文摘
背景。最高的死亡率和转移率,肾肾透明细胞癌(KIRC)是最常见的一种泌尿恶性肿瘤,化疗和放疗不敏感。免疫疗法,这被证明是有效的和一个大发展,比如PD-1 / PD-L1抑制剂,对所有KIRC患者并不敏感。预测预后和免疫治疗反应,一种新的免疫检查点相关基因——(协调小组)模型是必不可少的在诊所。方法。从公众database-downloaded数据集,一部小说ICG-related KIRC患者的预后和免疫治疗反应预测模型建立和验证了R包和Cox回归分析。kaplan meier曲线绘制。结果。39协调小组确定了KIRC病人有不同的表达和丰富的几种生物通路和活动。三个协调小组(CTLA4 TNFSF14和HHLA2)筛选生成KIRC-ICG模型。KIRC-ICG模型被验证是有效的。与导电KIRC-SYS模型,KIRC-ICGscore验证是一个独立的因素无论年龄、性别、阶段,年级,TNM阶段。ICG-low子群,ICG-high子群相比有更多的免疫活动。KIRC-ICGscore明显与Treg标记的表达呈正相关。KIRC-ICG模型也可以可靠预测免疫治疗的反应。结论。KIRC-ICG模型是可靠的预测预后和KIRC患者免疫治疗的反应,可能是一个独立的因素无论临床特点。
1。介绍
占用80%的肾癌、肾肾透明细胞癌(KIRC)是最常见的一种泌尿恶性肿瘤(1]。肾透明细胞癌患者死亡率最高和转移率(2- - - - - -4和化疗和放疗不敏感5]。结合传统的癌症治疗,肿瘤免疫治疗疗效和安全性高,可显著提高患者的生存率(6]。
尽管免疫疗法(重大进展7),仍有一部分患者KIRC不敏感,这些抑制剂由于免疫抑制8]。肿瘤免疫抑制是指宿主免疫反应的抑制肿瘤抗原在一些因素的作用下,导致肿瘤细胞逃避人体免疫系统的监视,在体内快速分裂和增殖,加速肿瘤的恶化9,10]。这些因素包括一系列分子表达的免疫细胞,调节免疫激活的程度,称为免疫检查点。例如,PD-1, I型跨膜糖蛋白表达主要是T细胞表面,抑制T细胞的活化和增殖绑定PD-L1 (11]。然而,由于免疫检查点的多样性,不同类型的癌症可以表达不同的免疫检查点。预测预后和免疫治疗反应,基因-一个新的免疫检查站(协调小组)相关模型在诊所KIRC患者至关重要。
为了解决这个问题,我们确定了ICG-related微分基因(度)和建造一个新的KIRC-ICG模型。与此同时,我们也验证了KIRC-ICG预后模型性能和免疫治疗反应效率。它将提供一个改善精度的新愿景KIRC患者的免疫治疗。
2。材料和方法
2.1。数据收集
KIRC数据(RNA-seq数据和临床数据)从TCGA数据库从圣克鲁兹加州大学官方下载网页(UCSC的数据库)https://xenabrowser.net/datapages/)。TCGA-KIRC 531 KIRC患者和72年的数据集包括RNA转录paracarcinoma组织,515年我们获得KIRC患者生存时间大于30天。补充计算,我们也获得了RNA-seq数据从正常人Genotype-Tissue表达式(GTEx)数据库。此外,我们得到了RECA-EU数据集与表达分析KIRC患者验证队列从国际癌症基因组协会(ICGC)数据库。的完整数据集56肾细胞癌患者免疫治疗信息从IMvigor210下载(http://research-pub.gene.com/IMvigor210CoreBiologies)[12]。47个免疫基因检查站(协调小组)收集出版文学(表1)[13]。
2.2。协调小组的识别
“limma”包过滤应用免疫基因TCGA-KIRC和RECA-EU数据集通过设置检查站 和 作为阈值。GeneMANIA被用来探索蛋白质网络在这些从多角度协调小组14]。
2.3。预后风险模型的建设
单变量Cox回归分析用来确定协调小组与总生存期(OS)。接下来,通过多变量Cox分析(分段模型),我们进一步过滤这些协调小组影响预后和建立最低的预后风险模型Akaike信息标准(AIC)值。另类投资会议是一个标准来评估的复杂性拟合优度统计模型和测量。基于协调小组的系数和表达价值,每个样本估计的风险评分。方程如下:
评价模型中,“survivalROC”包被用来绘制时间ROC曲线。基于KIRC-ICGscore,我们分类KIRC患者( )到ICG-high ( )和ICG-low子组( )。
3所示。分析肿瘤免疫微环境(时间)在KIRC-ICG子组
“GSVA”和“估计”包被用来分析两者之间的差异的时间状态KIRC-ICG子组(15,16]。肿瘤免疫功能紊乱和排斥(潮流)数据库(http://tide.dfci.harvard.edu/)是应用于预测免疫抑制治疗的效果在两个KIRC-ICG子组(17]。
