导语
GUIDE ╲
神经胶质瘤是中枢神经系统中最常见的原发性肿瘤类型之一。先前的研究发现，巨噬细胞积极参与肿瘤的生长。
背景介绍
大家好呀！今天小编给大家带来的文章题目为：The molecular feature of macrophages in tumor immunemicroenvironment of glioma patients，发表在《Computational and Structural Biotechnology Journal》杂志上。
作者基于先验知识从巨噬细胞入手，对巨噬细胞相关基因基因进行聚类，应用Pamr、SVM和神经网络来验证聚类结果，用体细胞突变和甲基化来定义已确定的集群的特征。采用弹性回归和主成分分析后，分层组间的差异表达基因(DEGs)构建MScores。通过单细胞测序分析，评估肿瘤微环境中巨噬细胞特异性基因的表达。MScores在胶质瘤中的预后价值通过浸润微环境的主动促炎和代谢谱以及具有该特征的样本对免疫治疗的反应得到验证。
数据介绍
从TCGA和CGGA中收集了1991年弥漫性胶质瘤样本，其中TCGA队列包括672例LGG和GBM联合胶质瘤样本的RNA-seq数据和相应的临床信息，CGGA包括三个验证队列，其中两个RNA-seq队列(CGGA325和CGGA693)和一个微阵列队列(CGGAarray)。
单细胞表达矩阵来自于GEO：GSE138794。
结果解析
01
识别巨噬细胞密度作为一个潜在的预后标志物
作者通过WGCNA从turquoise模块中提取了945个基因，用于后续生成的巨噬细胞密度。对TCGA队列中具有相应基因表达谱的胶质瘤患者进行PAM检测(图1a)。通过PCA将TCGA数据集中样本区分开来(图1b)。对两个聚类的生存分析证实，聚类1的生存概率曲线明显较低(图1c)。使用3个CGGA队列的基因表达谱，从954个基因中鉴定出434个基因，通过pamr验证聚类结果(图1d)。阈值选择见图1e,pamr鉴定的13个基因，包括IGFBP2、TIMP1、EMP3、PTX3、CHI3L1、PDPN，被认为为样本区别能力最强的基因(图1f)。采用神经网络和SVM两种方法进行了聚类验证，显示了pamr、SVM和神经网络之间的聚类结果的一致性(图1G, H)。
图1
02
巨噬细胞雌激素分化组的临床特征及TME特征
作者继续研究了这两个cluster的TME特征。在TCGA中研究了两种亚型中64种细胞类型水平的表达差异（图2A)。
在TCGA队列中检测了免疫浸润微环境的估计分数与cluster以及免疫细胞水平之间的关联(图2b)。cluster1的估计评分、免疫评分和中风评分均高于cluster2（图2B）。随后比较了两个cluster之间与抗原呈递、细胞表面受体、共抑制、配体和细胞粘附相关的几个系列免疫检查点分子的水平。免疫检查点标记物在cluster1中倾向于过表达（图2c）。
图2
03
巨噬细胞富集组表现出更多的恶性基因组特征
利用TCGA数据集进行体细胞突变分析和拷贝数变异(CNV)，以探索两个cluster的基因组性状。通过比较两个cluster，得到了一个全局CNV曲线图（图3A、B）。根据体细胞突变分析，EGFR、TP53、PTEN和TTN的突变在cluster1中富集程度最高。IDH1、TP53、ARTX和CIC突变在cluster2中富集（图3C)。
除ATRX外，所有这些基因的主要基因突变类型都是错义突变，其中移框缺失是最常见的基因突变类型。
图3
04
巨噬细胞富集的胶质瘤中的DMPs与肿瘤进展相关
筛选beta值>0.4，p值<0.05，共鉴定出8359个DMPs，其中DMPs上调8301个，下调DMPs58个。热图显示了已鉴定的DMPs在两个cluster中的分布(图4a)。cluster1的基因组表现出整体的低甲基化趋势，84.2%的DMPs被低甲基化(图4b)。在与基因相关的位置上，DMPs主要集中在IGRs和转录起始位点(TSSs)中。病灶分析显示了已鉴定的DMPs在人类染色体中的分布(图4c)。DMPs相关基因的GSEA显示，高甲基化基因对肿瘤相关生物学过程如TGFb、肿瘤坏死因子a(TNFa)和白细胞营养过程(IL-2，图4d)有更重要的贡献。GO富集分析也显示T细胞的活化、增殖和分化活性增加(图4E)。作者计算并比较了两个集群中主要免疫细胞类型的富集分数。cluster1的单核细胞和中性粒细胞水平高于cluster2，而B、NK和CD4 T细胞水平低于cluster2(图4F).
图4
05
MScore及其功能注释
利用巨噬细胞相关基因signature，通过PCA计算MScores，然后评价64种细胞类型的表达水平与MScores的相关性。评分与成纤维细胞、巨噬细胞和单核细胞的水平呈正相关(图5a)。在TGCA数据集中，生存分析显示，高和低MScores可以很好地分离不同死亡风险的患者(图5c)。对MScores在几种癌症类型中的GO富集功能分析也显示，MScores与巨噬细胞活化、成纤维细胞增殖、肥大细胞活化调节和调节性T细胞分化呈正相关，这表明存在免疫抑制微环境(图5e)。最后，作者评估了神经胶质瘤患者的MScores，发现高评分患者的生存率较低(p<0.0001，图5f)。对M2巨噬细胞标记物CD163的IHC染色显示，高MScores的样本中CD163的表达量较高(图5g)。
图5
在15个外部独立的胶质瘤数据集中，MScore被证明可以显著地对患者的总生存概率进行分层(图6)。
图6
06
巨噬细胞分层组预测了对免疫治疗的反应
作者评估了MScores是否能够预测免疫阻断治疗对胶质瘤患者的治疗效果。高和低 MScores 未能通过 IMvigor210 队列的生存概率对患者进行分层（p = 0.18，图7A）。然而，当根据免疫治疗反应类型对患者进行进一步分层时，疾病进展组、疾病稳定组和部分反应组显示出不同的 MScores，其中部分反应和完全反应与较低的MScore相关（图 7B）。
与部分反应组和完全反应组相比，进展性疾病组和疾病稳定组的高 MScore 百分比更高（图 7C、D）。以二元模式对治疗反应进行分组，发现完全/部分反应组的高分百分比高于稳定/进展性疾病组（图 7E）。PD-L1（CD274）的水平为在高 MScore 组中也较高（图 7F，p < 0.0001）。MScores的预后价值也在PD-1阻断治疗系列下的黑色素瘤队列中进行了测试，高MScore患者表现出更有利的治疗反应并延长了生存期（图 7G-I）。
图7
小编总结
通过确定一个包含26个巨噬细胞特异性基因的基因特征，并分析了它们在胶质瘤中的预后价值，结果证明了巨噬细胞在胶质瘤进展中的调节作用。
