影響因子：8.7

本文的思路是通過單細(xì)胞數(shù)據(jù)分析識別了某種免疫細(xì)胞特有的marker基因愿卸，然后利用這些基因進(jìn)行預(yù)后模型的構(gòu)建。事實(shí)上截型，預(yù)后模型的文章已經(jīng)不好發(fā)了趴荸，甚至有的審稿人看到預(yù)后模型就反感，因?yàn)閷?shí)在是太多了宦焦，而且預(yù)測效能普遍不行发钝。那么如何做的比這篇文章還要好呢？鑒于最近泛癌分析以及腫瘤分型分析比較好發(fā)波闹，小編做的免疫細(xì)胞marker的泛癌分析以及腫瘤分析均在本月發(fā)表到8+雜志酝豪。所以我們在篩選到某種免疫細(xì)胞特有的marker基因后，可以對這些基因進(jìn)行泛癌分析或者腫瘤分型分析精堕。在分型分析中再附上簡單的預(yù)后模型孵淘，但不以其為重點(diǎn)。這樣的思路肯定是比本篇文章內(nèi)容更多歹篓，更新穎瘫证。

研究概述

肺癌是全球癌癥相關(guān)死亡的主要原因，其中肺腺癌（LUAD）是肺癌最主要的組織學(xué)亞型庄撮，其5年總生存期（OS）低于20%背捌。近年來，免疫療法的臨床應(yīng)用顯著提高了LUAD的臨床療效洞斯。自然殺傷（NK）細(xì)胞是先天免疫細(xì)胞的一種亞型载萌，可以快速識別并殺死腫瘤細(xì)胞。同時巡扇，NK細(xì)胞還可以通過直接殺死腫瘤細(xì)胞和促進(jìn)適應(yīng)性T細(xì)胞免疫反應(yīng)扭仁，在腫瘤早期參與抗腫瘤免疫，從而限制腫瘤細(xì)胞的侵襲性厅翔，降低惡性腫瘤的風(fēng)險乖坠。

在這項(xiàng)研究中，作者首先對LUAD的scRNA-seq進(jìn)行了全面分析刀闷，以剖析腫瘤浸潤NK細(xì)胞的分子特征并識別標(biāo)記基因熊泵。隨后仰迁，作者構(gòu)建了一個NK細(xì)胞標(biāo)記基因特征（NKCMGS），并分析該特征與LUAD預(yù)后和免疫治療反應(yīng)之間的關(guān)系顽分。

流程圖

研究結(jié)果

一徐许、識別NK細(xì)胞標(biāo)記基因

1、基于GSE131907的scRNA-seq數(shù)據(jù)卒蘸，從11個LUAD樣本中獲得了45149個細(xì)胞的基因表達(dá)譜雌隅，用于進(jìn)一步分析（下圖A）。

2缸沃、使用前1500個可變基因進(jìn)行主成分分析恰起，鑒定出17個細(xì)胞集群（下圖B）。隨后趾牧，對每個集群的細(xì)胞進(jìn)行注釋检盼，鑒定出NK細(xì)胞（下圖C），其中有189個基因存在差異表達(dá)（下圖D）翘单，被鑒定為與LUAD相關(guān)的NK細(xì)胞標(biāo)記基因吨枉。

二、基于NK細(xì)胞標(biāo)記基因的七基因預(yù)后特征的建立

1哄芜、使用Cox回歸和LASSO回歸分析篩選出7個基因構(gòu)建LUAD預(yù)后特征（NKCMGS）东羹。利用風(fēng)險評分中位值將患者分為低風(fēng)險和高風(fēng)險組。下圖A顯示風(fēng)險評分和生存狀態(tài)的分布忠烛，可以看出高風(fēng)險組的死亡人數(shù)更多属提。下圖B則顯示7個NK細(xì)胞標(biāo)記基因的表達(dá)情況。

2美尸、Kaplan-Meier分析表明冤议，高風(fēng)險評分患者的OS顯著低于低風(fēng)險評分患者（下圖C）。ROC曲線下面積师坎，1年恕酸、3年和5年的AUC值分別為0.710、0.725和0.730（下圖D）胯陋。

三蕊温、驗(yàn)證NKCMGS在不同隊(duì)列中的預(yù)后性能

1、納入6個獨(dú)立的GEO隊(duì)列遏乔，這6個GEO隊(duì)列的臨床特征如下表1所示义矛。計(jì)算6個GEO隊(duì)列中每位患者的風(fēng)險評分，根據(jù)中位風(fēng)險評分將患者分為高風(fēng)險組和低風(fēng)險組盟萨。

2凉翻、Kaplan-Meier分析表明，在所有6個GEO隊(duì)列中捻激，高風(fēng)險組的預(yù)后均低于低風(fēng)險組制轰。GSE30219（下圖A)前计，GSE3141（下圖B），GSE50081（下圖C）垃杖，GSE26939（下圖D)男杈，GSE72094（下圖E）和GSE31210（下圖F）。

3调俘、6個GEO隊(duì)列中風(fēng)險評分的ROC曲線也顯示出良好的性能伶棒，可見NKCMGS是LUAD患者的重要預(yù)后指標(biāo)（下圖G）。

