文摘
背景。IDH在漫射LGGs突变是最常见的,与良好的预后相关。然而,IDH突变患者LGGs可怜的预测需要识别,和潜在的机制导致更糟糕的结果,治疗方案需要调查。方法。一个six-gene几种预后签名IDH突变LGGs构建基于两个公共数据集和一元、多元,套索Cox回归分析。患者分为低收入和高危人群基于训练集和验证集的平均风险评分。我们分析丰富通路和免疫细胞渗透,应用GSEA和免疫评价算法。结果。分层和多变量Cox分析公布six-gene签名是一个独立的预后因子。签名(0.806 / 0.795/0.822)显示出显著的预测性能,与1 - 3 - 5年时间AUC,高于年级(0.612 / 0.638/0.649)和1 p19q codeletion状态(0.606 / 0.658/0.676)。高危患者有更高的免疫细胞浸润。然而,观察特异性免疫逃逸免疫激活后的高危人群,由于增加免疫抑制细胞,抑制细胞因子和免疫分子检查站。此外,一种新颖的诺模图模型开发评估的生存IDH突变LGGs病人。结论。six-gene签名可能是一个有前途的预后的生物标志物,这是承诺促进个体治疗和改善临床结果IDH突变体神经胶质瘤。这项研究还精的当前分类系统IDH突变体神经胶质瘤,患者分为两个亚型分类不同的immunophenotypes和整体生存。
1。介绍
神经胶质瘤是最常见的颅内原发性肿瘤,包括nondiffuse神经胶质瘤和弥漫性神经胶质瘤1]。弥散性神经胶质瘤分为低档次的神经胶质瘤(二级和三级,LGGs)和胶质母细胞瘤(IV级)2016年世界卫生组织分类根据组织学类型(1,2]。神经胶质瘤患者窝藏IDH突变,包括IDH1和IDH2突变,有更好的预后比野生型(3]。大多数LGGsIDH野生型分子,临床上类似于原发性胶质母细胞瘤(4]。IDH突变通常发生在LGGs患者发病率高达75%,而突变的频率IDH1是低胶质母细胞瘤(12%)5,6]。在胶质母细胞瘤(GBM),IDH突变主要发生在继发性胶质母细胞瘤,进步IDH突变LGGs [1]。除了神经胶质瘤,急性髓系白血病是唯一的癌症的高发病率IDH1突变(7]。基于IDH突变和1 p / 19问codeletion,肿瘤蛋白质53 (TP53)突变,ATP-dependent x连锁解旋酶(ATRX)突变,以及端粒酶逆转录酶(叔)启动子突变,神经胶质瘤可以分为不同的群体有不同的发病机制及预后(1,8,9]。
IDH1和IDH2基因编码异柠檬酸脱氢酶1 (IDH1)和异柠檬酸脱氢酶2 (IDH2)在神经胶质瘤。的突变频率IDH2远低于IDH1,两个突变很少出现在同一病人(3,10]。所有的IDH1在132年密码子突变杂合的错义突变。IDH2172年密码子突变,类似IDH1密码子13210,11]。IDH1和IDH2都为,催化氧化脱羧的异柠檬酸α酮戊二酸和稳定细胞氧化应激反应5,12,13]。IDH1突变可以减少异柠檬酸的酶活性和催化形成2-hydroxyglutarate (2-HG)α酮戊二酸(14]。2-HG的积累与大脑肿瘤发生有关,但它也能抑制肿瘤细胞的增殖。除此之外,IDH1和IDH2突变是早期事件发展的神经胶质瘤(15]。因此,IDH1和IDH2突变可能参与神经胶质瘤的肿瘤发生。
照顾LGGs扩散的标准,包括颅脑手术,放疗、化疗和基于temozolomide或PCV方案,未能阻止肿瘤复发和进展16]。目前,免疫疗法在癌症治疗中起着越来越重要的作用,也在积极探索在神经胶质瘤17]。胶质母细胞瘤患者纳入临床试验,胶质母细胞瘤患者并没有显示任何生存利益nivolumab [18]。最近的研究表明胶质母细胞瘤患者甲基化管理启动子并没有基线皮质类固醇治疗可能受益于免疫抑制剂(艾多酷)[检查站19]。在LGGs促进免疫疗法的应用,肿瘤免疫微环境(时间)需要调查20.]。研究显示,IDH突变与免疫抑制相关表型(21,22]。然而,这些研究并没有探讨的分类IDH突变患者基于时间和结果。此外,一些研究的总和IDH1和IDH2突变进行进一步分析。
我们的研究构建了一个six-gene免疫预测患者的总体生存预后签名IDH突变LGGs这些患者分为子组和不同的结果和immunophenotypes。我们确认,签名是一个独立的预后因素,强调six-gene签名的可行性是临床生物标志物IDH突变LGGs。最后,预测计算图表模型集成的签名和临床因素是预测的整体生存发展起来的IDH突变LGGs。
