导语
GUIDE ╲
缺氧和免疫状态之间的相互作用对胰腺癌具有一定的预后意义。
背景介绍
基因集分型预后是这几年的一大热点。然而，随着大量基因集肿瘤分型文章的发表，我们的文章怎样才能脱颖而出呢？今天小编为大家带来一篇使用缺氧和免疫两大基因集共同确定胰腺癌预后Signature的文章，原来基因集泛癌还可以这么做！本文题目为Development and Verification of the Hypoxia- and Immune-Associated Prognostic Signature for Pancreatic Ductal Adenocarcinoma，今年十月刚刚发表在Frontiers in Immunology上，影响因子7分 。
数据介绍
数据来源还是大家无比熟悉的几个癌症数据库。mRNA表达矩阵和相关临床信息来自TCGA(https://portal.gdc.cancer.gov/projects/TCGA-PAAD/)和GTEx。验证集来自ICGC（https://dcc.icgc.org/releases/current/Projects/PACA-AU/）和GEO的GSE28735数据集。
结果解析
01
缺氧和免疫相关的基因
由于不同缺氧水平的胰腺癌患者的预后各不相同，作者首先进行了无监督聚类分析，以确定不同的缺氧模式并将患者分为两个cluster（图1A-C）。这两个cluster之间的总体生存期存在显着差异（图1D），其中缺氧集群1（缺氧高）的患者与缺氧集群 2（缺氧低）相比预后较差。
图1
接下来鉴定缺氧和免疫相关的差异表达基因。共鉴定了5364个胰腺癌差异表达基因（图2A-B）。通过Pearson 相关分析研究胰腺癌差异表达基因与缺氧基因之间的关系。通过取交集，作者确定了528个免疫相关的胰腺癌差异基因。
GO和KEGG富集显示：缺氧差异表达基因显著富集在与免疫相关的通路中，包括“T 细胞活化”、“T 细胞活化的调节”、“淋巴细胞分化”和“淋巴细胞增殖”（图2C-F），表明不同的影响胰腺癌预后的缺氧状态可能与免疫通路的激活有关。
图2
02
缺氧和免疫相关的风险打分模型
缺氧与免疫相关的共同差异表达基因有72个（图3A）。通过单变量Cox回归确定了22个最相关的差异表达基因。通过多变量Cox回归和LASSO回归选择了七个基因来构建预后特征（图3A-C）。
根据风险评分，所有病例被归类为高风险组或低风险组。根据Kaplan-Meier分析（图3D、E、G、H、J、K），高风险患者的总体生存显著降低。此外，作者还调查了基于TCGA-PDAC队列、GEO队列和ICGC队列的曲线下面积 (AUC) 值的1、2和 3年总体生存情况（图3F、I、L）。
图3
为了深入了解风险模型中七个特征基因的独立预后价值，作者进一步进行了单变量Cox回归分析，发现其中五个对胰腺癌患者有害，两个对患者有益（图4A）。在七个基因的聚类热图上，作者发现风险模型与先前建立的缺氧聚类一致，即缺氧和免疫可能相互作用影响胰腺癌预后（图4B）。作者继续绘制 Kaplan-Meier生存曲线以评估每个特征基因的预后价值，结果也与单变量Cox回归一致（图4C-I）。
图4
03
风险评分模型与临床特征的相关性
为了研究风险模型是否与胰腺癌的临床特征相关，作者进行了Wilcoxon秩和检验，发现高风险组具有更晚期的TNM分期和更高的肿瘤分级（图5A-H）。考虑到两个风险组之间预后相关的临床特征不同，进一步研究了风险模型是否与其他胰腺癌独立预后因素具有相似或更好的预测有效性（图 5I、J）。
作者构建了一个列线图，通过三个独立的预后因素来预测患者的总体生存，包括年龄、主要治疗、N 和风险评分（图5K）。校准图表明列线图可以准确估计死亡率（图5L-N）。对于1年、2年和3年的总体生存，列线图的AUC分别为0.76、0.80和0.82（图5O-Q）。上述结果表明，风险模型既可以作为独立的预后因素，也可以与现有的临床指标相结合。
图5
为了进一步验证风险模型在缺氧和免疫中的功能，作者进行了GSEA通路富集分析，发现在高危组中富集了三个缺氧相关基因集（图 6A-C）。在六个免疫相关基因组中，三个在高风险组中富集（图6D-F），另外三个在低风险组中富集（图6G-I）。由于与缺氧相关基因集相比，免疫相关基因集的富集更为复杂，因此需要进一步深入评估这种关于免疫状态的风险模型。
图6
04
风险模型与免疫浸润的关系
高危患者的初始B细胞、CD4记忆静息T细胞、调节性T细胞、静息NK细胞、M0巨噬细胞、静息树突细胞和活化树突细胞的免疫细胞浸润程度较高，而低危组则表现出较高的免疫细胞浸润程度，记忆B细胞、CD8 T细胞、滤泡辅助 T细胞、单核细胞、M1巨噬细胞、M2巨噬细胞、静息肥大细胞和嗜酸性粒细胞的浸润程度更高（图7A）。
ESTIMATE评分显示，与低风险组相比，高风险组的基质和免疫评分较低（图 7C-H）。在临床亚组分析中，在T3T4、Stage2、N1和Grade2 中，高风险组的免疫评分和基质评分显着低于低风险组（图7I-P）。高风险组的免疫检查点表达水平也显着低于低风险组（图7B）。因此，胰腺癌的不同风险人群可以暗示免疫水平，高危组患者的整体免疫反应水平低于低危组。
图7
05
风险评分模型与胰腺癌患者突变
瀑布图显示了高风险和低风险组中最常突变的胰腺癌基因（图8A-B）。 高危人群的突变负担明显更高。 此外，四个胰腺癌突变基因（KRAS、TP53、SMAD4和TTN）在高危人群中突变频率更高，突变谱更丰富。 其他6个突变基因（CDKN2A、RNF43、MUC16、ATM、GNAS和HMCN1）在高危组中的突变频率低于低危组，并且突变谱较窄。
图8
小编总结
本文为我们提供了一个崭新的基因集思路，因为癌症通常与免疫相关，那我们就可以使用免疫 铁死亡/细胞凋亡/细胞焦亡等等基因集共同确定某种癌症（泛癌）的预后标志物。
