导语
Clinical significance and immunogenomic landscape analyses of the immune cell signature based prognostic model for patients with breast cancer
基于免疫细胞特征乳腺癌患者预后模型的基因组学分析
一、研究背景
乳腺癌是最常见的癌症类型之一，2019年美国约有276 480名女性被诊断为乳腺癌，约有42 170人死亡。即使是早期接受治疗的患者，大多数乳腺癌患者预后较差。最近的研究表明，乳腺癌具有高水平的免疫原性，并存在多种不同类型的免疫细胞浸润。肿瘤免疫微环境被认为在乳腺癌的发展中起着至关重要的作用，T肿瘤浸润淋巴细胞作为肿瘤免疫微环境中容易获得的标记物，已被广泛研究并被证实与乳腺癌的预后有关。
二、研究思路
三、结果解读
1免疫细胞特征对乳腺癌预后的预测
将10个乳腺癌队列中4868个具有总体生存信息的乳腺癌样本用于预后模型构建，采用单因素Cox回归分析来评估乳腺癌患者的预后与总生存率之间的关系。在155个免疫细胞中，选择了32个p值小于0.001的免疫细胞用于后续研究。通过最小lambda的LASSO Cox回归选取23个免疫细胞特征的NESs来构建训练队列中的IRRS模型。森林图说明了23种免疫细胞浸润水平与总存活率之间的关系。根据每个乳腺癌患者的风险评分，并根据survminer包生成的最佳截止点将患者分为高或低IRRS亚型。低IRRS亚型患者在大多数免疫细胞信号中表现为高免疫浸润水平，而高IRRS亚型患者在大多数免疫细胞信号中表现为低免疫浸润水平。两种IRRS亚型在23个免疫细胞信号的免疫浸润水平上也有显著差异。训练队列中使用Kaplan - Meier生存分析比较了IRRS高亚型和低亚型之间的总生存率差异，高IRRS亚型患者的总生存期明显短于低IRRS亚型患者。
图1.训练集中IRRS的构建和验证
2 免疫细胞IRRS模型用于列线图构建
作者利用来自训练队列、测试队列和整个队列的患者构建了一种整合了IRRS和亚型信息的nomogram乳腺癌预后预测方法。计算出乳腺癌患者预测个体3、5和10年总生存率的得分。与其他类型信息相比，IRRS贡献了最多的风险点，但训练队列、测试队列和整个队列的校正曲线均不能很好地拟合理想曲线，特别是10年总生存率的校正曲线。
图2.预测训练队列中3、5和10年总生存率预测曲线
3 不同IRRS患者的免疫状况
作者根据TCGA队列获得的最佳截止值，将TCGA队列中的患者分为高或低IRRS亚型。除CSR_Activated_15701700外， 22类免疫细胞浸润通过Wilcoxon检验证实在两种亚型中存在显著性差异。使用TCGA队列进行的生存分析显示总生存期在两种乳腺癌亚型之间的差异。结果显示，具有Lum B亚型患者的IRRS值在5个亚型中最高，而正常亚型患者的IRRS值最低。此外，只有少量基底样肿瘤(26.74%)、HER2阳性肿瘤(20.55%)和正常样肿瘤(26.81%)显示高IRRS亚型，而Lum B肿瘤为58.64%。这些结果可能为不同分子亚型乳腺癌患者提供不同的治疗策略。
作者紧接着重点研究了IRRS值和免疫相关特征之间的相关性。IRRS值与CYT、基质评分、免疫评分、估计评分和肿瘤纯度相关。此外，根据Wilcoxon检验，两种IRRS亚型在CYT、基质评分、免疫评分、ESTIMATE评分和肿瘤纯度方面存在显著差异。三种重要的免疫检查点PD-1、PD-L1、CTLA-4的表达水平与TCGA队列的IRRS值呈高度相关。
图3.TCGA队列中IRRS的临床意义和免疫浸润情况
对IRRS评分进行GSEA，结果表明低IRRS亚型显示显著富集多个T细胞信号通路，如1型辅助T细胞、T卵泡辅助细胞、自然杀伤T细胞CD4 + T细胞激活等。GO富集分析主要富集于免疫应答、适应性免疫应答、T细胞活化、免疫应答调节、淋巴细胞介导免疫和淋巴细胞活化调节等免疫相关过程。KEGG通路富集分析主要富集于免疫相关类别，如Th17细胞分化、Th1和Th2细胞分化、肠道免疫网络产生IgA和原发性免疫缺陷等。
