【原】乏氧生信（2）：6.6分纯生信SCI，两个多月接收，乏氧单肿瘤生信

对免疫检查点抑制剂(ICIs)的耐药性一直是ICI治疗转移性尿路上皮癌(MUC)的巨大障碍。本研究调查了来自大型2期试验(IMvigor210)的348名接受ICI治疗的MUC患者的转录组数据和临床数据。随后，作者从分子特征数据库(MSigDB)下载乏氧相关基因数据，通过单变量和多变量Cox回归分析筛选构建预后模型。此外，作者还利用癌症基因组图谱(TCGA)数据库的膀胱癌队列探索该模型与基因突变、免疫细胞浸润、信号通路富集和药物敏感性之间的关系。结果显示，与模型低风险评分组患者相比，高风险评分患者的总生存期(OS)明显更差。突变分析结果显示RB1、TP53、TSC1和KDM6A的缺失与乏氧相关。免疫细胞浸润分析表明，T细胞、B细胞、Treg细胞和巨噬细胞浸润与乏氧相关。功能富集分析显示，乏氧微环境中高风险评分组基因主要富集在糖代谢相关通路、炎症通路和和免疫相关通路中。

发表杂志：Front Cell Dev Biol.

影响因子：6.684

该文章属于基因集的单肿瘤分析，通过筛选基因集到筛选基因集中的基因，构建模型，预测疗效，外部验证，对模型进行多维度分析。该思路可模仿。如需做类似的分析可以联系小编。

生信分析咨询

请扫描下方二维码

研究背景

转移性尿路上皮癌(MUC)发生在泌尿系统的尿路上皮器官，是一种常见的恶性肿瘤。目前，一些已知的免疫检查点抑制剂，包括抗细胞毒T淋巴细胞相关蛋白4(CTLA-4)和程序性细胞死亡受体1(PD-1)及其配体(PD-L1)，在MUC治疗中显示出了很好的疗效。根据欧洲泌尿外科协会（EAU）2020年指南，pembrolizumab(帕博利珠单抗)和atezolizumab(阿替利珠单抗)已成为铂类化疗失败后局部晚期MUC的一线治疗选择。

流程图

数据收集

①从先前的研究中下载接受抗PD-L1药物治疗的MUC患者的基因组、转录组和临床数据，并将数据分为训练集和测试集。

②从分子特征数据库(MSigDB)下载乏氧相关基因数据。

③从癌症基因组图谱（TCGA）数据库下载TCGA膀胱癌数据集。

④从基因表达综合(GEO)数据库下载GSE78220、GSE158632、GSE120736数据集用于后续的功能验证分析。

乏氧特征模型的构建

①为了研究乏氧在ICI治疗MUC中的作用，作者计算了MUC队列中所有样本的Hallmark基因集的ssGSEA评分，并分析其与ICI疗效和MUC患者生存状态之间的关系。

