桐树科研 硕果累累 | 桐树基因发布首个针对胰腺癌TMEscore的研究
原文发表于《Frontiers in Molecular Biosciences》
IF=5.246
研究背景
■ 胰腺癌(PC)作为世界上最致命的恶性肿瘤之一，超过一半的胰腺癌患者确诊时为晚期。此外，许多PC患者对化疗、放疗和分子靶向治疗表现出耐药性，使情况更加严重。
■ 肿瘤微环境(TME)细胞是肿瘤组织的重要组成部分。越来越多的证据阐明了它们在预测预后和治疗效果方面的临床病理意义。尽管如此，还没有对胰腺癌肿瘤微环境特征的研究报道。
在本研究中，我们选取了TCGA-PAAD数据库中176名胰腺癌患者的数据，利用分析算法得到一个TMEscore模型，并将该模型用于其他数据库进行验证。
TMEscore高／低患者在预后上具有显著差异，并且高TMEscore亚型与低TMEscore亚型的主要差异集中在免疫功能相关通路上。此外，TIDE分析显示TMEscore方法可以有效的用于预测肿瘤预后以及免疫检查点抑制治疗的预后。
因此，全面描述胰腺癌TME特征有助于解释胰腺癌对免疫治疗的反应，并为癌症的治疗提供新的策略。
研究结果
■ TMEscore与胰腺癌预后相关
利用176例胰腺癌样本的RNAseq数据进行ssGSEA分析肿瘤微环境中浸润细胞比例，得到22种免疫细胞（图1A）。通过分析22种免疫细胞之间的相关性以及与预后的相关性，发现M1巨噬细胞与预后的相关性最强(p=0.0008)（图1B）。
图1 浸润细胞分型及肿瘤微环境
(A) PC样本中22种免疫细胞的比例；(B) 22种免疫细胞与预后的关系(点的大小表示细胞与生存的关系，线的粗细表示细胞之间的关系)；(C)共识矩阵热图；(D)免疫细胞在不同TMEcluster中的比例；(E)不同TMEcluster免疫细胞的热图；(F)不同TMEcluster与预后分析。
利用elbow method 和gap statics两种方法，并结合生存数据可将TME分成3个cluster。将TMEcluster分类情况映射到免疫细胞比例图谱中，可以看出不同的TMEcluster 具有明显的差异。
-
TMEcluster 1差异免疫细胞主要是T-cell CD4 memory resting和 macrophage M2，TMEcluster 2是B cells native细胞，TMEcluster 3是macrophages M0（图1D, E）。结合最终分类结果与生存数据的相关分析，发现TMEcluster 1、TMEcluster 2和TMEcluster 3之间的生存时间存在显著性差异(log-rank test, P= 0.038)(图1F)。
-
对TMEcluster 1- TMEcluster 3进行差异基因分析（p<0.01，llogFCl>1），共筛选1594个差异表达基因（DEG），根据DEG进行无监督聚类，可以将样本分成四类（图2A, B）。利用Cox回归模型判断DEG与生存之间的关系，根据DEG的coefficient值将基因分为两类，此处采用maxstat包求最佳数据断点(x=0.657)，继而将样本分为TMEscore-high 和TMEscore-low两类。如图2C，TMEscore-high具有较好的预后，而TMEscore-low 组别具有较差的预后（P<0.0001）。
图2 TMEscore值的计算和生存分析
由于TCGA-PAAD数据库中III期样品（只有3个）和IV期样品（只有5个）数量较少，所以只能将TMEscore模型应用在TCGA-PAAD I期、TCGA-PAAD II期和GSE62452数据库中，TMEscore-high组患者相对于TMEscore-low组都具有比较好的预后结果(P= 0.006, P=0.02 and P= 0.001)(图3A-C)。结果显示，TMEscore-high组患者预后优于TMEscore-low组患者 (P= 0.00004)(图3D)。
图3 TMEscore模型在TCGA和GSE数据库中验证
■ TMEscore-high、TMEscore-low亚型的遗传特征