4 IRRS与抗肿瘤免疫、T细胞浸润及抗肿瘤反应的关系
CDC1细胞(传统的1型树突状细胞)是启动CD8+T细胞对抗肿瘤抗原的关键。CCL4和CCL5是已知的两种细胞因子，通过刺激cDC1细胞中表达的CCR5来控制cDC1细胞向肿瘤的迁移。CXCR3, CXCL9和CXCL10是已知的细胞因子，可以控制T细胞的迁移和自然杀伤细胞(NK)的迁移。为了阐明肿瘤免疫微环境中IRRS值与T细胞浸润和抗肿瘤反应之间的关系，作者通过8项T细胞浸润和抗肿瘤反应指标对TCGA队列中的高或低IRRS亚型乳腺癌患者进行了表征，并通过ssGSEA算法计算。结果显示，低IRRS亚型患者T细胞浸润信号和抗肿瘤应答信号评分显著高于高IRRS亚型患者。在TCGA队列中，IRRS值与T细胞浸润特征和抗肿瘤应答特征得分之间存在强烈的负相关，训练队列中也显示了类似的结果。
5 高、低IRRS亚型患者免疫细胞比例的差异
作者研究了22种免疫细胞类型在高和低IRRS亚型之间的免疫细胞比例的差异。结果表明，低IRRS亚型有较高比例的B记忆细胞, CD8 + T细胞, CD4 + T细胞,毛囊辅助T细胞,T细胞γδ,巨噬细胞M1, 巨噬细胞M2等(p值< 0.05)。此外，不同肿瘤浸润免疫细胞的比例与IRRS值呈弱或中度相关，测试队列中也出现了类似的结果。
图4.TCGA队列中高、低IRRS患者的免疫细胞比例分析
6 通过复发风险（ROR）评分验证IRRS
作者研究了IRRS值是否可以增加ROR评分的显著预后价值，并发现低IRRS亚型的ROR得分高于高IRRS亚型，而IRRS值和ROR分数也呈显著负相关。当IRRS值被添加到ROR分数, NRI为0.243（0.078-0.408），IDI为0.022（0.008-0.0366）。在TCGA数据集中，METABRIC数据集的NRI为0.229（0.141-0.319），IDI为0.008（0.0049-0.0128）。NRI和IDI显示，IRRS值显著改善了患者预后的分型。
7 IRRS值相关治疗效益
IRRS对接受辅助化疗的乳腺癌患者的预测价值在三个队列中进行了检验，这些乳腺癌队列包括患者在接受辅助化疗治疗前后的mRNA表达水平。结果显示，接受14天辅助化疗的乳腺癌患者较接受辅助化疗90天的配对患者有更高的风险IRRS值。此外，根据患者对新辅助化疗的反应，将GSE41998乳腺癌患者分为进展组(PD)、稳定组(SD)、部分缓解组(PR)和完全缓解组(CR)。CR/PR乳腺癌患者的IRRS值明显低于SD/PD乳腺癌患者。作者使用接受抗PD-L1治疗的尿路上皮癌数据集(IMvigor210)和接受抗PD-L1和抗TLA4治疗的恶性黑色素瘤数据集(GSE91016)，通过R包survminer确定了IRRS值的最佳截止点，将IMvigor210组和GSE91016组患者分别分为高、低IRRS亚型。Kaplan Meier生存曲线表明,低IRRS亚型患者有更好的预后。此外，IMvigor210和GSE91061队列中与IRRS值相关的基因主要富集于免疫相关的生物学过程和免疫相关的KEGG通路。
图5.IRRS值相关治疗效益
8 用XGBoost算法预测IRRS分型
为了构建能够准确预测乳腺癌高、低IRRS亚型的分型，应用XGBoost算法构建模型，选取23种免疫细胞类型的NESs作为训练队列中的特征，训练队列的总体准确率和AUC分别为86.98%和0.943，而测试队列的总体准确率为83.94%， AUC为0.947。
图6.XGBoost算法的预测结果
四、小结
作者通过利用10个公共数据库的乳腺癌队列，通过Lasso Cox模型确定了23个与预后相关的免疫细胞特征，从训练队列患者中构建乳腺癌风险评分预后模型，并在测试队列患者中进一步证实该模型的显著预后价值。此外，作者还探讨了风险评分与内在分子亚型、免疫检查点和CIBERSORT计算的22个免疫细胞比例之间的关系，多方面论证免疫细胞风险评分模型可作为乳腺癌患者可靠的预后生物标志物。
科研风暴团队提供新颖、专业、可重复的生信分析服务
对该思路感兴趣的小伙伴
欢迎扫码联系
联系客服
