今天给大家分享一篇发表在Frontiers in Cell and Developmental Biology(IF:6.081)上的文章:
Metabolism-Associated DNA Methylation Signature Stratifies Lower-Grade Glioma Patients and Predicts Response to Immunotherapy
代谢相关DNA甲基化特征预测低级别胶质瘤患者亚型以及免疫治疗反应
一.研究背景
低级别胶质瘤(LGG)是常见的原发性颅内肿瘤,具有高复发率、高死亡率和高异质性。由于肿瘤的高异质性,不同的个体通常具有高度可变的预后和对各种类型治疗的不同反应。尽管世界卫生组织(WHO)的分类纳入了分子标记,如异柠檬酸脱氢酶(IDH)突变、染色体1p/19q联合性缺失和TERT启动子突变,这大大改善了胶质瘤患者的分层,但胶质瘤的异质性仍需进一步阐明。代谢重编程是癌症的标志。它以多种方式影响癌细胞的增殖、迁移和侵袭,例如满足癌细胞的能量需求,并通过改变底物水平影响各种生物过程。表观遗传修饰是在不改变DNA序列的情况下调节基因表达的过程。它是可塑的、可遗传的,在细胞分化和细胞功能中起着关键作用。最近的研究表明DNA甲基化(DNAm)作为表观遗传修饰的一种重要形式,已被证明参与致癌过程。DNA甲基化是指在DNA甲基化转移酶(DNMT)的作用下,在基因组CpG二核苷酸的胞嘧啶5号碳位共价键结合一个甲基基团,而去甲基化过程则由TET酶介导。除了DNMT和TET酶外,甲基化也可以由代谢调节,它们密切相关。最近的进展揭示了癌细胞中代谢和DNAm之间的相互调节关系。一方面,代谢变化可以通过改变底物水平影响DNAm。例如,在IDH突变肿瘤中,三羧酸循环中产生的异常代谢物2-羟基戊二酸(2-HG)可以抑制TET介导的DNA去甲基化,从而导致基因组甲基化。S-腺苷甲硫氨酸(SAM),在单碳代谢过程中产生,如蛋氨酸循环和叶酸循环是调控DNA甲基化的主要方式,低叶酸饮食据报道会导致DNA低甲基化并增加肿瘤形成的风险。另一方面,DNAm通过影响染色质结构和转录因子结合来调节代谢相关基因的表达。以上关于代谢和DNA甲基化的研究主要集中在DNA甲基化上特定代谢物的调节机制研究,并结合转录组学和代谢组学去探索肿瘤的代谢异质性。目前,还没有文章表述过代谢与DNA甲基化相互作用在癌症患者分层中的作用。
二.研究方法
在本研究中,旨在研究代谢相关DNAm在LGG分层中的价值。研究者对来自TCGA、GEO和CGGA数据库以及独立队列(Qilu cohort)的甲基化数据和转录组数据进行了综合分析。评价DNAm与代谢的相关性。确定了三个具有不同代谢相关DNAm模式的LGG亚型。此外,研究者还构建了一个与亚型相关的、可量化的CpG信号,以对患者预后进行分层,并预测对免疫检查点抑制剂(ICI)治疗的潜在反应,为精准医学提供了一种新的生物标志物。
三.研究结果
1、LGG中代谢相关DNAm模式的鉴定
作者构建流程图来演示工作流程(图1A),他们共获得了708个代谢通路-CpGs对,包括35条代谢通路和391个CpGs。基于391个CPGs,对TCGA队列进行了k均值聚类。根据CDF,选择k=3作为最佳聚类数(图1B)。如热图所示(图1C、D),501例LGG患者被分为三个不同的亚组。然后应用Kaplan-Meier分析来研究哥亚组的预后意义。结果显示,三个亚组之间的OS存在显著差异(图1E)。为了进一步验证这种甲基化模式的预后意义,随后对GEO队列(GSE48461和GSE104293)进行分型以及Kaplan-Meier分析也显示了各个亚组之间无进展生存率(PFS)的显著差异(图1F)。此外,进行PCA分析以进一步验证TCGA和GEO队列的亚型分组(图1G)。
2. 不同的LGG亚型呈现不同的生物学特征
