30分TME亚型的新玩法，你心动了吗！

[ixxmu]

https://mp.weixin.qq.com/s/KopcqxsDd8J20b2cKjYI4Q

[github-actions[bot]]

30分TME亚型的新玩法，你心动了吗！ by 医学僧的科研日记

分子靶向治疗的临床应用正在迅速发展，但目前主要集中在基因组的改变上。转录组学分析为探索肿瘤的复杂性创造了机会，而其中肿瘤微环境（TME）是影响癌症进展和治疗的关键因素，因此对TME的精准分型可以更好的指导临床治疗。而本文作者根据转录组特征并结合基因组变异对TME分型进行探索，并从黑色素瘤出发并扩展到泛癌，很是值得学习。

肿瘤微环境(tumor microenvironment, TME)是指肿瘤细胞存在的周围微环境，包括周围的血管、免疫细胞、成纤维细胞、骨髓源性炎性细胞、各种信号分子和细胞外基质（ extracellular matrix，ECM）。肿瘤微环境是肿瘤细胞赖以生存和发展的复杂环境，而这微环境内的免疫细胞及其调节方式对肿瘤的发生和发展起着重要的作用。

一、摘要

本文作者首先通过文献分析收集了29个可以代表肿瘤微环境的特征标签(Fges)。随后对超过1万名患者患者的转录组学分析以进行TME分类，确定了在 20 种不同癌症中保守的四种不同的 TME 亚型，TME 亚型与多种癌症中患者对免疫疗法的反应相关，具有免疫有利的 TME 亚型的患者从免疫疗法中获益最多。由于包含恶性和微环境成分，TME 亚型可作为多种癌症类型的通用免疫治疗生物标志物。整合转录组学和基因组数据的可视化工具提供了全局肿瘤行星图，描述了肿瘤框架、突变负荷、免疫组成、抗肿瘤免疫和免疫抑制逃逸机制。综合分析加可视化可能有助于生物标志物的发现和治疗方案的个性化。

二、本文亮点

• 基于整体转录组的TME分类平台的开发

• 在泛癌中发现4种免疫/纤维化TME亚型

• 这四种TME亚型可以预测多种癌症对免疫治疗的反应

• 将基因组学和转录组学整合到一个具有行星视图的可视化工具中
  

三、流程图

三、结果简述

1: TME基因表达特征标签的建立

为了使用基于转录组学的分析平台对TMEs进行分类，作者首先对已经发表的文献进行系统的分析，确定了29个Fges，他们代表了肿瘤的主要功能成分、免疫、基质及其他细胞成分，涵盖了已知的细胞和功能的TME属性（图1A-B）。每个Fges都经过提炼，只包括与特定细胞类型或生物过程相关的基因（图1C），这一过程的实现依赖于从FANTOM5, ENCODE, BLUEPRINT等数据库收集的4212份已知免疫细胞和基质细胞亚群的RNA-seq谱。正如预期的那样，细胞毒性细胞信号主要在分类的CD8+ T细胞或自然杀伤(NK)细胞中表达，而与细胞外基质形成相关的Fges主要富集在成纤维细胞中。如与细胞增殖有关的信号，在正常皮肤—痣—黑色素瘤呈逐渐升高趋势（图1E）。根据这29种Fges，通过ssGSEA计算每个样本的免疫浸润情况，对免疫浸润表达谱进行去监督聚类，最终获得TME相关的亚型（图1A）。在TCGA黑色素瘤数据集中，对29个Fges的Pearson进行相关性分析显示，两组主要的正相关特征是T细胞免疫相关标签和基质相关标签（图1F）。

2: 四种黑色素瘤TME相关亚型的识别

利用这29种Fges，通过ssGSEA和Louvain无监督聚类算法将黑色素瘤队列（TCGA-SKCM）分为4型，MCP-counter和PROGENy算法的结果也证明了人这种分型方式的可靠性。4种分型的特征如下：(1) immune-enriched, fibrotic (IE/F)：该型患者包括免疫细胞Fges，同时也富含纤维基质，CAFs相关的Fges，而肿瘤恶性细胞比例, 肿瘤突变符合（TMB）以及染色体不稳定（CIN）较低。 （2）immune-enriched, non-fibrotic (IE)：该型免疫浸润程度最高，TMB及CD8+T细胞、巨噬细胞均四型中最高，而JAK/STAT通路最为活跃。（3）fibrotic (F)： 富含纤维基质及CAFs相关的Fges，且TGF-beta信号通路最为活跃。（4）immune-depleted (D)：肿瘤恶性细胞比例最高，CIN最高。而这4种亚型的整体预后情况为IE型最佳，IE/F，F,D型依次变差。在其他23个黑色素瘤队列中进行了验证，得到了类似的预后结果。

3: 四种亚型的组织学分析

通过分析62例TCGA-SKCM中具有代表性的黑色素瘤肿瘤标本(n = 62)，研究各TME亚型与基因表达模式相关的组织学表型，以在组织学上验证TME亚型。在黑色素瘤亚型IE中发现了大量的淋巴细胞，而在黑色素瘤亚型F中发现了大量的成纤维细胞（图3A），并在独立的GEO数据集进行验证（图3B）。组织学分析显示，4种不同的TME亚型之间的基因特征表达模式肿瘤的淋巴细胞丰度有关。在IE/F与IE亚型中，淋巴细胞高度丰富。IE/F亚型黑色素瘤的间质含量高于IE亚型，而F亚型纤维化程度高，胶原形成致密(图3C，F)。大多数实体肿瘤表现出三种主要的免疫表型，即免疫炎症、免疫排斥和免疫荒漠。而图4D则展示了在黑色素瘤和膀胱癌队列中这三种免疫表型的比例，IE型免疫炎症型最高，而F型免疫荒漠型最高。同样的，IE型中PD-1表达水平最高（图3E）。