四脉漏、NKCMGS對LUAD患者的獨(dú)立預(yù)后作用

1、使用TCGA數(shù)據(jù)庫中LUAD患者的臨床特征袖牙、分子因素和風(fēng)險評分進(jìn)行單變量和多變量Cox回歸分析侧巨。多變量Cox回歸分析結(jié)果證明，NKCMGS的風(fēng)險評分是一個獨(dú)立的預(yù)后因素（下表2）鞭达。

2司忱、對風(fēng)險評分和所有臨床特征進(jìn)行LASSO回歸分析。結(jié)果表明畴蹭，風(fēng)險評分和腫瘤分期是LUAD預(yù)后的最佳預(yù)測因素坦仍。

五、NKCMGS相關(guān)基因的功能富集分析

1叨襟、為了闡明NKCMGS預(yù)測能力的潛在機(jī)制繁扎，作者研究了與NKCMGS相關(guān)的生物學(xué)途徑（下圖A）。GO分析顯示這些基因主要涉及有絲分裂和有絲分裂細(xì)胞周期的G2/M期調(diào)控（下圖B）糊闽。KEGG分析證實(shí)這些基因與細(xì)胞周期途徑密切相關(guān)（下圖C）梳玫。

六、NKCMGS與免疫細(xì)胞浸潤

1右犹、使用ESTIMATE算法提澎，發(fā)現(xiàn)高風(fēng)險患者的免疫評分、基質(zhì)評分念链、綜合評分和腫瘤純度均高于低風(fēng)險患者（下圖A-D）盼忌，這表明風(fēng)險評分與免疫細(xì)胞浸潤水平密切相關(guān)。

2掂墓、CIBERSORT分析顯示谦纱，高風(fēng)險患者中的靜息NK細(xì)胞、M0巨噬細(xì)胞君编、M2巨噬細(xì)胞服协、活化的樹突細(xì)胞和肥大細(xì)胞比例較高，但漿細(xì)胞啦粹、CD8+T細(xì)胞偿荷、濾泡輔助T細(xì)胞窘游、調(diào)節(jié)性T細(xì)胞、靜息樹突細(xì)胞和靜息肥大細(xì)胞的比例較低（下圖E）跳纳。

3忍饰、下圖F顯示高風(fēng)險組和低風(fēng)險組之間不同免疫細(xì)胞的比例。作者進(jìn)一步進(jìn)行風(fēng)險評分與免疫細(xì)胞浸潤之間的相關(guān)性分析寺庄。結(jié)果表明艾蓝，風(fēng)險評分與巨噬細(xì)胞和中性粒細(xì)胞呈正相關(guān)，但與T細(xì)胞斗塘、B細(xì)胞和肥大細(xì)胞呈負(fù)相關(guān)赢织。

七、NKCMGS可以預(yù)測LUAD患者的免疫治療反應(yīng)

1馍盟、分析TCGA數(shù)據(jù)庫LUAD隊(duì)列中NKCMGS與免疫治療生物標(biāo)志物（PD-L1表達(dá)和TMB）之間的關(guān)系于置。結(jié)果表明，PD-L1表達(dá)在低風(fēng)險和高風(fēng)險患者之間沒有顯著差異贞岭，但低風(fēng)險患者的TMB明顯低于高風(fēng)險患者（下圖A-B）八毯。此外，作者還發(fā)現(xiàn)低風(fēng)險患者的T細(xì)胞受體（TCR）豐富度和多樣性顯著高于高風(fēng)險患者（下圖C-D）瞄桨。

1话速、研究招募了298名IMvigor210隊(duì)列中接受抗PD-L1治療的患者進(jìn)行分析。Kaplan-Meier分析顯示免疫治療后高風(fēng)險患者的生存率較低（下圖E）芯侥。低風(fēng)險評分與對抗PD-L1治療的客觀反應(yīng)相關(guān)（下圖F）泊交。低風(fēng)險組抗PD-L1治療的客觀緩解率顯著升高（下圖G）。

3柱查、ROC曲線顯示活合，TMB、PD-L1和風(fēng)險評分模型聯(lián)合預(yù)測抗PD-L1反應(yīng)的準(zhǔn)確率為76.1%物赶，優(yōu)于TMB（AUC=0.728）白指、PD-L1（AUC=0.569）或單獨(dú)的風(fēng)險評分（AUC=0.603）（下圖H）。這些發(fā)現(xiàn)表明低風(fēng)險評分的患者更有可能從免疫治療中受益酵紫，而NKCMGS可能是識別從免疫治療中受益的LUAD患者的生物標(biāo)志物告嘲。

總結(jié)

作者基于TCGA和GEO隊(duì)列中的NK細(xì)胞標(biāo)記基因開發(fā)了一種七基因預(yù)后特征（NKCMGS），該特征的預(yù)測能力在不同的臨床亞組和隊(duì)列中得到了驗(yàn)證奖地。最終結(jié)果顯示橄唬，NKCMGS具有預(yù)測LUAD患者預(yù)后和免疫治療反應(yīng)的強(qiáng)大性能，可以作為關(guān)于LUAD個體化預(yù)測及臨床決策的預(yù)后生物標(biāo)志物参歹，并有助于選擇可以從免疫治療中受益的合適患者仰楚。