|
大家好，今天要和大家分享的是2021年6月发表的一篇文章：“The pan-cancer landscape of crosstalk between epithelial-mesenchymal transition and immune evasion relevant to prognosis and immunotherapy response”。 关于基因集泛癌分析，我们也推过很多文章 11分+SCI 基因集泛癌纯生信分析，两个多月接受，可重复！ 我们可以综合各个文章中的内容，换成新的基因集/复合物/通路/基因家族等进行分析。如果需要的话可联系小编提前预定 在本项研究中，为了提高对上皮间质转化(EMT)和免疫逃逸相互作用机制的理解，作者进行了泛癌多组学分析以研究EMT和免疫逃逸之间的关联及其在17种实体癌中的临床相关性。研究表明：泛癌所共有的EMT和免疫逃逸之间存在复杂且动态的免疫调节关系，这种关联与癌症预后和免疫治疗反应显著相关。基因组学和免疫基因组学的综合定量分析表明，免疫浸润细胞组成、非同义突变负荷、染色体不稳定性和致癌基因改变与EMT和免疫逃逸之间的平衡有关。此外，作者还提出了一个称为EMT-CYT指数(ECI)的评分模型来量化EMT-免疫轴并作为不同恶性肿瘤预后和免疫治疗反应的预测指标。 发表杂志：NPJ Precis Oncol. 影响因子：8.252 研究背景 上皮-间充质转化(EMT)是细胞从上皮形式转变为间充质形式的过程，这在胚胎发生和组织修复中起着关键作用。此外，EMT还参与人类恶性肿瘤的发生并推动癌症进展，例如具有较高转移率的基底样乳腺癌通常表现出较高水平的EMT。在EMT过程中，癌细胞的凋亡受到抑制，诱导癌症干细胞刺激血管生成并增强肿瘤微环境中的免疫抑制。此外，成功的EMT也有助于癌症的远处转移。因此，EMT的程度与癌症患者的较差预后呈正相关。研究发现，放疗、基于铂的化疗、抗代谢物或烷化剂可诱发EMT，（新辅助）化疗或放疗后标本中的EMT与复发或更短的生存时间相关。 流程图： 分析解读： 数据收集 ①从TCGA中获得与本研究相关的多组学数据，其中包含来自17种不同类型实体癌的8200个肿瘤的表达谱、外显子测序数据和临床数据。 ②收集五个接受免疫阻断疗法(ICB)（抗PD-1/PD-L1或抗CTLA4治疗）的独立免疫疗法数据集。 ③从Charoentong收集了28种免疫细胞类型的327个转录组数据。 ④从癌细胞系百科全书(CCLE)数据库下载了癌细胞的转录组数据。 ⑤从TCGA获取非同义突变数据、基因组不稳定性、拷贝数变异(CNV)和驱动基因数据。 EMT与免疫逃逸相关性的泛癌分析 ①研究泛癌中肿瘤浸润淋巴细胞(TIL)和EMT特征之间的关系。 ②测试这种相关性是否混淆了癌症亚型的识别。 ③研究与免疫细胞溶解活性(CYT)相关的潜在生物学过程。 结果： 下图A：四种癌症不同亚型的TIL浸润水平和EMT水平的小提琴图。 下图B：卵巢癌和膀胱癌中CYThigh和CYTlow肿瘤的基因集富集分析。 下图C：不同类型癌症的间充质和上皮标记基因的表达与CYT之间的相关性。 下图D：22种免疫细胞亚群的浸润水平与不同类型癌症的EMT评分之间的相关性。 下图E：癌细胞系和免疫细胞系中83种EMT相关生长因子的表达热图。 下图F：不同细胞组中TGFB1、HGF、BMP1和PDGFB表达的箱线图。 EMT和免疫逃逸相互作用的预后分析 ①以UCEC为例，分析具有较高CYT评分的肿瘤与生存期是否存在相关性。 ②使用meta分析在泛癌水平上测试上述观察结果。 ③作者提出一种ECI签名定量模拟肿瘤微环境(TME)中免疫逃逸和EMT之间的相关作用，它可根据肿瘤中相应的CYT分数估计EMT与预期量的偏差程度。 ④使用多变量Cox比例风险模型校正癌症类型。 结果： 下图A：使用多变量Cox比例风险模型并根据CYT和EMT评分生成UCEC患者的生存曲线。 下图B：根据黑色素瘤的CYT和EMT评分，判断ECIhigh和ECIlow肿瘤患者的总生存期。 下图C：通过森林图将17种实体癌的ECI单变量Cox比例回归分析的风险比（95%置信区间）可视化。 ECI预测对免疫检查点封锁的反应 ①研究EMT免疫轴对临床免疫治疗反应的影响。 ②确定ECI在预测ICB响应方面的性能。 ③绘制ROC曲线图进一步比较EMT、CYT和ECI在ICB反应高的癌症中的分布。 结果： ①五个独立免疫治疗数据集中患者的ECI和ICB反应。 ②五个独立免疫治疗数据集的ECI、CYT、EMT和TMB的ICB反应的ROC曲线图。 免疫浸润细胞组成与EMT和免疫逃逸相互作用的关系 ①作者假设确定免疫浸润细胞组成对于理解免疫逃逸和EMT之间的关系至关重要。 ②为了验证这一假设，作者使用泛癌中Pearson相关分析来研究ECI与不同免疫细胞类型的相对分数之间的关联。 ③免疫组化分析以标记巨噬细胞或CD8+T细胞并检测波形蛋白在肺癌中的表达。 ④评估免疫组化结果分析波形蛋白表达与M1、M2或CD8+T细胞浸润之间的相关性。 ⑤为了全面了解免疫组成如何决定ECI，作者使用UMAP基于22个免疫亚群的相对分数对泛癌肿瘤样本进行聚类分析。 结果： 下图A：ECI与17种实体癌中22种免疫细胞亚群的浸润之间的相关性。 下图B：免疫组化分析以标记巨噬细胞或CTL并检测波形蛋白在肺癌中的表达。 下图C：Pearson相关分析用于评估波形蛋白表达与巨噬细胞或CTL浸润之间的相关性。 下图D：卵巢癌和头颈部鳞状细胞癌不同癌症亚型中CD8+T、T辅助细胞、M1和M2巨噬细胞的相对浸润分数分布。 下图E：基于22个免疫细胞亚群的相对浸润分数。 下图F：在17种实体癌中，浸润性免疫细胞的相对比例与ECI呈正相关或负相关。肿瘤按照与ECI呈负相关的浸润免疫细胞（蓝色）与与ECI呈正相关的浸润免疫细胞（红色）的比率排序。 EMT和免疫逃逸相互作用的分子和遗传因素 ①检查了CYT-EMT相互作用与基因组之间的关系特征。 ②研究基因组不稳定性与EMT和免疫逃逸之间相互作用的关联。 ③进一步研究参与抗原呈递的基因突变。 结果： 下图A：局部回归分析多种癌症类型中整体非同义突变负荷与ECI之间的相关性。 下图B：局部回归分析在多种癌症中总染色体不稳定性与ECI之间的相关性。 下图C：多种癌症中野生型和突变型肿瘤中HLA-A/B/C基因中CYT和EMT的箱线图,使用Mann-Whitney U检验进行统计分析。 致癌基因改变与EMT和免疫逃逸之间的关系 ①分析之前泛癌研究中发现的373个具有突变的驱动基因和200个具有CNV的驱动基因。 ②利用泛癌回归分析调整背景突变率和肿瘤类型。 结果： 下图：调整背景突变率和肿瘤类型调整后的泛癌回归分析表明有23个突变、18个扩增和20个缺失驱动基因与ECI之间存在相关性。 小结： 在癌症发展过程中，癌细胞与免疫系统之间的相互作用是动态的，这个过程称为免疫编辑。在癌症进展的早期阶段，免疫细胞通常通过免疫监视来防止肿瘤形成，然而，随着肿瘤的发展，它们最终会获得逃逸免疫系统破坏的能力。因此，在癌细胞中诱导EMT是肿瘤相关免疫细胞促进癌症发生的重要机制。本研究采用大规模定量多组学方法分析了EMT与多种实体瘤中的免疫逃逸之间复杂且动态的免疫调节的关系，确定了与EMT和免疫逃逸之间的平衡相关的潜在因素。研究结果和模型加深了现代研究对肿瘤以及免疫和EMT相互作用复杂性的理解，并可能有助于为开发新型生物标志物以预测对免疫疗法的反应提供理论基础。 |
|
|
