通过刻画胃癌微环境来识别与预后和免疫相关的基因标记
今天小编要为大家介绍一篇发表在Cancer Immunology research上的与免疫微环境相关的文章：Tumor microenvironment characterization in gastric cancer identifies prognostic and immunotherapeutically relevant gene signatures（IF:9.188），能够帮助我们进一步了解免疫微环境。
肿瘤微环境（TME）细胞是肿瘤组织的重要组成部分,如今越来越多的证据表明它们在预测治疗结果和效果方面具有重要的临床病理学意义。这篇文章综合评估了1,524名胃癌患者的TME浸润模式，并提出两种计算算法将TME表型与胃癌的基因组特征和临床病理特征系统地关联起来。文章共识别了3个TME表型，并用PCA构建了TME得分。通过免疫激活和对病毒和干扰素-γ的反应来刻画高TME得分的亚型。而在低TME得分亚型中观察到转化生长因子β，上皮间质转化和血管生成通路激活的现象，作者认为这是由T细胞抑制性造成的，并且这很可能导致胃癌预后的显着恶化。此外，在多变量分析中显示TME得分是一种独立预后的生物标志物，并且其在预测免疫治疗结果方面也有重要的价值。因此，对胃癌TME特征的综合刻画有助于解释胃癌对免疫疗法的反应并提供新的癌症治疗策略。
给大家简要介绍下文章用到的数据和方法：
数据：
作者在GEO和TCGA收集了有临床信息的6个样本群（ACRG/GSE62254, GSE57303, GSE84437, GSE15459, GSE26253, GSE29272, 和TCGA-STAD）。
方法：
1）推断TME中的浸润细胞：使用CIBERSORT算法和 LM22基因标记来推断胃癌样本中免疫细胞的比例。
2）TME浸润细胞的一致性聚类：用于无监督聚类方法（K均值）分析数据集来识别TME模式并对患者进行分类以进行进一步分析。
3）识别与TME表型相关的差异表达基因：使用先验贝叶斯和T检验来识别不同类中的差异表达的基因。
4）降维以及产生TME基因标记：用随机森林的方法来降维，使用主成分分析（PCA）得到一个TME得分公式
5）功能和通路的富集分析：使用 Gene Ontology (GO)和GSEA来对TME的标记基因进行注释。
简要介绍完文章的数据及方法后让我们来看下文章得到了那些结果
结果一：在胃癌中刻画TME以及TME的临床病理亚型
图A展示了一个整体的TME细胞互作网络，揭示了肿瘤免疫细胞的相互作用，细胞系的关系，以及对胃癌患者生存时间的影响。而图B表明，数据集中得到的三个主要的TME细胞浸润亚型在生存时间上具有显著的差异。为了进一步刻画和理解表型的生物学和临床差异，作者对ACRG群体的299个样本进行了无监督聚类，如图C所示，揭示了三个主要的TME亚型在TME细胞浸润方面具有显著差异，例如可以观察到在TME的A类中肿瘤分化较差多数富集在EMT分子亚型中，但是在C类中却是相反的模式。接着对这三类TME亚型进行了生存分析，在图D中可以观察到，A类的预后最差，而C类的预后比较好，B类处于中间的预后水平。
结果二：构造TME标签以及功能注释
为了识别每个TME表型潜在的生物学机制，对每个TME表型的差异基因进行无监督分析，并用随机森林进行降维。图A显示了238个最具有代表性的差异表达基因的表达热图以及聚类情况，可以看出ACGR样本群被分成三类，分别被命名为基因类 A–C。接下来对标签基因进行GO富集分析，可以观察到A类和C类分别被富集到不同的生物学过程。在C类中富集了过表达的与免疫激活相关的基因，这与胃癌好的预后相关，而在A类中与基质相关的基因上调这可能导致了不良的预后（如图BCD所示）。而图E指出TME细胞在免疫和浸润之间存在很大差异，这与这三类TME基因类有关系。
结果三：在ACRG样本群中对TME表型进行转录组特征和临床的刻画
接下来，作者用PCA算法确定了两类统计得分，TME得分A来自A类标签基因，TME得分B来自B类标签基因。图A指出TME得分A与免疫相关的标记显著相关，而TME得分B与基质相关的标记显著相关。图BCD揭示了：与 这些发现相一致具有EMT亚型的A类基因与低TME得分相关，同样与差的结果有关。图E展示了进一步用GSEEA得分对ABC三类进行排秩，发现A类基因集是T细胞抑制并排它的，这类基因集还与EMT,TGF-β以及缺氧相关。
结果四：TCGA亚型和癌症体细胞基因组的TME刻画
在图A和B中对TCGA-STAD系列中不同分子亚型的差异进行了评估，发现并且较高的TME评分与EBV感染，微卫星不稳定性（MSI）和胃癌的良好预后显着相关，而基因组稳定（GS）亚型具有较低的TME评分并且与较差的预后相关。图C揭示了具有最佳预后的MSI高亚型具有显着高于其他两种亚型的TME评分。图D揭示了TME评分与突变负荷之间存在显着的正相关。在图E表示通过分析TCGA-STAD队列的突变注释文件，使用1000次迭代的随机森林算法鉴定了33个与肿瘤微环境评分相关的高变异突变基因。
结果五：TME得分是一个预测免疫获益治疗预后的生物学指标
图A指出根据特定数据集对样品进行分层后，除了GSE57303之外，估计所有胃癌数据集的低和高TME评分组之间的总体存活率的巨大差异。 此外，除TNM I期外，其他所有阶段的TME评分均存在显着差异。图B揭示了尽管亚组分析的结果是异质性的，但TME评分作为7个独立TCGA队列中的有利预后生物标志物在具有多种T细胞浸润的肿瘤中，包括乳腺癌，结肠癌，黑素瘤， 肺鳞状细胞癌，卵巢癌和宫颈肿瘤得到了支持。从图C可以看出在IMvigor210样本群GSE78220样本群中，具有较高TME评分的患者的无进展生存期明显长于TME评分较低的患者。而在IMvigor210（图5C-F）和GSE78220（图5G-J）中证实了TME评分对检查点免疫疗法的预测价值而且TME评分较高的患者更有可能从免疫检查点治疗中获益。
好了，到这里这篇文章的主要方法与结果就都介绍完了，是不是对肿瘤免疫微环境有了更多的了解呢。
更多生信分析套路，请加微信13621202201