②使用单变量和多变量Cox回归分析构建了用于风险分层的4基因乏氧风险评分模型。

结果：

下图A：直方图显示，乏氧通路上的基因在对ICI治疗无反应的患者中上调。

下图B：单变量Cox回归结果显示乏氧ssGSEA高评分与MUC患者的不良预后相关。

下图C：Kaplan-Meier生存曲线说明乏氧基因组评分高的患者预后不良。

下图D：韦恩图显示每个数据集中的基因。

下图E：多变量COX回归分析显示，TKTL1、JMJD6、IRS2和ANXA2被确定为OS的独立预后因素。

下图F-I：基于1个低风险乏氧基因（TKTL1）和3个高风险乏氧基因（JMJD6、IRS2、ANXA2）构建乏氧风险评分模型。

乏氧风险预后模型的验证

①将乏氧预后模型与常规临床预后特征进行比较以评估乏氧模型的性能。

结果：

下图A-B：风险评分是接受ICI治疗的MUC患者的独立预后因素。

下图C-D：风险曲线显示基因表达、乏氧风险评分和存活率之间的关系。

下图E-F：高风险评分患者的总生存时间比低风险评分患者短。

下图G-H：高预后评分的患者显示出较短OS的趋势。

下图I-J：乏氧模型曲线下面积(AUC=0.71)高于肿瘤突变负荷(TMB)和肿瘤新生抗原负荷(TNB)(AUC=0.33,0.33)。

下图K-L：乏氧风险评分模型在第3年时具有最佳预测值。

MUC临床特征与乏氧风险评分的相互关系

①评估乏氧评分与临床特征（免疫治疗效果、肿瘤表面PD-L1表达、免疫细胞中PD-L1表达、免疫原性、TCGA分子表型和肿瘤免疫表型）之间的关联。

结果：

下图A：直方图显示MUC训练集高风险评分亚组对ICI无反应者的人数高于低评分亚组。

下图B-C：KM曲线显示MUC训练集风险评分与TMB和TNB联合分析的生存结果。

下图D：PD-L1在乏氧风险评分高的肿瘤细胞中表达较高。

下图E：直方图显示MUC测试集高风险评分亚组中对ICI无反应的人数高于低评分亚组。

下图F-G：KM曲线显示风险评分结合TMB和TNB在MUC测试集中的生存结果。

下图H：箱线图显示MUC测试集肿瘤细胞中风险评分和PD-L1的表达。

下图I-K：小提琴图显示TCGA分子亚型中MUC训练集、MUC测试集和TCGA BLCA风险评分的分布。

乏氧风险预后模型与基因突变联合分析

①分析乏氧微环境对转移性尿路上皮癌基因突变的影响。

结果：

下图A-C：与MUC训练组相比，ARID1A、KDM6A和Rb1的突变频率在高风险评分亚组中更高；在TCGA BLCA队列中，高危亚组的Rb1(26%)突变频率高于低危亚组(11%)，而高危亚组的KDM6A(22%)和FGFR3(10%)突变频率较低。

免疫相关性分析

①分析乏氧与免疫微环境及免疫浸润之间的关联。

结果：

下图A-D：显示转移性尿路上皮癌中训练集、测试集、TCGA BLCA和GSE120736数据集的免疫浸润评分。结果显示T细胞、B细胞、巨噬细胞和Treg细胞在高乏氧风险评分亚组中浸润程度较多。

GSEA分析和功能验证

①进行基因本体论(GO)分析和GSEA分析以阐明乏氧模型高低风险评分组的功能途径。

结果：

下图A-B：作者选择高风险组中的差异表达基因（DEG）进行GO通路富集分析。从前15条GO通路来看，高危亚组主要集中在细胞外基质重塑相关通路。

下图C-D：高危亚组的基因主要富集在糖代谢相关通路、炎症相关通路和T细胞、巨噬细胞和NK细胞等免疫相关通路中；低危亚组的基因主要富集在脂质代谢相关通路中。

药物敏感性分析

①通过GDSC数据库对138种中小分子药物进行药物敏感性分析。

②使用CMAP分析其他药物与MUC乏氧风险评分组之间基因表达谱的相似性。

结果：

下图A：顺铂、吉西他滨和甲氨蝶呤等药物在乏氧评分高的亚组中没有表现出优越的药物敏感性。

下图B：蛋白质合成抑制剂、细菌细胞壁合成抑制剂、法呢基转移酶抑制剂、糖原合酶激酶抑制剂和HSP抑制剂对高乏氧评分患者有效。

小结：

转移性尿路上皮癌（MUC）通常对免疫抑制剂治疗（ICI）反应不佳。在这项研究中，作者推测MUC对ICI反应不敏感可能与乏氧微环境有关。因此，作者通过Cox回归分析构建了基于4个乏氧相关基因（TKTL1、JMJD6、IRS2、ANXA2）的风险预后模型，并预测在乏氧微环境中接受ICI治疗的MUC患者的生存状态和潜在作用机制。结果显示，TKTL1与预后呈负相关，而JMJD6、IRS2和ANXA2与预后呈正相关。同时，该模型还有效识别了高低乏氧风险评分亚组，证实乏氧高危亚组与不良预后相关。此外，乏氧风险模型还揭示了乏氧与肿瘤免疫微环境之间存在密切联系。