患者的预后(图4d)。为了探究三基因特征是否独立于TP53突变类型,对包含TP53错义突变的最大亚组进行了预后分析。有趣的是,三基因签名起到了负面作用,这些基因的高表达缩短了LUSC患者的总体生存期(图4e)。

图4 根据TP53突变状态进行总生存率的Kaplan-Meier分析

05 - LUSC高低危患者的免疫细胞浸润图谱

接下来研究了LUSC高危和低危患者之间免疫浸润的差异。如图5a,b所示,22种肿瘤免疫细胞类型的比例在LUSC高危和低危患者之间有显著差异。此外,免疫细胞比例呈弱至中度相关(图5c)。LUSC高危患者的单核细胞和巨噬细胞M1比例明显较高,而T细胞CD8和T细胞滤泡辅助细胞比例较低。

图5 LUSC高危和低危患者的免疫细胞浸润景观

还根据TGCA体细胞突变数据计算了TMB评分。LUSC患者的TMB明显更高。在LUSC中观察到的免疫浸润的异质性可能为免疫治疗提供预后指标和靶点,可能具有重要的临床意义。

06 - LUSC高危和低危患者的免疫治疗和化疗反应

作者估计了免疫检查点阻断(靶向CTLA-4和PD-1的高风险和低风险LUSC患者)的临床反应。高风险的LUSC患者对抗PD-1治疗的反应更有希望(图6a)。还调查了LUSC高危和低危患者对化疗的反应,发现29种化疗药物在LUSC高危和低危患者之间的估计IC50表现出显著差异,LUSC高危患者对所有29种化疗药物的敏感性均有增加(图6b)。

图6 高危和低危LUSC患者的免疫治疗和化疗反应

07 - 三基因特征与临床特征的相关性

接下来,研究了三基因签名衍生的风险评分是否是一个独立的生物标志物。单变量Cox回归分析表明,TNM期、T期和风险评分与LUSC患者的生存率较差相关,多变量Cox回归分析表明,TNM期、T期和风险评分仍与LUSC患者的生存率较差相关。

风险评分可作为LUSC的特定预后指标(图7a,b)。根据多变量分析中的因素建立了预后nomograms图。与TNM期和T期相比,风险评分显示出优越的预测性能(图7c)。

图7 三基因特征与临床特征的相关性

08 - 基因签名在临床组织样本中的验证情况

为了证实所确定的基因签名的可靠性,利用含有90对LUSC组织和相邻正常组织的组织芯片,通过免疫组化检测KLK6和CSN1S1的表达水平。结果显示,KLK6和CSN1S1蛋白与正常组织中的蛋白相比,在肿瘤组织中显著过表达(图8a,b)。

此外,为了确定KLK6和CSN1S1是否可以作为LUSC患者的预后生物标志物,进行了生存分析,结果显示KLK6和CSN1S1的表达水平与LUSC患者的总生存期至关重要(图8c)。还评估了基因签名(KLK6和CSN1S1)的表达与PD-L1的相关性,发现KLK6和CSN1S1与PD-L1的表达显著相关(图8d)。

图8 在临床组织样本中验证基因特征

总体而言,本研究首次发现了一个与TP53突变状态相关的三个基因签名,可以独立预测LUSC患者的生存状况。高危的LUSC患者可能会从免疫治疗和化疗中获得更大的获益,使用该签名可能会对这些患者的临床治疗产生重大影响。

如果喜欢本篇内容,希望大家点个赞与在看哦~

(0)

相关推荐