随后,研究者探索了每个亚型的代谢特征。首先,从先前发表的研究中获得了114个代谢特征。使用GSVA算法来量化114个代谢特征。然后,进行差异分析以确定亚组特异性代谢特征。最终,确定了31个亚组特异性代谢特征(图2A)。亚组1、亚组2和亚组3分别具有13、3和31个亚组特异性代谢特征。亚组1在谷氨酰胺和谷氨酸代谢以及脂质代谢特征得分较高。值得注意的是,第3亚组的31个亚组特异性标记中有8个与聚糖代谢相关,如糖胺聚糖降解。基于这一结果,进一步研究了亚组3是否具有更活跃的糖基化过程,这一过程已被证明在各种类型的肿瘤疾病中促进恶性。正如预期的那样,发现第3亚组糖基化过程的GSVA得分显著高于其他亚组(图2B)。为了进一步阐明每个亚组的潜在生物学特征,在亚组之间进行了GSEA。结果表明,预后最差的第3亚组显著丰富了细胞周期和免疫相关过程(图2C)。与亚组1相比,亚组2预后处于中等状态,主要集中在胚胎发育相关过程中(图2D)。
3. LGG亚群与临床和分子特征的相关性
研究者还研究了三个亚组与LGGs常见临床特征/分子亚类之间的关系,包括组织学分级、IDH突变、MGMT启动子甲基化、TERT启动子突变等(图2H)。在TCGA队列中,发现第1亚组仅由IDH突变体LGG组成,与1p/19q联合缺失、PN转录表型、TERT启动子突变等密切相关。在TCGA群组的IDH突变型LGG中,第2亚组与染色体1p/19q非联合缺失和G-CIMP-high亚型显著相关。亚组3与组织学III级、甲基化MGMT启动子、染色体1p/19q非联合缺失和G-CIMP-low表型密切相关。在TCGA队列的IDH野生型LGG中,第2亚组与组织学II级、PA-like亚型和NE转录亚型相关,而第3亚组与7号染色体的扩增/ 10号染色体缺失、TERT启动子突变、EGFR扩增,以及classic-like和mesenchymal-like亚型。为了探讨不同的亚组是否伴有不同的免疫浸润水平,量化了每个亚组的免疫浸润丰度。因此,各亚组之间的免疫评分、基质评分和综合评分存在显著差异,第3亚组得分最高,第2亚组次之,第1亚组得分最低(图2E-G)。
4. 代谢相关CpG特征的构建
为了简化实际应用中的分组,研究者构建了代谢相关CpG特征的分组相关评分方案。为了构建特征,首先对代谢相关CpG亚组进行差异甲基化分析。在所有可能的比较中差异甲基化的CpG被认为是亚组相关CpG。最终,确定了213个与亚组相关的CpGs(图3A、B)。接下来,对这些亚组相关CpGs进行Lasso回归分析(图3C)。结果生成了由七个CpGs组成的CpG特征(图3D)。计算了所有TCGA样本的风险得分。分析表明,风险评分在三个亚组之间的分布存在显著差异。大多数第3分组LGG被分配到高风险组,而第1分组和第2分组LGG大部分被分配到低风险组(图3E、F)。然后评估了该特征的预后意义。TCGA队列首先分为高风险组和低风险组。生存分析证实该特征可以对LGG患者的预后进行分层(图4A)。ROC曲线表明,该特征具有很强的预测能力(预测3年生存率为0.853,预测5年生存率0.815),并且表现优于常见的临床特征,如IDH突变、分级和年龄(图4B)。
5. CpG特征的外部数据验证
接下来,在GEO和CGGA队列中进行外部验证。研究者计算了GEO队列中所有患者的风险分数,并将他们分为高风险组和低风险组。Kaplan-Meier分析证实了该特征的预后意义(图4C)。虽然ROC分析显示,代谢CpG特征在预测3年PFS方面具有良好的预后能力(AUC=0.747),但在预测5年PFS(AUC=0.66)方面表现不佳,但其表现优于常见临床特征,如年龄、分级和IDH突变(图4D)。随后也在CGGA队列中进行间接外部验证,以构建基因特征作为替代。具体而言,筛选了与风险评分呈强线性相关的基因,然后使用Lasso回归将这些基因与风险评分进行拟合。随后,生成了代替CpG特征,由48个基因组成的基因特征(图4E)。使用该替代基因特征计算的风险得分与使用CpG特征计算的得分具有很强的相关性(图4F)。然后,使用基因特征计算CGGA队列的风险得分。Kaplan-Meier分析(图4G)和ROC曲线(图4H)分析结果与TCGA数据集基本一致;预测3年OS的AUC为0.83,预测5年OS的AUC为0.754。结果表明,该特征适用于更广泛的队列。
