WOSCI Author Services

大家好！今天跟大家分享的文献是2021年6月发表在Frontiers in Cell and Developmental Biology（2020年IF=6.684）杂志上的一篇文章。作者基于细胞焦亡调控因子对胃癌患者的转录组数据进行分析，发现细胞焦亡调控因子在胃癌免疫微环境中起到重要作用。

题目：The Pyroptosis-Related Signature Predicts Prognosis and Indicates Immune Microenvironment Infiltration in Gastric Cancer

胃癌的细胞焦亡相关信号预测预后和提示免疫微环境浸润

摘要

胃癌（GC）是癌症死亡的主要原因之一并且表现出较高的异质性。如果我们要改善治疗策略，那么构建特异性预后模型是非常重要的。细胞焦亡能够引起对主要的致癌物质，即幽门螺旋杆菌（H. pylori）的反应，同样也会引起化疗药物的反应。通过对细胞焦亡相关调控因子的一致性聚类可以用来划分GEO数据库中的618个胃癌患者。根据差异表达基因的 Cox回归，基于LASSO-Cox分析构建了预后模型（PS-score）。TCGA-STAD数据集作为验证集来验证。ESTIMATE，CIBERSORTx和EPIC被用来研究肿瘤微环境（TME）。阻断PD1/PD-L1的免疫治疗数据集被用来分析治疗反应。基于预后相关调控因子的胃癌亚型可以划分不同的临床特征和TME的癌症患者。在此研究中定义的两个亚型间的差异被用来发育预后模型，称为PS-score。PS-score可以预测胃癌患者的预后和整体生存时间。较低的PS-score预示着较高的炎症细胞的浸润和较好的PD1/PD-L1阻断剂的免疫治疗反应。我们的发现为未来靶向细胞焦亡和其免疫微环境来改善预后和免疫治疗反应提供了基础。

流程图

 

1、数据的获取和处理

本研究包括TCGA队列中的433例胃癌患者，GEO数据库中的618例胃癌患者以及自测的22例胃癌样本。免疫治疗数据来自于GSE78220，NCT01358721和IMvigor210数据集。

2、 胃癌中细胞焦亡相关调控因子的遗传和表达改变的概述

使用STRING平台分析了11个细胞焦亡相关调控因子的潜在生物学功能的网络（图1A）。GASP5在胃癌样本中有着最高的突变频率（图1B）。GSE62717中同样发现11个调控因子中有7个发生了拷贝数变异，主要呈现拷贝数扩增，并分析了他们在基因组上的分布情况（图1C和图1D）。11个调控因子能够区分癌症样本和正常样本（图1E）。与正常样本相比，这11个调控因子除了GSDME和GZMA外，均呈现表达水平的增加（图1F）。在收集的22个样本中，11个调控因子在肿瘤组织中呈现表达水平的增加（图1G）。这说明细胞焦亡相关的调控因子的表达与胃癌相关，提示其反映了患者的不同特征。

 

图1 胃癌中细胞焦亡相关调控因子的特征及差异

3、定义被11个细胞焦亡相关调控因子介导的胃癌分类模式

基于GEO数据库中4套数据集的11个调控因子表达水平，使用无监督聚类定义了两种不同的调控模式（图2A），其中cluster1的生存要优于cluster2（图2B）。使用GSEA分析了两组在生物学上的差异，发现cluster1更倾向于腹肌在免疫激活相关的通路上（图2C）。这两种模式也可以通过11种调控因子来划分（图2D）。

 

图2 胃癌亚型与细胞焦亡相关调控因子相关

4、 两种细胞焦亡相关亚型在TME浸润和临床特征间的差异

接下来，分析了cluster1和cluster2在细胞浸润间的区别（图3A和3B），激活的先天免疫细胞浸润主要富集在cluster1中。通过对ACRG队列的临床数据分析，发现cluster1中大多数调控因子的表达水平更高（图3C），而cluster2与更高的复发率相关（图3D）。

 

