github-actions[bot]
commented
3 years ago 如何将lncRNAs预后模型玩出新高度(IF 7+) by 医学僧的科研日记
今天分享一篇2021年5月最新发表在《Frontiers in Immunology》(即时IF=7.29；中科院2区)上的肿瘤纯生信文章，希望对大家有所启发。
文章作者选择一种特殊的食管胃交界处腺癌作为研究对象。首先，对AEG样本的28种免疫细胞浸润水平进行了评估，根据免疫细胞浸润富集评分将患者分为高免疫浸润亚型和低免疫浸润亚型，并且进行了GSEA、突变景观和突变特征分析。其次，作者构建免疫相关lncRNAs风险预后模型，采用Kaplan-Meier方法、Cox比例风险回归模型和ROC曲线下面积(AUC)等一系列生存分析来确定风险模型的预后能力。
提供生信定制服务
小编微信：liuzaoqu
一、摘要
食管胃交界处腺癌(adenocarcinoma of the esophagogastric junction，AEG)的发病率在世界范围内呈显著上升趋势。越来越多的证据表明lncRNAs与癌症免疫调节有关。本研究旨在检测肿瘤免疫浸润状态，评估免疫相关lncRNAs在AEG中的预后价值。利用ESTIMATE方法和ssGSEA，作者首先对TCGA数据集获得的AEG样本(N=201)的28种免疫细胞浸润水平进行了评估。根据免疫细胞浸润富集评分将患者分为高免疫浸润亚型和低免疫浸润亚型。基因集合富集分析(gene set enrichment analysis，GSEA)和突变模式分析(mutation pattern analysis)显示这两种免疫浸润亚型具有不同的表型。其次，作者在两个免疫浸润亚型中发现了1470个差异表达lncRNAs(DElncRNAs)，并使用Cox回归分析选择了6个预后相关的lncRNAs。随后，结合6个预后相关的lncRNAs表达水平和多因素回归系数(multiple regression coefficients)构建免疫风险特征(immune risksignature)。为了确定风险模型的预后能力，作者采用Kaplan-Meier方法、Cox比例风险回归模型和ROC曲线下面积(AUC)进行了一系列生存分析。结果提示免疫相关风险特征可能是AEG患者的独立预后因素，具有显著的预测价值。免疫相关风险特征能有效预测AEG患者对免疫治疗和化疗的反应。综上所述，所提出的免疫相关lncRNAs预后特征是可靠的，对AEG患者具有较高的生存预测价值，是一种极具潜力的免疫治疗生物标志物。
2.流程图
3.结果解读
3.1 AEG免疫亚型的开发与验证
作者从TCGA和UCSC Xena资源中提取数据。保留了201份具有完整生存信息的AEG样本用于研究。单样本基因集合富集分析(ssGSEA)鉴定了28个具有不同免疫浸润亚型的免疫细胞类型亚群的相对浸润，每种细胞类型的相对浸润被标准化为Z-score。一致性聚类分析（The consensus cluster analysis）表明最优聚类数为2个，由(图A-C)累积分布函数(CDF)曲线确定。(图D)根据免疫浸润评分，将AEG样本分为高免疫细胞浸润亚型(Immunity_H，N=93)和低免疫细胞浸润亚型(Immunity_L，N= 108)。
为了确定该分组策略的可行性，作者通过ESTIMATE算法计算得到的免疫评分、基质评分、ESTIMATE评分、肿瘤纯度在两种免疫浸润亚型之间有统计学差异(P<2.2e-16)。(图A-D)Boxplot分析显示，Immunity-H与ESTIMATE评分、免疫评分、基质评分分别呈正相关，而Immunity-L仅与肿瘤纯度呈正相关。此外，(图E-G)显示了主要组织相容性复合体(MHC)、免疫共抑制检查点(IAP)、免疫共刺激检查点(ICP)在两种免疫细胞浸润亚型的表达差异均有统计学意义(P<0.05)。
3.2 与两个免疫亚型相关的功能注释
GSEA富集分析表明这些通路均与AEG的免疫反应有关联(图A,B)。以Padjust<0.05作为截断阈值,GO项富集分析表明基因在各种process中是丰富的,包括适应性免疫反应(adaptive immune response)，细胞激活的正调节(positive modulation of cell activation)和白细胞粘附的正调节(positive modulation of leukocyte cell-cell adhesion)。KEGG通路分析表明这些基因参与了细胞粘附分子(cell adhesion molecules)、细胞因子间受体相互作用(cytokine-cytokine receptor cross-talk)以及IgA肠道免疫网络的产生(intestinal immune network for IgA production)。
3.3 高免疫细胞浸润亚型与低免疫细胞浸润亚型组间突变模式分析
为了探讨免疫细胞浸润与突变模式之间的关系，作者对AEG样本进行了显著突变基因（SMG）分析。AEG样本的SMG突变图谱显示TP53(112/197[56.6%])、TTN(102/197[51.8%])、MUC16(65/197[33.0%])和LRP1B(50/197[25.4%])有明显的突变率(图A)。为了进一步了解两种免疫浸润亚型中的突变过程，作者采用SMC方法，利用AEG的基因组体细胞突变数据从COSMIC数据库中提取突变特征(图B、C)。结果表明immunity_L具有signature5和signature13的独立特征，而immunity_H具有signature3和signature18的独立特征。
3.4 高免疫细胞浸润亚型和低免疫细胞浸润亚型之间的DElncRNAs分析
基于RNA-seq counts数据，作者使用edgeR包比较了immunity_H和immunity_L中lncRNAs的差异表达。根据|Log2 Fold Change|>1 and FDR < 0.05，共获得了1470个差异表达lncRNAs (DElncRNAs)，(图A)火山图显示上调1016个，下调454个。
3.5 lncRNAs作为预后生物标志物的分析
3.6 评价6个免疫相关lncRNAs作为AEG独立预后因素
采用单因素Cox回归、多因素Cox回归和ROC分析，判断6种免疫相关lncRNAs是否独立于临床病理指标对AEG癌的预后有价值。单因素Cox回归评估(P<0.001)中，风险评分的危险比(hr)和95%ci分别为2.724和1.983-3.741(图a)。多因素Cox回归评估(P<0.001)中，风险评分的危险比(HR)和95%CI分别为3.154和2.251-4.419(图B)。在TCGA AEG队列中，风险评分显示了更好的生存预测能力(AUC=0.731)(图C)。这些表明6个lncRNAs是独立的AEG预后因素。
3.7 6-lncRNA特征可以预测免疫治疗和化疗的反应
4.小结
Hu X, Wu L, Liu B, Chen K. Immune Infiltration Subtypes Characterization and Identification of Prognosis-Related lncRNAs in Adenocarcinoma of the Esophagogastric Junction. Frontiers in immunology. 2021;12(2077).
https://mp.weixin.qq.com/s/9_ApY392ZgYysZWyEDkkuw