4所示。基于ssGSEA免疫聚类
ssGSEA算法是基于29 immune-associated基因集代表不同的免疫细胞类型、函数和通路(18]。我们应用ssGSEA算法通过R包“GSVA”全面评估每个样本的免疫特性包括在TCGA-KIRC集和执行一个无人管理的层次聚类算法将这些样本分为Immune_H和Immune_L集群基于ssGSEA结果。
5。GSVA功能注释
基因变异分析(GSVA)浓缩应用探索的路径差异两个集群的R包“GSVA”和“Limma”[19]。
5.1。统计分析
Wilcoxon测试执行屏幕协调小组。中使用的生存率较是kaplan meier曲线。执行GSEA探索潜在的生物通路通过设置正常值< 0.05和富兰克林。罗斯福(错误发现率)值< 0.25作为阈值。所有统计分析进行了使用R(4.0.3)计划,和 被认为是显著的。
6。结果
6.1。协调小组在KIRC病人的识别
在47协调小组从发表文献,收集44协调小组发现差异表达通过比较515年KIRC组织与72年paracarcinoma组织和28个健康的肾组织,其中39协调小组在RECA-EU队列(图验证1(一))。在这些39协调小组,有38个调节基因和1表达下调基因(图1 (b))。随后,为了理解39协调小组之间的相关性,我们构建了一个由GENEMANIA基因相互作用网络。这些协调小组的互动网络显示物理接触“co-localization”,“共享蛋白质域,”“co-expression”,和“潜在功能的交互途径”(图1 (c))。进一步证实了这些协调小组可能不会独自工作但互动密切关联。
(一)
(b)
(c)
6.2。建设KIRC ICG-Related预后风险模型
通过执行考克斯单变量分析,筛选出10协调小组与OS(显著相关 )(图2(一个))并对其进行了多变量Cox分析。多变量Cox分析(分段模型)后,终于有三个基因(CTLA4 TNFSF14, HHLA2)包含在预后风险模型(KIRC-ICG模型)最低的AIC值(775.17)(图2 (b))。方程如下:
(一)
(b)
(c)
(d)
(e)
(f)
的中值KIRC-ICGscore,我们分类KIRC患者( )到ICG-high ( )和ICG-low子组( )。KIRC-ICGscore和生存状态的分布之间的两个KIRC-ICG子组被显示在图2 (c)。有更多死亡KIRC-ICGscore较高的样本(图2 (d))。kaplan meier分析证实ICG-high子群(OS率较低 ,图2 (e))。时间的auc ROC曲线1、3和5年是0.718,0.696,和0.751,这表明KIRC-ICG模型可靠预测KIRC患者的预后(图2 (f))。说明底层的生存机制区别ICG-high ICG-low子组,GSEA应用。KEGG去通路相关的结果表明,ICG-high子群有更多的免疫活动(数据3(一个)- - - - - -3 (f))。
(一)
(b)
(c)
(d)
(e)
(f)
6.3。KIRC-ICG模型的临床应用
评估KIRC-ICGscore诊所,六个特征(年龄、性别、阶段,年级,TNM阶段,和KIRC-ICGscore)被封闭建立系统化的预后风险模型名为KIRC-SYS模型进行单变量Cox回归和多变量Cox回归分析。如数据所示4(一)- - - - - -4 (b),KIRC-ICGscore被确认为操作系统的一个独立危险因素。和KIRC-ICGscore AUC值为0.771(图4 (c)),这是优于其他临床病理的参数,尤其是TNM阶段。所有这些特性表明,KIRC-ICGscore系统可靠预测KIRC患者的预后。此外,我们画了一个分布热图临床病理的特点和三两个KIRC-ICG子组(图之间的协调小组4 (d)),发现TNM阶段,阶段,年级,和生存状态(统治)之间是不同的两个KIRC-ICG子组(所有 )。KIRC-ICGscore作为连续变量,我们进一步证明了高KIRC-ICGscores与低分化肿瘤,先进的TNM分期和死亡(图5)。它进一步透露,高KIRC-ICGscores可能与KIRC的进展。
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
(e)
(f)
我们执行操作系统的kaplan meier曲线子集不同的临床特征,比如年龄,性别,年级,和TNM阶段(数据6(一)- - - - - -6 (g)分别)。我们观察到ICG-high子群一直与不良预后相关的不同子集除了N1,这可能意味着KIRC-ICG模型可以独立预测KIRC病人的生存结果无论临床特征。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