2。材料和方法
2.1。数据收集
IDH突变LGGs患者(n= 800)从三个军团被包括在研究:CGGA_693 RNA序列(RNA-seq)群(n= 288),CGGA_325 RNA-seq队列(n= 127)、和TCGA RNA-seq群组(n= 385)。IDH突变GBM患者(n= 45)CGGA_693队列被纳入研究。相应的分子和临床信息的两个CGGA RNA-seq军团从CGGA数据库下载(http://www.cgga.org.cn/),其中CGGA_693队列被视为训练队列和CGGA_325队列作为验证集(23- - - - - -26]。同样,TCGA RNA-seq队列(https://portal.gdc.cancer.gov/)下载使用TCGAbiolinks R包和被认为是一个验证队列(27]。单变量Cox回归分析应用于识别显著整体survival-related基因 CGGA_693队列和TCGA RNA-seq队列。然后,有253重叠保护基因(HR < 1)和1864年风险基因(人力资源> 1)这两个群体之间。最后,105年的几种预后基因被确定的2117个预后基因从免疫学数据库基于免疫相关基因集和分析门户(IMMPORT)数据库(https://www.immport.org/)[28]。此外,我们在大卫和KEGG通路分析执行(http://david.abcc.ncifcrf.gov)105个候选免疫基因的功能注释。
2.2。建设免疫预后的签名
CGGA_693队列中的下一个,(训练集),套索Cox回归分析是105的几种预后基因免疫基因的数量进一步减少通过使用“glmnet”R包(29日]。然后,14个基因筛选套索分析被送到多变量Cox回归分析开发six-gene几种预后签名在288年IDH突变LGGs病人CGGA_693队列(30.]。six-gene-based风险得分计算评估每个病人的风险权重Cox回归系数。IDH突变LGGs CGGA_693队列中分为低或高的风险通过风险评分中位数作为截止。生存分析是基于kaplan meier方法和评估预后生存率较six-gene签名的性能。曲线下的面积(AUC)是计算时间的接受者操作特征(ROC)曲线评估敏感性和特异性通过使用“survivalROC”R包。
2.3。基因集富集分析(GSEA)
探索不同的生物过程之间的高收入和低风险组,GSEA是由使用Java GSEA软件与阈值的名义(笔名)值< 0.05和错误发现率(罗斯福)< 0.25。c5.bp.v7.2.symbols。格林尼治时间和c2.cp.kegg.v7.2.symbols。格林尼治时间文件被选为参考基因的文件。
2.4。估计肿瘤免疫微环境
估计算法应用于访问免疫细胞和基质细胞的浸润在肿瘤样本,计算估计分数,肿瘤免疫得分,基质分数,和纯度为每个样本的“估计”R包(31日]。同时,探索之间的联系six-gene签名和免疫细胞的渗透程度,全面估计渗透大量的免疫细胞和基质细胞通过应用四个独立的算法:伊势亚,计时器,Cibersort, MCP-counter [32- - - - - -35]。基于28先天和适应性免疫细胞标记从Charoentong等人的研究36)和成纤维细胞和内皮细胞的标记MCP-counter [35),单一样本基因集富集分析(ssGSEA)算法被用来评估30渗透大量的免疫细胞。此外,我们收集免疫调制剂,包括MHC分子,immunostimulators,和immunoinhibitors Charoentong的研究(36]。丰富的疲惫的T细胞估计利用ImmuCellAI (http://bioinfo.life.hust.edu.cn/ImmuCellAI)[37]。与此同时,39 t细胞exhaustion-related基因回顾最近收集的文献[38]。的基因列表如表所示S1。我们也收集基因签名预测免疫治疗和放疗反应(39]。治疗签名的浓缩分数计算通过应用GSVA R包(40]。
2.5。估计肿瘤突变负担(三甲)