图3 不同的细胞焦亡相关聚类表现出不同的临床特征和TME细胞浸润

5、 细胞焦亡相关clusters的基因信号的开发和验证

在两种不同调控模式间通过log2FC<0.8和p<0.05筛选到113个差异表达的基因（图4A），之后通过单因素以及多因素cox回归分析识别到22个独立的预后标记（图4B）。其中10个与免疫反应相关基因倾向于在cluster1中出现，12个编码癌症发生的基因更倾向于出现在cluster2中（图4C）。使用LASSO-Cox从22个基因中筛选到6个基因构建了细胞焦亡相关信号得分（PS-score，图4D），并且在其他数据集中验证了此评分（图4E和4F）。此发现证实PS-score可以作为评估胃癌患者预后的潜在指标。

 

图4 基于细胞焦亡相关分类产生的基因表达信号能预测患者的生存

6、 低PS-score表明临床特征的缓解和免疫通路的激活

使用相同的阈值，在TCGA-STAD数据集中同样发现高评分分组预示着较差预后（图5A）。在TCGA数据库的7种消化道相关肿瘤中，发现低打分组表现出更好的生存（图5B）。这暗示了PS-score不仅可以作为胃癌的预后治疗，同样可以适用于其他胃肠肿瘤。使用ACRG数据集，发现有着较好预后的Cluster1组有着更低的得分（图5C），高得分患者更容易复发（图5D）。随着stage程度的增加，PS-score也随之增加（图5E）。较差治疗反应的EMT亚型有着较高的评分（图5F），暗示了PS-score得分是胃癌患者治疗的良好标记（图5G）。除了GSDME，其余的调控因子的表达水平在高评分组中显著降低（图5H）。同样发现，高评分组的主要富集在癌症发育相关的通路中（图5I）。这些发现说明，PS-score可以用来评估胃癌患者的临床特征和治疗反应。

 

图5 PS-score打分模型的特征

7、 PS-score可以预测临床治疗的预后以及代表TME的差异

我们使用7个临床特征构建了列线图，可以用于预测胃癌患者的3年、5年和8年的生存率（图6A），0.764的C-index暗示了列线图较好的预测性能（图6B）。来自ACRG数据集中的300个患者被PS-score划分为高低分组（图6C），冲击图用于可视化患者特征的变化（图6D）。通过分析不同PS-score得分的TME细胞的浸润，低评分组比高评分组有着更强的免疫反应（图6E）。低评分组有更高的肿瘤突变负荷（TMB），可能有着更好的免疫治疗反应。这些结果说明了PS-score能够用来胃癌患者的预测免疫治疗反应。

 

图6 PS-score打分模型的临床应用价值和不同PS-score亚型的TME

8、 PS-score在抗PD1/PD-L1免疫治疗中的作用

通过比较TCGA和ACRG数据集中免疫检查点基因的表达水平，发现低评分组有着更高的基因表达水平（图7A）。TIDE得分能够用来预测免疫治疗的结果，在ACRG数据集中发现TIDE得分与PS-score有着显著正相关（图7B）。进一步的，预测的免疫治疗反应暗示了PS-score可以作为胃癌免疫治疗的良好预测因子（图7C）。还发现，评分越高，如乳腺癌和肾癌的“hot tumor”的预后越差（图7D和7E）。通过IMvigor210，NCT01358721和GSE78220数据集的验证，PS-score可以用来预测免疫治疗患者的预后（图7F）。低评分组中免疫检查点的表达水平更高（图7G），并且对免疫治疗有反应的患者有着更低的PS-score（图7H）。在转移性尿路上皮癌中，不同的免疫亚型会导致完全不同的治疗反应，他们也代表了不同的PS-score（图7I）。这些结果说明了PS-score在免疫治疗中的潜在价值，并在一定程度上证明了PS-score可以作为免疫治疗反应的预测指标。

 

图7 PS-score打分模型在PD1/PD-L1免疫治疗中的作用

结论

在本研究中，作者使用细胞焦亡相关的调控因子对TCGA和GEO数据集中的胃癌样本进行分析，发现11个细胞焦亡相关的调控因子可以用来作为划分胃癌亚型。并且通过识别亚型间差异的预后基因构建了PS-score，能够用来预测胃癌患者的预后以及免疫治疗反应。但本文还存在一定局限性，只是使用了黑色素瘤和尿路上皮癌验证免疫治疗反应，还需要真实的胃癌患者的免疫治疗数据进行进一步验证。

版权声明：本文转自“生信发文助手”，文章转载只为学术传播，不代表本号观点，无商业用途，版权归原作者所有，如涉及侵权问题，请联系我们，我们将及时修改或删除。