纯生信免疫微环境末班车

今天和大家分享的是2020年2月发表在Aging（IF：4.831)上的一篇文章，“Profiles of immune cell infiltration and immune-related genes in the tumor microenvironment of osteosarcoma”。作者应用ESTIMATE的算法计算了TCGA中OS（骨肉瘤）队列的免疫评分，将OS病例分为高免疫评分组和低免疫评分组。比较了两组之间的免疫相关基因，通过COX回归分析建立了最佳的免疫风险相关模型。在CIBERSORT中评估TIC在OS的TME中的含量。最后进行基因富集分析提示高危OS患者的免疫抑制与不良预后相关。

Profiles of immune cell infiltration and immune-related genes in the tumor microenvironment of osteosarcoma

骨肉瘤肿瘤微环境中免疫细胞浸润及免疫相关基因的概况

http://mpvideo.qpic.cn/0bf24maaeaaagqadabrfqrpvby6dalrqaaqa.f10002.mp4?dis_k=97c6a97e6c2e4d42d832442984254920&dis_t=1597133784

一、 研究背景

骨肉瘤（OS）是一种常见的原发性骨恶性肿瘤，患者经过新辅助化疗和手术，生存期得以延长。但是耐药性又使得预后恶化。免疫疗法作为新兴疗法，在很多肿瘤中展现令人鼓舞的结果。TME（肿瘤微环境）在OS治疗中有很重要的作用，TIIC作为其非肿瘤成分的主要类型，对于OS的预后评估有很大的价值。因此，通过系统地评估TME的免疫特性并确定TIC分布和功能来提高OS的免疫疗法疗效至关重要。

二、 分析流程

三、 结果解读

1. 免疫评分与OS的整体存活率紧密相关

首先作者使用R的Limma包对数据进行标准化处理。然后应用ESTIMATE算法确定了具有完整临床数据的85个OS样本的标准化矩阵数据的免疫评分。根据免疫评分的中位数将OS病例分别分为高免疫评分组和低免疫评分组。

• 1：KM生存分析绘图展示高免疫评分与更好的预后显著相关。高和低免疫评分病例的五年生存率分别为82. 1％和48.5％。

图1：KM生存曲线表明，免疫评分与OS预后显着相关。

2. 高和低免疫评分的OS患者TIIC的组成

作者利用CIBERSORT评估TCGA队列中OS样本的TIIC的相对比例。

• 2：两种最常见的TIICS是巨噬细胞和T淋巴细胞，占所有TIIC的80％以上。具体而言，高免疫评分组织中幼稚B细胞和M0的比例明显低于低免疫评分组，而M1、M2和静息树突状细胞的数量显着更高。

图2：小提琴图，比较了低免疫评分和高免疫评分OS样品之间TIC的比例。

• 3：此外，M1与总极化巨噬细胞（M1和M2）之比在高和低免疫评分组织之间无显着差异，TIIC之间的相关性从弱到中等。M0巨噬细胞与M1和M2巨噬细胞呈高度负相关。

图3：22个TIICs比例的相关性矩阵

3. 高和低免疫评分OS组织中的基因表达谱

作者比较了标准化矩阵数据的42个低免疫评分和43个高免疫评分OS样本。随后，作者从ImmPort平台检索了免疫相关基因，并用于鉴定免疫相关DEG。

• 4A：分组相比，发现高免疫评分组中有607个上调的DEG，低免疫评分有459个下调的DEGs。
• 4B：确定了免疫相关的DEGs后，与低免疫评分组相比，高免疫评分标本中有177个上调的DEGs和14个下调的免疫相关DEGs。

图4：高和低免疫评分OS样品中的基因表达谱。

4. 免疫相关风险评分与总生存期的相关性

表1展示了单变量Cox回归分析显示34个免疫相关基因与转归改善显着相关。为了评估模型中不同协变量之间的多重共线性，作者排除了方差膨胀因子（VIF）> 5的变量，剩下19个基因参与多变量COX分析（表2）。通过R软件估算了最小AIC值=210.64，构建最佳的COX回归模型（使用三个基因建立：IGHG3、PPARG、IGHG3）。根据多变量COX回归的系数，得到风险评分公式：

（-0.7728 * PPARG）+（-0.3620 * IGHG3）+（0.4210 * PDK1）

• 5A：将风险评分的中位数作为cut-off值，将样本分为两组。
• 5B：与低风险组相比，高风险组的死亡率显著增高，生存期较短。
• 5C：与低风险组相比，高风险病例的IGHG3和PPARG表达水平较低，而PDK1的表达水平较高。

图5：风险评分与风险模型中三个免疫相关基因表达水平的关联

• 6：KM生存分析：高风险评分与不良预后显着相关，高风险评分和低风险评分的五年生存率分别为45.4％和83.8％。表明该评分是良好的预测工具。

图6：KM生存曲线表明，风险评分与OS预后显着相关

• 7：ROC：用于预测1年，3年和5年生存率的风险模型的AUC分别为0.634、0.781和0.809

图7：基于风险评分的生存预测，风险相关的ROC曲线

5. 免疫相关风险评分与TIICs比例的相关性

• 表3：风险评分与记忆B细胞、M0和静息树突状细胞的比例呈正相关。与γ-δTclls和M2呈负相关。

6. 免疫相关风险评分可预测免疫通路的参与

作者选取M19817（免疫应答）和M13664（免疫系统过程）这两个免疫基因集进行GSEA分析。

• 8：低风险组的免疫应答和免疫系统过程基因组均显着富集。

图8：OS风险评分的GSEA

小结

作者利用ESTIMATE的算法计算了TCGA中OS队列的免疫评分，然后根据该评分分组，评估了OS的TME中22种TIICs的水平。然后，提取免疫相关的DEGs列表，并使用三个免疫相关基因（PPARG，IGHG3和PDK1）构建风险预测模型，这可以帮助临床医生评估OS患者的预后并选择合适的免疫治疗靶点。

编辑：螺蛳粉

校审：糯米饭