TCGAmutations R包是用来下载的体细胞突变,TCGA LGGs队列(41]。的体细胞突变和临床信息WESeq_286队列从CGGA下载数据库(http://www.cgga.org.cn/)[42,43]。的三甲IDH-mutant LGGs TCGA的患者和CGGA人群估计如前所述44]。
2.6。建设的诺模图
探索six-gene签名是否可以整体存活率的一个独立预测因素IDH突变LGGs患者,可用分子与临床特征(1 p / 19问codeletion地位,管理启动子甲基化,年龄,性别,年级,化疗的地位,和放疗状态)进行单变量和多变量Cox回归分析。然后,诺模图构造了基于多变量Cox的结果分析利用rms R包,可以预测1 -,3 -和5年的总体生存IDH突变LGGs病人。1 -,3 -和5年操作系统校准进行评估预测精度的诺模图。此外,我们使用了时间ROC曲线的预测性能比较six-gene签名与其他独立预后标记的survivalROC R包。
2.7。统计分析
统计分析我们的研究都是通过使用R 4.0.3执行。所有报告价值观是双尾在这项研究中, 被认为是具有统计学意义。风险评分中位数是定义为一个截断值在整个研究。Mann-Whitney-Wilcoxon测试被用于免疫细胞分布的比较,估计分数,和基因表达的价值。
3所示。结果
3.1。免疫基因筛查Prognostic-Related IDH-Mutant LGGs通过基因表达
首先,我们筛选7598和3518个基因的整体存活率显著相关IDH突变LGGs群CGGA_693 (n= 288)和TCGA (n= 385)运用单变量Cox回归分析,分别(图1(一))。然后,我们将这些基因分为风险基因(人力资源> 1)和保护性基因(HR < 1)基于风险比率(人力资源)值TCGA CGGA_693和军团。风险保护基因和基因之间的重叠两个组,分别为(数字1 (b)和1 (c))。风险后,2117个基因,包括1864和253年保护基因,选择重叠免疫基因集从ImmPort门户网站下载。最后,我们获得了105个候选免疫基因,其中包括97风险基因和8保护基因。105个候选免疫基因的功能注释丰富去KEGG而言,包括信号转导、免疫反应,抗原处理和表示,cytokine-cytokine受体相互作用(数字1 (g)和1 (h))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
3.2。建设Six-Gene几种预后签名为IDH-Mutant LGGs
开发的几种预后特征,分析了105个候选基因免疫的套索回归算法CGGA_693队列(数字1(一)和1 (e))。然后,我们使用多变量Cox回归分析14基因从套索回归算法来识别风险签名。最后,six-gene签名风险,包括风险两种保护性基因和四个基因,构建CGGA_693队列(图1 (f))。分数计算来预测预后风险价值(风险评分= 0.914∗ADM2 + (−0.196)∗BMP2 + 0.242∗BMP8B + 0.361∗CCL25 + 0.869∗PIK3R3 + (−0.280)∗SSTR2)。的IDH突变LGGs CGGA_693队列的患者分为低收入或高危人群使用风险评分中位数作为截断值。在IDH突变LGGs CGGA训练队列的患者,kaplan meier分析显示,高危人群(n= 144)有一个十分糟糕的操作系统比低风险组(n= 144)(OS中位数:47.8个月,而达不到;人力资源系统:3.755 (2.556 - -5.519); ;图2(一个))。基因表达谱和风险评分分布呈现在图2 (d)。1 -,3 -,5年AUC six-gene签名的OS 0.806, 0.795,和0.822通过时间ROC曲线分析CGGA_693队列,分别显示一个温和的预后的操作系统的能力IDH突变LGGs(图2 (g))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
3.3。验证的Six-Gene几种预后签名为IDH-Mutant LGGs IDH-Mutant GBM