6.4。分析肿瘤免疫微环境(时间)在KIRC-ICG子组
通过应用“GSVA”和“估计”包,ICG-high子群是显示肿瘤免疫和估计分数但低纯度更高状态( ,图7(一))。ssGSEA分析表明,渗透度的树突细胞(asc和髓样),CD8 + T细胞,巨噬细胞,T辅助细胞(Th1细胞和Th2细胞),卵泡辅助T细胞(Tfh)和调节性T细胞在ICG-high子群(Treg)高于ICG-low子群( )(图7 (b))。ICG-low子群,ICG-high子群相比有更多的抗原呈递细胞(APC)的免疫活动coinhibition, APC聚集有关,趋化因子受体(CCR),检查站,细胞溶解的活动,人类白细胞抗原(HLA),有助改善炎症,物损伤你的心脏parainflammation, T细胞coinhibition, T细胞的聚集有关,和II型干扰素反应(图7 (c))。
(一)
(b)
(c)
(d)
(e)
调节性T细胞亚群)的一组淋巴细胞负调节免疫反应,与肿瘤细胞逃避免疫监视。检查亚群的状态,我们比FOXP3的表达(亚群的标志),il - 4、il - 10(由亚群细胞因子分泌),LAG3, CTLA4, TIGIT, PDCD1 (coinhibitory分子表达的亚群之间的两个KIRC-ICG子组。结果表明,他们的表达显著调节ICG-high子群( ,图7 (d))。我们进一步探讨KIRC-ICGscore之间的相关性和亚群的标志和斯皮尔曼相关矩阵绘制。结果表明KIRC-ICGscore明显与Treg标记FOXP3的表达呈正相关,il - 4, LAG3, CTLA4, TIGIT, PDCD1,除了il - 10(图7 (e))。
6.5。KIRC-ICG模型的影响免疫治疗反应
检查KIRC-ICG模型的影响免疫疗法,我们应用潮流算法。与相关基因表达谱的细胞毒性T淋巴细胞(CTL)标记(CD8A, CD8B, GZMA、GZMB PRF1)与T细胞特征,潮流算法预测肿瘤患者的免疫治疗。高潮分数意味着病人没有反应,免疫疗法由于排除t细胞浸润t细胞功能障碍或更多。结果显示,ICG-high小组得分明显高于趋势(图的特点8(一个)),虽然KIRC-ICGscore与潮水评分(弱相关 , ,图8 (b)),这意味着ICG-high小组将有严重反应的免疫疗法。通过分析IMvigor210数据归类为进步的64 KIRC患者疾病(PD),稳定的疾病(SD),部分响应(PR),和完全缓解(CR)的治疗反应atezolizumab (PD-L1抑制剂),我们得到的结果KIRC-ICGscore CR /公关组明显低于SD / PD组(图8 (c))。kaplan meier曲线证实ICG-high小组与OS atezolizumab治疗后(图8 (d))。
(一)
(b)
(c)
(d)
7所示。KIRC Immue集群的建设和验证
基于ssGSEA算法,KIRC病人进行了分析使用29免疫基因集。层次聚类算法分类KIRC患者( )到Immunity_H ( )和Immunity_L集群( ,图9(一个)基于ssGSEA结果。估计算法用于分数每个病人的时间。结果表明,Immunity_H集群肿瘤免疫和估计分数但低纯度较高状态( ,图9 (b))。然后,GSVA富集分析显示,immunerelated途径如t细胞受体信号通路,cytokine-cytokine受体相互作用,和初级免疫缺陷明显丰富Immunity_H集群(图9 (c))。上述结果表明,Immunity_H集群有更高的免疫活动和更多的免疫细胞浸润。kaplan meier分析表明患者Immune_H集群比Immune_L集群(图预后较差9 (d))。同时,细胞因子(il - 4和il - 10)和检查点(LAG3, CTLA4、TIGIT PDCD1)与免疫抑制Immunity_H集群中高度表达。FOXP3的表达也是调节Immunity_H集群,这可能归因于亚群的渗透(图9 (e))。
(一)
(b)
(c)
(d)
(e)
8。讨论
常规放射治疗和细胞毒性化疗没有发达KIRC[功效5]。免疫疗法是被证明是一个大发展,比如PD-1 / PD-L1抑制剂。PD-1 / PD-L1是免疫检查点基因可能损害造成T细胞的能力20.]。然而,并不是所有患者PD-L1超表达可以受益于PD-L1抑制剂(21,22]。小说协调小组已发现(23]。在我们的研究中,我们收集了47个协调小组发表的文学作品。
