Evolution of Metastases in Space and Time under Immune Selection
来自Cell的一篇文章。
作者发现两个存活时间异常长的病人：P210 and P45
所以从他们的系列手术过程中取到了31个转移瘤的样品进行测序。
image.png
文章亮点：
第一：将tumor clones 分为persistent，Non-recurrent，Eliminated三组
第二：利用改良的算法进行Immunoscore-Editing评分将标本分为Lo-No，Hi-No，Hi-Yes三个组别。immunoediting scores (Yes/No), metastasis size (Hi = T3/T4, Lo = T1/T2)。转移灶大小
image.png
|
image.png
|
|---|
采用的实验方法：简简单单四总方法。
1. DNA测序
image.png
做了全外显子测序，但是对3个sample做了50个基因的靶向测序，并且把这50肿瘤相关基因定义为Driver mutation
In the case of the three samples in P210 for which exome-seq could not be performed, their origin was inferred from the shared hotspot mutations detected with targeted sequencing.
2.肿瘤周边和中心进行immunoscore评分（根据MI（周边）CT（中心）的免疫细胞浸润数量进行评分）
image.png
image.png
参考文章 Towards the introduction of the ‘Immunoscore’ in the classification of malignant tumours
3. multispectral imaging.很酷炫，主要是用于后续计算肿瘤细胞和免疫细胞空间位置
image.png
image.png
4. 770个免疫相关基因表达谱
image.png
数据分析方法：
1. SNV：Mutect2 and VarScan2. 还有常规的mutation signature的分析
normalized the number of mutations by the number of bases with sufficient coverage(> 10X) per megabase on the reference genome.突变只有覆盖大于10X才算，是筛选标准。
2. Driver mutations：并且把这50肿瘤相关基因定义为Driver mutation
image.png
3.CNV：肿瘤纯度是HE染色判断，涉及三款软件：Sequenza，CNVkit， TitanCNA
Tumor ploidy, tumor purity, and allele-specific copy number quantification were called with Sequenza (v1.12)
CNVkit， TitanCNA计算拷贝数目变异情况
image.png
4. Metastatic evolvogram：
4.1 通过somatic mutation 用Phylogenetic tree:R package phangorn这R包做的事情，也可以用MEDICC通过CNV做这个事情
image.png
image.png
4.2转移演化图也就是克隆演进图可以用 PyClone，SCHISM v1.1.2，FishPlot鱼型绘图可以做到；
image.png
PyClone 就可以做到
4.3 瘤内异质性的评估：IMH index
image.png
5 HLA type 和新抗原预测
分为四步1.HLA typing，2.mutation detection in HLA-I genes，3.Loss of heterozygosity in HLA class I genes ，4.HLA-binding epitope prediction
HLA 基因中的high fidelity mutations筛查 POLYSOLVER
LOHHLA分析Loss of heterozygosity in HLA class I genes
netMHCpan (v3.0)预测结合力计算新抗原
image.png
6 Metastasis and clonal immunoediting
作者使用了新的方法，也是文章的highlight，我目前还接受不了；
immunoediting score
来个图，留着以后研究
7 T cell and B cell repertoire 免疫组学研究，使用Exome-seq reads
其实条件允许可以用TCR测序
image.png
8 RNA-seq immune related gene 得到以下结论：可以作为重要参考，但是感觉就是出了下面这个和各个指标之间相关性的图以外，也没有别的应用了。
image.png
9 这是文章的技术难点：immunoediting score 其实就是immunogenic mutations免疫原性突变/非同义突变。可以这样简单理解。
The immunoediting score represents the ratio of expected to observed immunogenic mutations per nonsilent mutation
image.png
要理解上述问题，需要理解概念Bpred
The expected fraction of immunogenic mutations, Bpred, for sample i with a set of coding mutations Mi was calculated as:
image.png
需要理解概念Npred
Given a set of coding mutations, Mi and their corresponding mutation context, sðmÞ, in the sample i, the expected number of nonsynonymous
mutations, was calculated as:
image.png
10 使用Dn/Ds score 评价肿瘤突变克隆进化时免疫选择的压力
We compared positive selection of nonsynonymous mutations to selection of immunogenic mutations, using the Dn/Ds score.
image.png
11 使用the package spatstat 对细胞于细胞之间的空间距离进行计算。
12 通多数据库的资料，构建了预测构建预测模型。The covariates were selected for the model using the Akaike Information Criterion (AIC) and one-sample-out approach. 很高大上的样子。Akaike Information Criterion (AIC)
文章的方法学部分就此结束。 immunoediting score有点难以理解，但其实应该是一个简单的概念。真正的难点是文章对这个immunoediting score进行了数据库的验证工作。此外预测模型的构建也是很难理解，同意也做了模型数据库验证工作。
Results 来看几个图
图一：所有的患者信息都在这个图中：转移灶直径、免疫评分、location、treatment
image.png
图二：tumor clone的比例 + clone演进的鱼形图
鱼型图
图三：肿瘤WES的结果信息
image.png
图四：免疫细胞在肿瘤周边肿瘤内部浸润的计数
图五：TCRβ clone数量
图六：immunoediting socre 与临床各指标间的关系
image.png
图七：肿瘤与免疫细胞之间的空间距离
image.png
图八：immunoediting score 与临床相关性分析，ROC曲线计算edting sore 对tumor clone status进行预判能力
图九：generated a predictive time-to-event model of metastatic cancer evolution to estimate the probability of recurrence based on the selected covariates。复发预测模型建立
image.png
#########
未完待续。。。
网友评论