评价预测价值的签名,IDH突变LGGs TCGA的患者(n= 385)和CGGA_325组(n= 127)登记作为验证集。各自的风险评分IDH突变LGGs病人的验证集相同的计算公式。使用中值作为截断值,IDH突变LGGs患者分为低收入和高危病人。高危人群有明显比低风险组短OS TCGA队列(OS中位数:75.2和134.3个月;人力资源系统:2.379 (1.418 - -3.990); )和CGGA_325队列(OS中位数:46.3个月,而达不到;人力资源系统:3.698 (2.124 - -6.439); ),与CGGA_693队列的结果(数据一致2 (b)和2 (c))。基因表达谱和风险评分分布提出了数据2 (e)和2 (f)。1 -,3 -,5年AUC six-gene签名的OS 0.697 / 0.688/0.690和0.876/0.846 / 0.835通过时间ROC曲线分析,TCGA CGGA_325人群,分别(图2 (h)和2(我))。因此,签名也表示一个有前途的预后风险能力的操作系统IDH突变LGGs在验证集。此外,我们评估的six-gene签名的预测价值IDH突变GBM队列。各自的风险评分IDH从CGGA_693群变异GBM患者(n分别= 45)计算类似。我们发现高危患者有一个操作系统比低风险患者的IDH突变GBM队列(OS中位数:13.9和33.6个月;人力资源系统:2.869 (1.351 - -6.091); ;补充图1)。
3.4。的预测作用Six-Gene几种签名与生存在不同的临床特点
测试在不同的子群签名的稳定性,我们进行了分层分析除以CGGA_693队列到不同的子组基于临床病理和分子信息(年龄,性别,年级,放射治疗的地位,化疗,1 p19q codeletion地位,和管理启动子甲基化状态)。如图3(一个)低风险集团有一个大大延长中位操作系统比女性或男性患者的高危人群,年轻或年长,二级或三级,没有化疗或化疗,没有放射治疗或放射治疗,1 p19q noncodeletion或1 p19q codeletion,和unmethylated管理启动子甲基化管理启动子。我们也评估临床病理的/分子参数之间的相关性和风险评分。风险评分较高的价值1 p19q noncodeletion和三级( ,数据3 (b)和3 (c))。
(一)
(b)
(c)
3.5。免疫的高收入和低风险患者IDH-Mutant LGGs
我们研究了22免疫细胞的分布在整个IDH-mutant LGG人口。最的M2巨噬细胞比例和低比例的CD8 + T细胞被发现在IDH-mutant LGGs患者,这可能表明一个免疫抑制肿瘤微环境(数字S8)。此外,我们探讨了不同的免疫低收入和高危人群之间的渗透特性。我们估计进行探讨免疫特点和肿瘤之间的纯洁低收入和高危人群。低风险组相比,高危人群估计分数更高,免疫得分,基质分数( ;图4 (b))。在IDH突变LGGs患者(nCGGA_693队列= 288),免疫得分中值作为截断值将患者划分为高、低免疫分数组。我们发现,得分高的免疫组有更糟糕的结果比得分低免疫组(OS中位数:67.3和108.5个月;人力资源系统:1.809 (1.263 - -2.591); ;图4(一))。
(一)
(b)
(c)
(d)
(e)
(f)
进一步探索渗透在LGGs患者大量的免疫细胞IDH突变,ssGSEA算法进行的基因表达数据IDH突变LGGs队列(图4 (c))。我们发现高危人群有更高的渗透水平先天和适应性免疫细胞,包括CD8 + T细胞、树突状细胞和巨噬细胞(图4 (d);图S4)。同时,也得到类似的结果应用四个独立的免疫算法计算免疫细胞的渗透水平(图4 (e))。相反,一个缺乏先天免疫细胞和适应性免疫细胞是低风险组中所示。然而,我们发现大量的免疫抑制细胞,包括Treg和MDSC,成纤维细胞在高危人群中(图4 (f);图S4)。与此同时,大量的疲惫的T细胞(特克斯)和T细胞exhaustion-related基因的表达水平更高的高危人群(图S5A)。总的说来,我们认为高危人群可能是发炎肿瘤免疫微环境,但可能有t细胞免疫激活后疲惫。相比之下,低风险组与noninflamed稀缺的免疫细胞可能与肿瘤免疫微环境。
3.6。风险的功能注释Six-Gene签名
