打开APP
未登录
开通VIP,畅享免费电子书等14项超值服
开通VIP
首页
好书
留言交流
下载APP
联系客服
TMB 免疫基因预后模型
生物_医药_科研
>《肿瘤突变负荷》
2020.10.19
关注
hello,大家好。公众号之前推出过TMB系列预后模型,也推出过免疫基因构建的肿瘤预后模型。然而,今天的推文有些不一样,作者将这两点结合起来探索肿瘤的预后。
LGG肿瘤突变负荷相关的免疫预后模型的开发和验证
研究概述
|
胶质瘤
是中枢神经系统最常见的恶性肿瘤,所谓低级别胶质瘤(
lower-grade gliomas
,
LGGs
)即指
I级和II级胶质瘤
。部分
LGG
可几个月变成胶质母细胞瘤(
glioblastoma
,
GBM
),另一部分可能数年内保持稳定。
L
GG
患者间生存差异较大,目前对其预后能力十分有限
,所以需要挖掘新的精准的生物标志物作为
LGG
预后判别。
肿瘤浸润性免疫细胞
主要在肿瘤微环境中调节肿瘤生长和侵袭。而与此发展而来的
免疫疗法
,可以有效的治疗侵袭性肿瘤,封锁免疫检查点(
immune checkpoint blockade
,
ICB
)可以使用
肿瘤突变负荷
(
tumor mutation burden
,
TMB
)
作为有效的生物标志物,但是
L
GG
s中的T
MB
研究甚少。
数据概览
|
TCGA
数据库
+ CGGA数据库 + ImmPort数据库+ GEO
数据库
+ TIMER数据库
分析方向
|
确定
TMB
对免疫微环境的影响,然后根据
TMB
风险值分组,进行差异表达分析,确定
hub基因,随后进行基因富集,利用现有数据库确定hub基因的突变体与免疫浸润水平的关系
,确定免疫相关的风险评分系统与
LGGs中免疫微环境的关系。最后,构建新的列线图来评估LGG患者的总生存期
。
下面将以
观点分析
和
数据结果
阐述:
首先,从
TCGA数据库
(https://cancergenome.nih.gov/)中获取LGGs的Somatic Mutation
和
RNA-seq表达数据以及相应的临床数据表作为
训练数据集
。
CGGA数据库(http://www.cgga.org)下载RNA-seq数据和相应的临床信息。作为
验证数据集
。从
ImmPort数据库
(
http:// ImmPort .niaid.nih.gov
)下载
免疫相关的基因集
。
获得
509个LGG
患者的
Somatic Mutation
,如下图一中,
waterfall plot
展示可见
IDH1、TP53和ATRX突变是LGG样本中最常见的三个突变基因
。错义突变是最常见的突变分类,单核苷酸多态性
(SNPs)在变异类型中的比例高于插入或缺失
突变,而
C>T是LGGs中最常见的单核苷酸变异(SNV)
。(
评析:变异类型分析用于确定
LGG
疾病分子机制,同时可以进一步分析变异样本个数,和基因之间的关联性。
)
图一,LGG突变信息的
概览,
(A)LGG样本的突变谱。
显示每个基因突变信息的瀑布图。
(B)根据不同类别和特定样本的TMB对突变类型进行分类。
(C)前25个突变基因的一致性和排他性关联
数据准备好后,每个样本的
TMB评分
以突变数
/外显子长度(30Mb)来计算
,然后,根据中位数将
LGG样本分为高TMB组和低TMB组,并在高TMB组和低TMB组之间进行Kaplan-Meier分析。
同时根据
WHO分级、组织病理类型和LGGs分子亚型评估TMB水平。
高
TMB组的OS明显短于低TMB组,p < 0.0001
,如下图二所示。并且
TMB
水平与
WHO
等级正相关
,不同类型的胶质瘤间
T
MB
水平可做统计学差异分析。
接着做
基因富集分析
,根据
Ensembl数据库(http://asia.ensembl.org/index.html)提供的注释信息,共鉴定出14848个编码基因
。在
ImmPort数据库鉴定了7个与免疫相关的DEGs进行进一步分析
,高
TMB组(235例)和低TMB组(234例)LGG标本进行GSEA分析
,发现
LGGs在高TMB组显著富集273个生物学过程,4个免疫相关生物学过程
,而低
TMB组的LGGs没有富集任何免疫相关的生物学过程
。(
评析:差异基因表达分析,基因富集分析和
GO terms注释都是经典的分析工作
)
图二,
TMB的预后价值和高、低TMB组基因表达谱的比较
Kaplan-Meier分析
结果显示,
LGGs中6个hub免疫基因(BIRC5、CRLF1、GDF15、LTF、PRLHR和TNFRSF11B)与OS高度相关。BIRC5、GDF15、LTF、TNFRSF11B表达水平高与不良预后呈正相关,CRLF1、PRLHR表达水平高与不良预后负相关
,如下图三所示。
(
评析:生存分析是为了解释不同
hub基因是否影响患者生存,接近临床意义的分析
)
图三,
TCGA数据库中6个hub TMB相关基因(BIRC5、CRLF1、GDF15、LTF、PRLHR和TNFRSF11B)的Kaplan-Meier分析
接着利用
T
IMER
数据库数据
,分析并发现
