一.研究背景
眾所周知失都，TP53突變是肝細(xì)胞癌（HCC）中最常見的突變误趴，它影響著HCC的進(jìn)展和預(yù)后蓝谨。盡管TP53突變在HCC患者預(yù)后中的致病作用已被充分證實(shí)矢沿，但其對HCC免疫譜的特異性影響尚未得到徹底研究削樊。那么今天小編給大家?guī)淼倪@篇文章就是通過構(gòu)建TP53相關(guān)的HCC免疫預(yù)后模型來研究其調(diào)節(jié)免疫表型的機(jī)制以及其對預(yù)后的影響豁生。該文章于2019年發(fā)表在EbioMedicine雜志上 ，影響因子6.183漫贞。好啦甸箱，長話短說，讓我們一起來看一看作者都做了哪些研究吧~
二.主要方法和數(shù)據(jù)
數(shù)據(jù)：
（1）RNA測序數(shù)據(jù)：作者收集了364個(gè)HCC樣品的體細(xì)胞突變狀態(tài)以及374個(gè)HCC樣品的基因表達(dá)數(shù)據(jù)并從TCGA中下載了相應(yīng)的臨床數(shù)據(jù)迅脐。作者從診斷為HCC的患者中收集手術(shù)切除樣本芍殖，對具有RNA測序數(shù)據(jù)和TP53突變信息的359個(gè)HCC樣品進(jìn)行分析，使用Illumina HiSeq_RNA-Seq和Illumina HiSeq_miRNA-Seq平臺獲得序列數(shù)據(jù)谴蔑。
（2）微陣列數(shù)據(jù)：作者從GEO中下載了三套基因表達(dá)譜數(shù)據(jù)集豌骏，分別是GSE54236基于平臺GPL6480（包括78個(gè)HCC樣品和77個(gè)相鄰非癌樣品）龟梦，GSE76427基于平臺GPL10558（包括115個(gè)HCC樣品和52個(gè)相鄰非癌樣品），GSE14520基于平臺GPL571（包括225個(gè)HCC樣品和220個(gè)相鄰的非癌樣品）窃躲。作者將這三個(gè)具有生存信息的數(shù)據(jù)集整合到meta-GEO-HCC隊(duì)列中计贰，以驗(yàn)證IPM。
（3）北京HCC患者的收集：從2004年到2015年蒂窒，101名接受手術(shù)并在北京協(xié)和醫(yī)院診斷為HCC的患者按照規(guī)定參與了本研究躁倒。
方法：
（1）免疫組化（IHC）
（2）基因集富集分析（GSEA）
（3）差異表達(dá)基因（DEG）分析
（4）構(gòu)建和驗(yàn)證免疫相關(guān)的預(yù)后模型
（5）估計(jì)免疫細(xì)胞類型分?jǐn)?shù)
（6）功能富集分析
（7）諾模圖的構(gòu)建和評估
三.結(jié)果展示
1：免疫表型與HCC中TP53突變之間的關(guān)聯(lián)
作者首次利用TCGA中HCC患者的基因表達(dá)數(shù)據(jù)和臨床信息，找到與TP53狀態(tài)相關(guān)的免疫相關(guān)生物學(xué)過程洒琢。對沒有TP53突變和具有TP53突變的HCC樣品進(jìn)行GSEA分析秧秉。結(jié)果顯示，不具有TP53突變的 HCC在414個(gè)生物過程中顯著富集衰抑，這里選擇了4個(gè)免疫相關(guān)生物過程象迎。相反，TP53 突變型 HCC在任何免疫相關(guān)的生物過程中都沒有富集呛踊。
圖1：TCGA數(shù)據(jù)集中TP53的遺傳富集分析砾淌。（A）HCC的基因組景觀和TCGA數(shù)據(jù)集中的突變特征，這些特征在FireBrowse平臺上進(jìn)行了測定恋技。 ? ? ? ? ? ? ? ?（B）與具有TP53 突變HCC患者相比拇舀，不具有TP53突變的 HCC患者中免疫相關(guān)表型的顯著富集的通路逻族。