我们进行了基因本体论(去)富集分析和基因和基因组的京都百科全书(KEGG)路径分析基于GSEA分析洞察低收入和高危人群之间的不同的功能。我们发现不同的几种生物过程(irBP),包括免疫反应的激活,激活巨噬细胞,t细胞激活,积极调节细胞因子的生产,积极调节骨髓细胞分化,和适应性免疫反应,丰富的高危人群。相比之下,少数irBP丰富低风险组(图5(一个))。它建议高危人群可能与增强的免疫表型。
(一)
(b)
进一步探索微环境特点,我们比较的表达细胞因子之间的低收入和高危人群。多种趋化因子的浓度,包括CCL2,亚兰,CCL5, CCL19, CCL20, CXCL11, CXCL12, CXCL13,配对受体,包括CCR1 CCR2, CCR5, CCR6, CXCR3,和趋化因子受体CXCR4在高危人群。这些趋化因子和受体的增加效应肿瘤浸润免疫细胞(39]。特别是,几个关键的趋化因子和受体(CXCL9、CXCL10和CXCR3),可以招募CD8 + T细胞进入肿瘤微环境(45),是调节在高危人群中(图6(一))。此外,高危人群也表现出免疫抑制趋化因子的表达水平增加,白细胞介素,干扰素。几个重要的细胞因子也较高的高危人群,如CCL5(招募MDSC肿瘤部位),CCL22(驾驶Treg招聘到肿瘤部位)和il - 10(抑制细胞因子合成(图)6(一);图S2A)[46- - - - - -48]。MHC I和MHC II表达明显高于在高危人群,显示出一种更健壮的抗原表达能力(图6 (b);图S6A)。高危人群也表现出更高的immunostimulators表达式(图S6B)。探索的免疫原性IDH突变LGGs,我们评估基于CGGA三甲和TGCA体细胞突变的数据IDH突变LGGs。三甲明显更高的高危人群,这意味着高风险患者拥有免疫原性高于低风险病人(图6 (c))。总的来说,我们推测低风险组可能表现出内在的免疫逃逸。最后,我们评估的表达水平在两组免疫检查点,包括PD-1 PD-L1, CTLA4, TIM-3, TIGIT BTLA, LAG-3。我们发现高危组明显高于PD-1, PD-L1, CTLA-4, TIM-3 BTLA, LAG-3表达水平比低风险组( ;数据6 (d)和6 (e);图S6C)。因此,高危人群可以逃避免疫消除免疫激活后,由于其高表达的免疫检查点。上述结果表明,高危患者可能受益于艾多酷。为了进一步探索免疫治疗的可行性,我们收集了一些immunotherapy-predicted通路。高危人群有浓缩immunotherapy-predicted途径的得分高于低风险组(图6 (f))。
(一)
(b)
(c)
(d)
(e)
(f)
此外,KEGG路径分析显示丰富途径的高危人群,包括JAK-STAT信号通路和VEGF信号通路(图5 (b))。此外,高危人群有更高的表达水平VEGFA和VEGFC比低风险组(图开通)。高危人群也有更高的浓缩分数预测放疗反应通路(图S3)。
3.7。Six-Gene免疫签名是一个独立的预后因素IDH-Mutant LGGs
我们进行了单变量和多变量Cox回归分析在风险评分和临床/分子特性来确定这个签名是一个独立的预后因素。单变量Cox回归分析显示,1 p19q codeletion地位明显与更好的生存,等级和风险评分差有显著相关性生存CGGA_693队列( ;图7(一))。调整后的临床病理的因素,多变量Cox回归分析表明,six-gene签名是一个独立的预后因子(人力资源系统:1.178,95%置信区间ci: 1.119 - -1.240, ;图7(一))。一致,six-gene签名操作系统是一个独立的预后指标,验证TCGA队列(多变量Cox:人力资源系统:2.031,95%置信区间ci: 1.637 - -2.520, ;图7 (b))和CGGA_325队列(多变量Cox:人力资源系统:1.087,95%置信区间CI: 1.002 - -1.178, ;图S7)。因此,six-gene几种签名是一个独立的预后因素。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
3.8。诺模图分析