hub基因突变与LGGs免疫浸润微环境之间的
有关。其中,
BIRC5,CRLF1、GDF15突变体抑制多种免疫细胞的浸润
,相反,
PRLHR的突变体促进了多个免疫细胞的浸润
,如下图四所示。并且免疫细胞
(B细胞、CD4+ T细胞、CD8 + T细胞,中性粒细胞、巨噬细胞和树突细胞)
的浸润水平与
TCGA数据库
中的患者
OS负相关
,如下图五所示。
BIRC5,GDF15, LTF,和TNFRSF11B的表达与免疫细胞的浸润水平呈正相关,而CRLF1和PRLHR的表达呈负相关。
(
评析:
TIMER
数据库是哈佛大学免疫信息学教授刘小乐组开发的肿瘤免疫在线研究工具,利用
RNA-Seq表达谱数据检测肿瘤组织中免疫细胞的浸润情况。
)
四,免疫细胞浸润水平的六个
TMB相关hub
基因突变
图五,
Kaplan-Meier分析显示,LGGs较低的免疫细胞(B细胞、CD4+ T细胞、CD8+ T细胞、中性粒细胞、巨噬细胞和树突状细胞)浸润水平与较低的生存预后相关(p < 0.05)
接着,
构建
TCGA队列免疫相关风险评分
系统,这里使用
LASSO Cox分析选择基因
,并且
6个hub基因被用来归纳评分,采用以下公式:0.222×expBIRC5 - 0.088×expCRLF1 +0.264 * expGDF15 + 0.060 * expLTF - 0.063 * expPRLHR+ 0.357* expTNFRSF11B
,随后得到每个样本的评分,
ROC曲线分析显示了一个很好的预后预测
模型
(1年AUC = 0.89, 3年AUC = 0.87, 5年AUC = 0.76)
,如下图六所示。并且使用了
CGGA数据
进行验证,同样证明预测模型良好。(
评析:
LASSO Cox分析
经常用来做基因风险评分然后用
ROC
看模型效果。如果另外提高模型准确性,降维算法部分还是可以改进的
)
图七,免疫相关风险评分系统的构建与验证。
为了探讨风险评分系统与免疫浸润微环境之间的潜在关系,最后用
“TIMER” tools分析了风险评分与免疫浸润细胞之间的相关性。结果显示,风险评分与浸润的免疫细胞B细胞、CD4+ T细胞、CD8+ T细胞、中性粒细胞、巨噬细胞、树突状细胞呈正相关(图
七
A)。高危组患者免疫细胞浸润比例较高,p < 0.001(图
七
B)。研究还分析了高低风险分组中免疫检查点表达差异(图七D),以及风险评分和免疫检查点表达的相关性(图七C)。
图七,风险评分与浸润免疫细胞比例和免疫检查点的相关性
最后进行
单因素和多因素
Cox分析
,综合分析
TMB和免疫相关风险评分系统是否为LGG患者的独立预后因素。
单因素
Cox分析结果显示TMB和风险评分与OS显著相关。然而,多变量Cox分析以及临床病理变量表明,在TCGA数据集中,只有风险评分可以作为一个独立的预后因素
。
为了系统预测
LGGs的预后,基于TCGA数据的风险评分和两个独立预后因素(年龄和IDH1和1p/19q status )
构建
nomogram模型
,
nomogram的c指数为0.862,具有较高的识别能力,校准图对1-、3-的一致性较好以及5年预测和实际操作系统的概率(图
八
B)。ROC曲线分析显示,1年曲线下面积为0.921,3年曲线下面积为0.89,5年曲线下面积为0.80,具有较好的预测灵敏度和特异度
。(
评析:提出模型可以让临床实用度提高,更有说服力。
)
图八,基于
TCGA数据集的nomogram构造
写在最后
|
利用公共数据作为测试数据,
建立了免疫相关风险评分系统
TCGA数据集和验证与CGGA数据集
,
全面研究了
TMB
在
LGGs
免疫表型调控中的作用
。
根据风险评分系统和
nomogram
,临床医生可以计算出患者的个体评分,然后可以预测
1
年、
3
年和
5
年的
OS
。
TMB与OS呈负相关,高TMB可能抑制LGGs的免疫浸润。与TMB
相关的免疫相关风险评分系统可以根据不同的预后和免疫表型将患者分为低高危组。分组后利于后期
ICI
治疗的有效性预判,进而提供个性化免疫治疗方案。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报
。
打开APP,阅读全文并永久保存
查看更多类似文章
猜你喜欢
类似文章
【热】
打开小程序,算一算2024你的财运
7+免疫治疗ICI评分,火爆预定中
不一样的肿瘤免疫浸润新玩法
7.7分,热点基因集(线粒体自噬)+单细胞+Bulk+表达验证!思路简单,逻辑清晰,可模仿!
易学6+分泛肿瘤分析思路
两种癌症的PTPRT突变与免疫检查点抑制剂反应和结局的关联
TCGA肿瘤微环境+免疫细胞浸润纯生信思路
更多类似文章 >>
生活服务
热点新闻
留言交流
回顶部
联系我们
分享
收藏
点击这里,查看已保存的文章
导长图
关注
一键复制
下载文章
绑定账号成功
后续可登录账号畅享VIP特权!
如果VIP功能使用有故障,
可点击这里联系客服!
联系客服
微信登录中...
请勿关闭此页面
先别划走!
送你5元优惠券,购买VIP限时立减!
5
元
优惠券
优惠券还有
10:00
过期
马上使用
×