2：鑒定具有和不具有TP53突變的HCC樣品之間差異表達(dá)的免疫相關(guān)基因
為了確定TP53狀態(tài)和免疫相關(guān)過程之間的相關(guān)性蜻底，作者從免疫相關(guān)過程中獲得312個(gè)免疫相關(guān)基因。在所研究的312個(gè)免疫相關(guān)基因中聘鳞，37個(gè)基因在兩者之間差異表達(dá)（FDR <0.05和| log 2 FC | > 1）薄辅。
3：構(gòu)建IPM并評估其在TCGA HCC隊(duì)列中的預(yù)測能力
作者試圖評估DEGs的預(yù)測能力，通過單變量Cox回歸分析顯示37個(gè)DEGs中的7個(gè)與OS顯著相關(guān)抠璃。為了找到具有最大預(yù)后價(jià)值的基因站楚，作者使用了基于LASSO
估計(jì)的Cox比例風(fēng)險(xiǎn)回歸分析，并選擇了TREM1和EXO1這兩個(gè)基因搏嗡。為了獲得統(tǒng)一的臨界值窿春，作者將患者分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組，對TCGA采盒，meta-GEO和北京HCC隊(duì)列中TREM1和EXO1的表達(dá)水平進(jìn)行了標(biāo)準(zhǔn)化旧乞，最后通過將每個(gè)免疫基因的歸一化表達(dá)水平加權(quán)到多變量Cox回歸分析的回歸系數(shù)，作者建立了風(fēng)險(xiǎn)評分模型來預(yù)測患者的存活率磅氨。結(jié)果如圖2所示：
圖2：IPM的預(yù)測分析尺栖。對于TCGA HCC群組（A-C）和meta-GEO HCC群組（D-F），IPM的Kaplan-Meier存活率烦租，風(fēng)險(xiǎn)評分和時(shí)間依賴性ROC曲線延赌。結(jié)果顯示（A和D）低風(fēng)險(xiǎn)評分組的OS顯著高于高風(fēng)險(xiǎn)評分組除盏。（B和E）顯示了風(fēng)險(xiǎn)評分和兩種預(yù)后免疫基因的表達(dá)之間的關(guān)系。（C和F）顯示IPM的時(shí)間依賴性ROC曲線分析挫以。（G-H）通過計(jì)算TCGA和meta-GEO HCC隊(duì)列中的C指數(shù)者蠕，評估生存預(yù)測的預(yù)后性能。（I）通過使用免疫組織化學(xué)掐松，得到北京HCC隊(duì)列的IPM的Kaplan-Meier生存曲線蠢棱。
4：驗(yàn)證和評估m(xù)eta-GEO HCC隊(duì)列和北京HCC隊(duì)列中的IPM
為了確定IPM是否穩(wěn)健，作者在包含414例HCC患者的meta-GEO-HCC隊(duì)列中評估了TCGA-hcc隊(duì)列中IPM的表現(xiàn)甩栈。結(jié)果表明IPM在不同的分子水平泻仙，平臺和數(shù)據(jù)集中是穩(wěn)健的。
5：根據(jù)TCGA HCC隊(duì)列中TP53狀態(tài)對IPM的OS進(jìn)行分層分析
與IPM一致量没，TP53狀態(tài)也與HCC患者的預(yù)后顯著相關(guān)（圖3A）玉转。作者進(jìn)行了分層分析以測試IPM的預(yù)后值是否獨(dú)立于TP53狀態(tài)，根據(jù)TP53狀態(tài)將TCGA HCC隊(duì)列中的患者分成兩組殴蹄。分層分析結(jié)果表明IPM與不具有TP53突變和TP53 突變TCGA HCC隊(duì)列中的OS顯著相關(guān)（圖3B和C）究抓。此外，相關(guān)性分析表明風(fēng)險(xiǎn)評分與不具有TP53突變和TP53 突變TCGA HCC隊(duì)列中的OS顯著負(fù)相關(guān)（圖3D）袭灯。此外刺下，單變量和多變量Cox回歸分析顯示，IPM對HCC患者OS的預(yù)測能力與TP53狀態(tài)無關(guān)（圖3E）稽荧。