预测的总体生存提供一个工具IDH突变LGGs肿瘤学家,我们进行了计算图表分析整合风险签名,肿瘤分级,和1 p19q codeletion状态(图7 (c))。验证列线图的准确性,我们进行校准曲线和时间ROC分析。校准曲线的概率为1 - 3 -,5年操作系统推出优秀的实际和预测生存(数据之间的协议7 (d)- - - - - -7 (f))。时间ROC曲线被绘制比较six-gene风险特征的预测性能与现有的独立指标。six-gene风险签名(0.795/0.822 / 0.806)高1 -,3 -,和5年时间AUC比(0.612 / 0.638/0.649)和1年级p19q codeletion状态(0.658/0.676 / 0.606),表明six-gene风险更好的生存预测性能(数字签名7 (g)- - - - - -7(我))。
4所示。讨论
IDH突变是神经胶质瘤中最稳定,坚持,进步,复发性神经胶质瘤(49,50]。先前的研究表明,IDH1突变可以是一个至关重要的因素导致更好的生存IDH突变体神经胶质瘤的IDH野生型(51,52]。然而,结果和肿瘤免疫微环境也明显不和谐的不同IDH突变体神经胶质瘤患者。因此,神经胶质瘤患者IDH突变需要进一步分类,识别神经胶质瘤患者预后差的开发替代治疗方案。不同于以往的研究,只有包括在内IDH1突变,我们同时录取LGGsIDH1和IDH2突变。由于特定的预后和肿瘤微环境IDH -突变LGGs病人,我们确定了six-gene几种预后签名IDH突变LGGs。我们的研究数据表明,高危人群更糟糕的是生存和免疫渗透高于低风险组,验证了TCGA和CGGA数据库。此外,我们six-gene签名被确认为一个独立的预后因素IDH突变LGGs,已知预后的独立因素(肿瘤和1年级p19q codeletion状态)。1 p19q codeletion LGGs状态是一个重要的预后的生物标志物,但此前的许多类似的研究不包括因素分析(53]。与此同时,我们构建了一个基于six-gene签名的诺模图模型和其他独立的预后因素,包括1 p19q codeletion状态和肿瘤分级,协助临床医生预测的生存IDH突变LGGs病人。此外,我们的签名有预后价值高于现有的临床和分子因素通过比较AUC值,这是承诺是预后的生物标志物和免疫状态。
我们的风险签名登记六免疫相关基因,包括ADM2,BMP2,BMP8B,CCL25,PIK3R3,SSTR2。这些基因在肿瘤免疫反应起着关键作用,有望成为在癌症免疫治疗新靶点。Adrenomedullin 2 (ADM2)基因编码ADM2蛋白,这是一个成员的降钙素相关基因肽(CGRP怎样)总科54]。ADM2 Adrenomedullin(类似的生物功能55]。有证据表明ADM2可以影响巨噬细胞极化(56]。的ADM2表达呈正相关,神经胶质瘤的恶性肿瘤级别。正如所料,“绿带运动”的最高表现ADM2。ADM2促进GBM细胞增殖通过激活ERK1/2磷酸化(57]。BMP2和BMP8配体的转化生长因子-β(TGF -β)家庭58]。BMP2可能是一个潜在的免疫调节生长因子(59]。先前的研究表明,内生BMP2抑制胸腺中t细胞分化[60,61年]。BMP2促进GBM细胞的分化和凋亡。此外,BMP2提出GBM响应TMZ通过抑制低氧诱导因子1α(HIF-1α)/管理轴(62年]。因此,BMP2为“绿带运动”被认为是一个潜在的治疗目标。CCL25是CC趋化因子配体受体只有一个主题:CCR9 [63年]。CCL25可能诱发CD8 + T细胞的渗透展示CCR9表达肿瘤,显示一种抗癌效果(64年]。CCL25也可以招募MDSC进入肿瘤微环境(65年]。Phosphoinositide-3-kinase调节亚基3 (PIK3R3),也被称为p55GAMMA,属于磷脂酰肌醇3-kinase (PI3K)家庭66年]。以前的研究证实,PIK3R3可以调节mTOR / AKT通路,促进癌症恶化[67年]。在神经胶质瘤,过度PIK3R3可以支持“绿带运动”细胞的生长通过体外IGF2信号,表明PIK3R3是神经胶质瘤的致癌基因(68年]。生长抑素受体2 (SSTR2)是G的家庭protein-coupled在实体肿瘤中表达的受体,广泛69年,70年]。SSTR2也表示在炎症细胞和淋巴细胞,调节这些细胞的增殖和分泌反应(69年]。SSTR2可以调解的抑制细胞生长的影响生长激素抑制素通过激活phosphotyrosine磷酸酶PTPeta C6神经胶质瘤细胞和抑制ERK1/2活动(71年]。未分化间胶质瘤有SSTR2A表达水平高,关联到一个更好的结果(72年]。因此,SSTR2A可能作为一种生物标志物和神经胶质瘤的目标。