6. 代谢CpG特征的表征
研究者研究了风险评分与常见预后变量或分子亚类的相关性,包括组织学分级、IDH突变等。观察到,风险评分在按这些常见变量或子类别分层的亚组之间的分布存在显著差异(图5A-H)。该特征能够进一步分层这些分层的亚组(图6A-L)。为了更好地理解代谢CpG特征的生物学基础,对每个CpG进行了功能表征,发现cg10054641位于基因启动子区,位于TMEM71的TSS200。为了研究cg10054641是否调节TMEM71的表达,计算了cg1005464甲基化与TMEM71表达之间的Kendall相关性。结果显示出强烈的负相关性,表明cg10054641负调节TMEM71的表达(图7G)。为了对位于非启动子区的特征性CpG进行功能分析,筛选了与这些CpG具有强相关性的基因,并进行了GO富集分析。结果显示,cg00347746与主要与正常细胞功能相关的基因相关,如突触活动(图7A),cg00301239与参与细胞分化、增殖和RNA处理的基因相关(图7B),cg02518245、cg04003582、cg25205489和cg27305460与RNA代谢相关的基因相关(图7C-E)。接下来,使用“limma”R软件包,对高危组与对照组进行了差异表达分析。在两组之间确定了2028个DEG。在根据这些DEG的logFC值对其进行排序后,对这些DEG进行了GSEA。结果显示,高危人群的细胞周期和免疫相关过程显著丰富(图7H)。
Qilu cohort的免疫组织化学结果还显示,风险评分较高的肿瘤更有可能具有较高的Ki-67阳性率,进一步证实了风险评分与增殖活性相关(图8A)。活跃的细胞有丝分裂与高突变负荷和免疫浸润相关。为了研究不同风险群体的突变特征,对来自TCGA队列的体细胞突变数据进行了分析。发现高风险组和低风险组之间的突变频率存在显著差异(图8B)。与低风险组相比,细胞增殖活跃的高风险组与更高的突变频率显著相关。接下来,还探讨了高危组和低危组的突变模式。结果发现高风险组和低风险组之间存在明显的突变模式。IDH1、ATRX、CIC、FUBP1和NOTCH1在低风险组中具有显著较高的突变率,而TTN、EGFR和PTEN,NF1(36.6 vs.4.7%,p<0.001)在高危组中具有显著较高的突变率(图8C)。
7. 代谢CpGs特征预测免疫浸润和潜在的免疫治疗反应
还评估了代谢CpG特征与免疫浸润之间的关联。首先,使用MCP-Counter量化了8个主要免疫亚群,并研究了它们与风险评分的相关性。注意到风险评分伴随着明显的免疫浸润。与低风险组相比,高风险亚组的抗肿瘤细胞亚群(如T细胞和CD8 T细胞)浸润水平显著较高(图9A)。接下来,用ssGSEA算法量化了28个免疫亚群。观察到类似的结果。高危组的活化CD4 T细胞、活化CD8 T细胞、激活树突状细胞、中枢记忆CD8 T淋巴细胞等水平显著升高(图9B)。免疫检查点在调节免疫细胞功能中起着重要作用。靶向ICIs的治疗被认为是最有前途的抗肿瘤治疗。鉴于代谢CpG特征伴随着不同的突变负荷和免疫浸润模式,这是ICI治疗反应的预测因子,假设代谢CpG特征也可能与ICI治疗的反应相关。因此,探讨了高风险组和低风险组之间不同的免疫浸润模式是否伴随着ICI水平的差异。与低风险组相比,高风险组的PD-L1(CD274)、CTLA-4和HAVCR2水平显著较高(图9D)。此外,使用IPS算法量化了潜在的免疫治疗反应,发现高危组的IPS显著升高,这表明高危组患者更有可能对免疫治疗产生反应(图9C)。总的来说,代谢CpG特征可以作为预测患者对ICI治疗反应的生物标志物。
四、总结
综上所述,该工作从转录组数据和甲基化数据的角度探讨了代谢重编程与DNA甲基化之间的关系,并基于这种关系进行了分析。确定了LGG中三个代谢相关的DNA甲基化亚组,并构建了一个CpG特征,以对预后进行分层并预测对ICI的反应。该文章逐步阐述各个不同亚型之间的特征,即使没有进行了湿实验验证,但文章故事逻辑清晰合理,所以也可以发到6+。