? ?由于TP53突變類型影響TP53功能橘茉，作者對不同TP53突變類型進(jìn)行了分層分析，發(fā)現(xiàn)TP53突變類型影響HCC患者的預(yù)后（圖3F）姨丈。
為了測試IPM的預(yù)后價(jià)值是否獨(dú)立于TP53突變類型畅卓，作者進(jìn)行了TP53錯義突變亞組的預(yù)后分析，其在各種TP53突變類型中具有最大比例蟋恬。正如預(yù)期的那樣翁潘，IPM能夠?qū)⒒颊叻譃門P53錯義突變亞組內(nèi)的高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)組（圖3G）。
6：低風(fēng)險(xiǎn)顯示了局部免疫表型增強(qiáng)
作者通過對TCGA HCC隊(duì)列中的253名低風(fēng)險(xiǎn)和97名高風(fēng)險(xiǎn)HCC患者進(jìn)行GSEA分析歼争。GSEA顯示拜马，低風(fēng)險(xiǎn)HCC患者與三種免疫過程相關(guān)：
HUMORAL_IMMUNE_RESPONSE，HUMORAL_IMMUNE_RESPONSE_MEDIATED_BY_CIRCULATING_ IMMUNOGLOBULIN沐绒，以及REGULATION_ OF_HUMORAL_IMMUNE_RESPONSE）俩莽。相反，高風(fēng)險(xiǎn)HCC僅與一個(gè)免疫過程相關(guān)：SOMATIC_DIVERSIFICATION_OF_IMMUNE_ RECEPTORS洒沦。因此豹绪，作者認(rèn)為局部免疫特征可能在低風(fēng)險(xiǎn)組中賦予強(qiáng)烈的免疫表型，在高風(fēng)險(xiǎn)組中賦予弱化的免疫表型。
7：低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)HCC患者之間的免疫景觀
作者使用CIBERSORT方法結(jié)合LM22特征矩陣瞒津，估計(jì)了低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)HCC患者中22種免疫細(xì)胞類型的免疫浸潤差異蝉衣。圖4A總結(jié)了從350名HCC患者獲得的結(jié)果。在組內(nèi)和各組之間巷蚪，HCC中免疫細(xì)胞的比例變化（圖4A）病毡。此外，腫瘤浸潤性免疫細(xì)胞的不同亞群的比例呈微弱至中度相關(guān)（圖4B）屁柏。小提琴圖可視化高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)患者之間顯著不同的免疫細(xì)胞（圖4C）啦膜。此外，基于上述細(xì)胞亞群淌喻，基于主成分分析僧家，作者將高風(fēng)險(xiǎn)HCC患者和低風(fēng)險(xiǎn)HCC患者的樣品清楚地分成兩個(gè)不連續(xù)的組（圖4D）。因此裸删，這些結(jié)果表明八拱，HCC中的異常免疫浸潤和免疫浸潤的異質(zhì)性可以作為免疫治療的預(yù)后指標(biāo)和靶標(biāo)，并且可能具有顯著的臨床意義涯塔。