预后模型的稳定是至关重要的,决定是否该模型可以应用于更广泛的人群。在我们的研究中,我们six-gene签名是有效的风险识别和验证三个独立队列中包含TCGA中国人口和人口。此外,我们的six-gene风险签名显示更好的生存预测性能与高1 - 3组,3 - 5年时间AUC。一般来说,我们的风险特征是稳定的和可靠的。
除了IDH突变LGGs,我们探索的预后价值six-gene签名与突变的“绿带运动”IDH。我们发现six-gene签名也同样适用IDH突变体“绿带运动”。在GBM患者突变IDH,高危患者生存比低风险患者( )。它表明,基因表达模式相似等级的不同肿瘤IDH突变体神经胶质瘤。与此同时,我们的结果也验证了之前的观点,大多数IDH突变GBM恶性胶质瘤是次要的,这可能演变IDH突变LGGs [49]。2021年世卫组织新分类,如预期的那样,IDH突变体扩散病患肿瘤被认为是一种类型:星形细胞瘤,IDH突变体。换句话说,IDH突变体“绿带运动”也被认为是IDH突变星形细胞瘤。因此,我们的签名可以应用在所有风险IDH突变体神经胶质瘤。
全面了解肿瘤免疫微环境(时间)IDH突变LGGs可以提高免疫疗法的机制的理解。首先,我们探讨了整体免疫细胞渗透整个的地位IDH突变LGGs人口。我们发现巨噬细胞,尤其是M2亚型,占最重要的比例IDH突变LGGs病人,符合其他报道,小胶质细胞和巨噬细胞都浓缩在成人神经胶质瘤(73年,74年]。此外,R-2-HG诱发glioma-associated与抑制巨噬细胞表型IDH突变体神经胶质瘤(75年]。CD8 + T细胞的缺乏渗透水平在这些患者,这可能是IDH1突变抑制CD8 + T细胞的积累和活动的积累2-HG [22,52,76年]。总的来说,IDH突变LGGs显示一个相对抑制免疫表型(77年]。此外,我们的风险特征和免疫细胞渗透之间的关系研究发现时间的状态与低收入和高危病人IDH突变LGGs。总的来说,高风险患者免疫渗透高于低风险患者,包括先天免疫细胞和适应性免疫细胞。与我们的结果相反,免疫渗透与总体呈正相关生存在许多类型的肿瘤,包括肺腺癌、结肠癌、黑色素瘤、头颈部鳞状细胞癌(78年- - - - - -81年]。有一个可能的解释,高危患者的肿瘤微环境主要是渗透与抑制免疫细胞(51,82年]。此外,高危人群有更高的抗原表达能力(MHC分子),免疫原性(三甲)和immunostimulators水平(免疫刺激性分子)。然而,我们观察到的特异性免疫逃避机制基于癌症的高危人群Immunoediting假说(83年]。更多的免疫抑制细胞(MDSC Treg,和纤维母细胞),免疫抑制细胞因子(CCL5 CCL22, il - 10)和免疫分子检查站(PD-1、PD-L1 CTLA-4, TIM-3, LAG-3,和BTLA)积累的高危人群,从而逃避免疫激活后免疫识别和清除。先前的研究还公布,CD8 + T细胞可以上调PD-L1和IDO的表达,促进招聘亚群在肿瘤微环境48]。高危人群有更多的疲惫的T细胞和T细胞exhaustion-related基因的表达(包括检查点分子),这意味着T细胞在这些患者失去了多官能度和更新能力。因此,我们推测,恶化的生存高危患者可能是由于特定的免疫逃避和t细胞疲惫的肿瘤微环境。
目前,LGGs的标准治疗是不够的,这是具有挑战性的,防止神经胶质瘤复发和进展。在我们的研究中,高危人群的不良预后,迫切需要开发替代治疗方案。因此,我们研究了一些可能为高危患者的治疗方案。首先,鉴于免疫检查点和渗透的表达水平增加大量的特克斯在高危人群,免疫抑制剂检查站(艾多酷)可以有效的逆转t细胞疲劳和特异性免疫逃避。IDH突变LGGs患者的高危人群更有可能受益于艾多酷。浓缩分数的增加immunotherapy-predicted通路也观察到在高危人群,这些患者进一步显示艾多酷的前景。其次,患者放射治疗(n= 114)有较长的操作系统比未经处理的中值(n= 24)在高危人群(OS中位数:52.0个月和34.7个月),尽管生存分析无统计学意义。此外,高危人群持有更高的浓缩分数预测放疗反应通路。因此,联合放射治疗可能是一个可行的治疗方案,需要在未来的前瞻性研究验证。