在47个协调小组,细胞毒性T lymphocyte-associated抗原4 (CTLA-4)属于免疫球蛋白超基因家族和CD28一样。主要表达在激活T细胞和调节性T细胞。配体的B7-1和B7-2装甲运兵车,CTLA-4是其中最重要的T细胞costimulatory受体(24),它被认为是消极的监管机构的T细胞(25]。高表达的CTLA4报道与可怜的总生存期(OS)和可能作为KIRC患者预后的生物标志物26]。
肿瘤坏死因子超家族成员14 (TNFSF14)主要表达在活化T细胞,NK细胞,未成熟的树突状细胞(dc) [27),它的两个主要功能受体是疱疹病毒进入中介(HVEM)和淋巴毒素-β受体(LTβ右)。βR主要表达在上皮细胞的表面,不成熟,基质和髓细胞(28]。TNFSF14-LTβR淋巴结构交互是必要的开发和维护(29日]。然而,它表示在淋巴细胞,NK细胞和平滑肌;HVEM函数是一个重要的t细胞costimulatory因素(30.,31日]。TNFSF14-HVEM可以诱导强烈的抗肿瘤免疫治疗上下文(32]。TNFSF14据报道是一个预后因素之一TNF-related签名和可能评估免疫疗法的功效33]。
人类内源性retrovirus-H长末端repeat-associating蛋白2 (HHLA2)是B7家族的新成员,可以调解聚集有关,与TMIGD2互动(34]。患者HHLA2超表达表现出更大的临床预后KIRC [35]。HHLA2过度也见于其他癌肝内胆管癌(36),胃癌37),和结直肠癌38),与不良预后相关。然而,也有报道称HHLA2 KIRC中高度表达,预测有利的生存结果KIRC [39,40),这与我们的研究是相一致的。根据该报告,HHLA2 costimulatory受体TMIGD2(跨膜和免疫球蛋白域包含2)和coinhibitory受体KIR3DL3(杀手细胞Ig-like受体,三个搞笑域,长胞质尾),赋予它在癌症免疫增强药和免疫抑制功能开发(41]。这些反对功能强调HHLA2及其受体的表达和分布可能决定肿瘤微环境中的免疫反应,从而影响预后。
一起三个协调小组(CTLA4、TNFSF14 HHLA2),在这里,我们首次成功建立了预测KIRC-ICG模型。基于IMvigor210队列,我们证明病人ICG-high协调小组群不太敏感。与此同时,我们应用潮流算法来推测ICG-high子群不敏感的原因从的角度CTL艾多酷。结果表明ICG-high子群的潮流得分高于ICG-low子群,这表明,病人没有反应以及免疫疗法由于更多的t细胞功能障碍或排除t细胞浸润。值得注意的是,KIRC-ICGscore只弱与潮流的分数。我们假设除了CTL,可能还有其他免疫细胞通过细胞毒性t淋巴细胞相互作用而影响免疫反应。即使有限制的生物模型预测预后和免疫治疗反应,它可以给我们一个不同的角度的函数对应的风险因素。
与肿瘤免疫的一般趋势相反,贫穷患者预后有更高的免疫活动和更多的免疫细胞浸润(包括亚群)在我们的研究中。进一步验证这相反的免疫特性,ssGSEA算法应用。ssGSEA算法,KIRC患者分为Immunity_H和Immunity_L集群。和Immune_H集群操作系统和更短Treg细胞渗透比Immune_L集群,这是一样的免疫KIRC-ICG模型的特点。一些报道证明高tumoral免疫活动并不一定表明在某些癌症(更好的预后42,43]。上述趋势癌症免疫学是罕见的,它可能是受cancer-type-specific因素的影响。根据这份报告,高免疫活性在葡萄膜黑色素瘤可能诱发epithelial-mesenchymal过渡/ endothelial-mesenchymal过渡和放松血液屏障结构,进一步导致预后不良(44]。然而,KIRC的特殊免疫特性的潜在机制尚不清楚,需要进一步探索。
9。结论
总之,我们创建了一个新的KIRC-ICG模型是可靠的预测预后和KIRC患者免疫治疗的反应,可能是一个独立的因素无论临床特点。然而,这项研究仍有一些局限性。进一步验证模型,板凳实验是需要在未来。
数据可用性
本文中提到的所有数据可以从TCGA(下载https://portal.gdc.cancer.gov)和ICGC (http://dcc.icgc.org/)数据库和IMvigor210数据集(http:http://research-pub.gene.com/IMvigor210CoreBiologies)。
的利益冲突
作者宣称没有利益冲突
作者的贡献
概念和设计由ZhiXiang粉丝,DongMei黄,鑫鑫太阳。收集和汇编的数据是由库恩Li YanYan张混入左,和李康康舞。数据分析和解释由ZhiXiang风扇,库恩李,”。稿件的写作是由ZhiXiang粉丝,DongMei黄,鑫鑫太阳。手稿是由所有作者的最终批准。