根据TMEscore-high和TMEscore-low两组PAAD样本中各自突变基因Top20的并集进行分布。其中突变频率超过40%主要是FRG1B，KRAS两个基因。进一步分析TMEscore-high和TMEscore-low两组中基因的突变频率差异，发现TP53 (0.00000053)，KRAS (0.00000013)，TTN(0.0000047), MAGEC1(0.00047), MAML3(0.045), CDKN2A(0.030)在两组间存在显著差异。
图4 TMEscore-high 和 TMEscore-low组别基因突变景观图
以及差异表达基因分析
通过对176例数据及96种突变类型进行非负矩阵分解，在TMEscore-high 和TMEscore low组别中分别提取3和4种突变特征（signatures）。然后将提取的signatures与COSMIC收录的signature进行相似性比对，发现TMEscore-high组别的突变特征主要是与signature 1，signature 15，signature 6等有关（图5C）；而TMEscore low组别主要与 signature 1，signature 5和signature 15有关（图5D）；其中signature 6主要与DNA错配修复缺陷有关，signature 1与spontaneous deamination of 5-methylcytosine 相关。
图5 TMEscore-high和TMEscore-low模型的突变特征分析
(A) TMEscore-high组96种突变型的频率分布。(B) TMEscore-low组96种突变类型的频率分布。(C) TMEscore-high组的突变特征。(D) TMEscore-low组的突变特征。(E) TMEscore-high组染色体臂扩增。(F) TMEscore-low染色体臂扩增。(G) TMEscore-low组染色体臂水平缺失。(H)免疫检查点治疗的预后预测。(I)MSI风险与TMEscore之间的关系。
利用GISTIC软件进行拷贝数变化分析，发现TMEscore-high组别7q，5q等扩增是最显著的，没有发现显著缺失区域；而TMEscore low组别7p，1q扩增和6q，6p等缺失是最显著的（图5E，F）。
使用TIDE模型（http://tide.dfci.harvard.edu/）评估TMEscore-high，TMEscore-low的免疫检查点抑制治疗的临床效果。如图5H，TMEscore-high组别的TIDE打分显著低于TMEscore-low的组别（t.test, p = 0.0001467）。其中较高的肿瘤TIDE预测评分与较差的免疫检查点抑制治疗疗效有关，具有较差的预后。在前文分析中TMEscore-high组别具有更好的预后，TMEscore-low组别有较差预后，对应到本次TIDE评估结果，表明TMEscore-high的组别具有良好的预后并且免疫检查点抑制治疗效果也更好（图5H）。
微卫星不稳定性（MSI）作为一个有效的生物标记用以预测肿瘤治疗效果。研究表明MSI-H的患者预后更好（PMID: 29531926），因此结合到本次分析的TMEscore-high样本的预后较好的结果对MSI进行分析。将TIDE预测所得MSI Score结果将样本分为MSI-high/low两组。如图5I所示，MSI-high/low两组样本的TMEscore并无显著差异（T-test, p = 0.4758）。
桐树基因3D科研模型
设计执行丨数据挖掘丨撰写投稿
提供一站式转化性研究服务
桐树基因作为一家深耕肿瘤精准医疗领域多年的创新型企业，始终紧跟国际研究前沿，在科研上倾注了大量的精力与资金。
搭建了以肿瘤进化论与肿瘤基因组学标本库为基础的转化性研究中心，从课题设计、研究执行（基因检测）、数据整理及挖掘、文章撰写、投稿修改，提供一站式转化性研究服务。
END
桐树基因成立于2016年11月，是一家同时具备LDT+IVD双重能力的分子诊断企业。
桐树基因专注于肿瘤分子诊断的研发、生产、销售一体化，依托“多平台布局”的策略，先后开发了肿瘤微卫星不稳定MSI、ctDNA等多款重磅IVD诊断试剂盒。以NGS微量建库技术为核心壁垒的基因检测服务、以肿瘤基因组学标本库为基础的大数据转化研究中心构筑了其在行业中的竞争优势，并致力于成为千亿级的精准医学肿瘤市场的领导者之一。
关注我们
长按识别左侧二维码