目前,多个致癌信号通路有相应的靶向药物,已用于临床实践。我们的研究发现JAK-STAT信号通路和VEGF信号通路在高危人群明显富集。有证据表明GBM-resident tam被STAT3免疫抑制表型分化激活(84年,85年]。通过抑制STAT3抗原激活块表示和t细胞活化DC的成熟86年]。针对STAT3也成为免疫治疗策略,可以调节tumor-mediated免疫抑制(87年]。研究表明,STAT3信号与药物抗性TMZ的神经胶质瘤(88年]。因此,JAK-STAT轴抑制剂可能高危神经胶质瘤患者的选择IDH突变。是有前途的高危患者合并与TMZ JAK-STAT靶向治疗,放射治疗或免疫细胞疗法。此外,肿瘤的生长和发展依赖于提供的氧气和营养的血液,和血管内皮生长因子(VEGF)起着关键作用在血管生成和血管通透性89年]。VEGF也可以抑制细胞毒性t细胞和直流发展和促进免疫抑制细胞的渗透,诱导的免疫抑制肿瘤微环境,促进肿瘤的生长肿瘤的免疫逃逸90年]。反过来,免疫抑制免疫细胞生成proangiogenic因素和改善血管生成,形成一个正反馈循环(91年]。此外,肿瘤细胞产生VEGF-A,可以增加PD-1的表达水平,CTLA-4,和TIM-3 CD8 + T细胞,从而诱导T细胞衰竭(92年]。在我们的研究中,表达的增加VEGFA VEGFC在高危人群。它可能导致的疲惫的原因之一T细胞在高危人群。因此,抗体(贝伐单抗,Aflibercept Ramucirumab)或酪氨酸激酶抑制剂(Regorafenib,索拉非尼,舒尼替和Pazopanib)针对VEGF通路可能是有效的在高危患者神经胶质瘤IDH突变。应用抗vegf分子可以使肿瘤血管正常化,提高免疫细胞浸润和化疗药物的交付。它是结合免疫疗法的理论基础和化疗在高危人群91年]。总之,我们的研究结果为高危患者带来新的治疗方法,但它仍然需要前瞻性试验进一步验证。
还有一些本研究的局限性。首先,本研究的一个限制是它回顾性质。虽然我们申请算法评估两组(低收入和高风险)在预测的敏感性免疫检查点封锁治疗,更多的临床数据,还需要进一步的前瞻性研究。其次,LGGs的一个重要的临床因素,手术切除边缘,不包括在这项研究。
5。结论
总之,six-gene几种预后签名是能够预测患者的结果IDH突变LGGs独立。承诺是分裂的生物标志物IDH突变LGGs病人与独特的整体存活率和immunophenotypes子组。因此,签名可以应用到个性化的管理风险和提高生存。高危患者IDH突变LGGs可能受益于免疫治疗、放射治疗和靶向治疗,使用风险签名可以改善这些患者的临床结果。这些结果推广免疫特性的理解和临床管理和精确的治疗IDH突变LGGs。
数据可用性
RNA-seq数据(计数和FPKM) TCGA从数据库获得通过应用“TCGAbiolinks”R包(https://bioconductor.org/packages/release/bioc/html/TCGAbiolinks.html)。从CGGA数据库RNA-seq数据(FPKM)从网上下载(http://www.cgga.org.cn/download.jsp)。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究受到了北京Xisike临床肿瘤学和研究基金会(y - hr2019 - 0185),国家多学科合作为主要疾病诊断和治疗能力建设项目,中国(肺癌),中国国家自然科学基金委Rongrong周(81770928),和湖南的自然科学基金(2018 jj2626 Rongrong周)。
补充材料
图S1。six-gene签名的验证IDH突变GBM患者。图S2。白介素、干扰素的表达水平CGGA_693队列中低收入和高危人群。图S3。six-gene签名的作用在预测放疗治疗反应IDH突变LGGs。图S4。30免疫细胞和基质细胞的浸润差异之间TCGA的低收入和高危人群和CGGA325同志们。图S5。t细胞衰竭状态IDH突变体之间LGGs低收入和高危病人。图S6。免疫调制剂分子的表达水平在低收入和高危人群。图S7。单变量和多变量Cox风险分析表明,签名与OS CGGA_325队列中显著相关。图S8。分布的22个低收入和高危人群之间的免疫细胞。表S1。疲惫的种基因列表。(补充材料)