4: 四种分型在泛癌中的分析

接着作者对其他癌症类型进行分析，以确定这四种亚型时候在其他癌症中保守，总共分析了8024个TCGA样本。在去除批次效应后，同样可以将肿瘤分为4种亚型（图A-D）。生存分析显示，IE/F与E型的预后明显好于F与D型（图4F），但在不同的肿瘤中表现并不一致，控制癌症类型和性别的多变量Cox比例风险模型显示，IE/F亚型和IE亚型与生存率呈正相关，与F亚型呈负相关,大多数IE型TMEs肿瘤预后良好（图4E）。

5：四种TME亚型对免疫治疗的反应

以往研究表明，肿瘤患者对免疫治疗的反应与T细胞浸润、高肿瘤突变负荷(TMB)、新抗原负荷和肿瘤抗原性有关。为了确定TME分类系统是否可以作为预测免疫检查点阻断反应的工具，作者在黑色素瘤、膀胱癌、胃癌等多个队列中研究了四种不同的TME亚型对免疫检查点抑制剂的反应（图5）。总体来看IE亚型患者对免疫治疗的应答明显高于F亚型、同时总体存活时间（OS）及无病生存期（PFS）更长（图5A-L）。此外在接受MAGE-A3疫苗及ACT治疗的队列中，TME4种分型同样是IE亚型的反应率最高（图5M-N）。这说明这种分型适合多种免疫治疗方式。

6: 免疫治疗后TME的动态演化

众所周知TME可以影响免疫检查点封锁的效果，那么免疫疗法也可以影响和改变TME。在可以评估肿瘤演变的黑色素瘤队列中，作者分析了接受PD-1治疗前与治疗后（治疗开始后16周）的RNA-seq变化，进而分析TME分型的演变（图6A-I）。结果发现，在抗CTLA-4的队列中，治疗前后的反应趋势是向IE/F与IE亚型发展，而抗反应趋势是向F或D亚型发展；而在抗PD-1治疗队列中表现出同样的趋势（图G-I）。利用T细胞与CAF Fges这两个主要TME亚型的主要决定因素，描绘了TME的动态进化过程，突出了免疫治疗的有利区与不利区（图B-C,E-F）。随着时间的推移，T细胞和NK细胞相关的Fges、Tregs和免疫检查点表达在应答肿瘤中显著增加，提示TME激活和免疫细胞浸润增加是对免疫检查点封锁的反应（图6J）。此外作者还评估TMB与TME亚型治疗前和治疗中的预测价值。值得注意的是，与治疗前和治疗期间增加TME亚型变化相比，TMB不能单独预测抗PD-1免疫治疗的反应(AUC, 0.56；图6K)。TMB不能准确区分潜在应答者和无应答者(AUC = 0.56)，而在治疗前和治疗中结合TME分类提高了正确区分应答者和无应答者的概率，准确率超过80%。

7: TME亚型与癌症基因组改变有关

基因组改变和肿瘤内的致癌信号已被证明影响抗肿瘤免疫和TME活性。因此作者对肿瘤突变与TME分类之间的联系进行了研究（图7A）。例如IE亚型患者的CD274 (PD-L1)和PDCD1LG2 (PD-L2)基因扩增，表明肿瘤反应性淋巴细胞可能增加了这些免疫检查点的表达。抗凋亡基因BCL2L1，在TME亚型IE亚型中扩增，而在F亚型中普遍缺失。此外IE亚型中，调节DNA错配修复的基因如MSH2和组蛋白修饰如CREBBP、KMT2A和PBRM1的改变频率相对较高（图7B）。接着作者在8024例TCGA黑色素瘤和腺癌中，进一步分析了每个TME亚型相关的基因组改变（图7C），表明基于转录组的TME分类结合基因组学分析可以用于组合治疗设计（图7D）。

8: 个性化治疗选择的可视化工具的建立

为了支持组合治疗策略的合理设计和临床试验患者的选择，每个肿瘤可以使用转录组学分配给一个TME亚型，然后与基因组学分析相结合，如图8A-8D所示。提供一种工具(http://science.bostongene.com/tumor-portrait/)，具有潜在的临床效用，协助临床医生对癌症患者做出治疗决策。

四、讨论

本文是TCGA团队的又一佳作，通过文献综述选择与TME相关的29个Fges。从黑色素瘤出发，将患者分为TME相关的四种亚型，并将这种亚型扩展到泛癌中，最终识别了保守的泛癌TME相关亚型可以预测患者免疫治疗的反应。并结合四种亚型的基因组突变信息，联合转录组特征开发了患者的治疗选择方案，并以行星图的方式展示。文中使用了超过1万个样本，从黑色素瘤到泛癌，从转录组学到基因组学，最终的行星图展示也是思路新奇，很是值得学习！对于想研究TME的老师可以很好的利用这29个Fges。