研究表明肌稻，免疫檢查點(diǎn)的表達(dá)已成為選擇HCC患者進(jìn)行免疫治療的生物標(biāo)志物。因此匕荸，作者評估了患者風(fēng)險(xiǎn)評分與關(guān)鍵免疫檢查點(diǎn)（CTLA-4爹谭，PD-1，TIM-3榛搔，LAG-3和TIGIT）表達(dá)之間的相關(guān)性诺凡，發(fā)現(xiàn)風(fēng)險(xiǎn)評分與CTLA -4，PD-1和TIM-3的表達(dá)顯著相關(guān)（圖5A）药薯。此外绑洛，作者調(diào)查了低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)HCC患者之間CTLA-4，PD-1和TIM-3的表達(dá)童本。結(jié)果顯示高危肝癌組CTLA-4，PD-1和TIM-3的表達(dá)顯著高于低危肝癌組脸候，表明高危肝癌患者預(yù)后不良穷娱，部分歸因于免疫抑制微環(huán)境（圖5B）。
8：改變高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)組患者的通路
作者鑒定了21個(gè)免疫基因（圖5C）并進(jìn)行GO和 KEGG分析以鑒定這些基因的潛在生物學(xué)功能和通路（ 圖5D和E）运沦。結(jié)果表明與TCGA HCC數(shù)據(jù)集中的中心相關(guān)的基因主要富集在體液免疫應(yīng)答和免疫系統(tǒng)疾病通路中（圖5D和E）泵额。
9：IPM獨(dú)立于傳統(tǒng)的臨床特征
作者進(jìn)行了單變量和多變量Cox回歸分析以探討IPM的預(yù)后價(jià)值是否獨(dú)立于TCGA HCC隊(duì)列中的其他臨床因素。作者在通過調(diào)整臨床特征后携添，IPM仍然是一個(gè)獨(dú)立的預(yù)后因素嫁盲，從而證實(shí)了其獨(dú)立預(yù)測HCC預(yù)后的穩(wěn)健性（圖6A）。多變量Cox回歸分析表明烈掠，IPM與生存信息和最高中位風(fēng)險(xiǎn)評分顯著相關(guān)羞秤。此外缸托，作者比較了IPM與傳統(tǒng)臨床特征之間的C指數(shù)，在11個(gè)存活預(yù)測因子中瘾蛋，IPM具有比常規(guī)臨床特征更高的平均C指數(shù)（圖6B）俐镐。總之哺哼，這些結(jié)果表明IPM與常規(guī)臨床特征無關(guān)佩抹，并且在生存預(yù)測方面的表現(xiàn)優(yōu)于常規(guī)的臨床特征。
10：基于IPM構(gòu)建和驗(yàn)證諾模圖
為了向臨床醫(yī)生提供預(yù)測HCC患者預(yù)后的定量方法取董，作者構(gòu)建了整合IPM和獨(dú)立臨床危險(xiǎn)因素的諾模圖（圖6C）棍苹。在基于多變量Cox分析的該列線圖中，與先前的Cox多變量回歸結(jié)果一致茵汰。這表明預(yù)測和觀察之間具有良好的一致性（圖6D）廊勃。作者還將該列線圖的預(yù)測準(zhǔn)確性與丙型肝炎，血管腫瘤侵襲和IPM的預(yù)測準(zhǔn)確性進(jìn)行了比較经窖，諾模圖性能優(yōu)于丙型肝炎坡垫，血管瘤侵襲和IPM。AUC也是諾模圖中最大的（圖6E）画侣”疲總之，這些研究結(jié)果表明配乱，諾模圖是預(yù)測HCC患者短期或長期生存的比單個(gè)預(yù)后因素更好的模型溉卓。
四.結(jié)論
簡單來說，作者研究了不同人群和平臺中TP53突變狀態(tài)和RNA表達(dá)搬泥，并建立了基于免疫相關(guān)基因的免疫預(yù)后模型（IPM）桑寨，這些基因在不具有TP53 突變和TP53突變型HCC樣本之間差異表達(dá)。然后忿檩，作者綜合分析了IPM對HCC免疫微環(huán)境的影響尉尾。
好啦，這篇文章就介紹到這里了燥透，總體來說內(nèi)容還是很豐富的沙咏，感興趣的童鞋可以認(rèn)真研讀~
往期分享
21-Deep learning (DL)一種基于多組學(xué)構(gòu)建肝癌患者分型的新算法
22-從DNA損傷修復(fù)以及分析亞型角度分析膀胱癌中的免疫調(diào)節(jié)
