大家好，今天要和大家分享的是2021年10月发表的一篇文章：“A transcriptional signature detects homologous recombination deficiency in pancreatic cancer at the individual level”。
具有同源重组缺陷(HRD)的胰腺癌(PC)受益于PARP(多聚ADP核糖聚合酶)抑制剂。然而，从转录水平准确识别PC患者的HRD仍然是一个巨大的挑战。在这项研究中，作者基于REO算法，通过对来自TCGA的PC转录组数据进行定性分析开发出一个HRD特征：24-GPS。结果显示，通过24-GPS分类的HRD样本显示出更差的预后和更高的HRD评分。同时，HRD样本显示出高度不稳定的基因组特征。此外，由24-GPS鉴定的HRD细胞系对PARP抑制剂更敏感。与非HRD组相比，HRD组的免疫评分和CD4/CD8T细胞浸润程度较低。值得一提的是，可以同时抑制PARP相关基因和ATR的PC肿瘤细胞生存能力显著降低。由此推论，24-GPS可以在个体化水平上稳健地识别具有HRD状态的PC患者。
发表杂志：Mol Ther Nucleic Acids.
影响因子：10.183
本文属于单肿瘤分型思路，类似的分型文章我们也解读过很多。
肿瘤分型文章比较重要的结论就是分型后构建的评分能够预测免疫治疗或者其他治疗的疗效。我们可以通过使用不同的数据集或者使用不同的基因集进行分型，以确保得到的结果与免疫治疗疗效相关。如果想做类似的分析，欢迎交流。
研究背景
胰腺癌(PC)是一种预后不良的致命恶性肿瘤。只有20%的PC患者适合手术，而大多数患者在手术切除后仍会复发。最近，根据美国国家综合癌症网络(NCCN)肿瘤学临床实践指南指出，基于“合成致死”效用的抗癌药物PARP（多聚ADP核糖聚合酶）抑制剂奥拉帕尼（Olaparib）已被推荐用于治疗BRCA1/2缺陷型转移性PC。BRCA1/2的功能丧失会导致同源重组缺陷(HRD)，并伴随有高度的基因组不稳定性。其中，大约11%-27%的PC患者表现出HRD特征。
PC****中的****HRD
①对TCGA队列中基于DNA损伤反应（DDR）基因的转录组数据进行聚类分析获得4个模块。
②基于REO算法确定了156399个显著逆转的基因对，并对前1000个具有最高频率差(FD)值的基因对进行以下分析。
③通过LASSO分析发现了由24个基因对(24-GPS)组成的HRD特征。
④对HRD样本组和非HRD样本组进行Kaplan-Meier生存分析。
结果：
下图A：Kaplan-Meier曲线描绘了4种模块之间的生存差异。
下图B：比较4种模块之间HRD的差异评分。
下图C：比较C3和非C3组(C1、C2和C4)之间HRD评分的差异。
下图D：确定24-GPS的阈值以区分HRD和非HRD样本。
下图E：AUC曲线下面积代表24-GPS在既定阈值下的效率。
下图F：Kaplan-Meier曲线描绘了按24-GPS分类的HRD和非HRD组之间的生存差异。
下图G：Kaplan-Meier曲线描绘了高HRD评分组（＞42）和低HRD评分组之间的生存差异。
下图H：直方图显示上述两种分组方法划分的样本比例。
24-GPS****性能验证
①通过ICGC-AU队列、GEO数据集GSE57495和GSE17891验证24-GPS在划分HRD和非HRD组中的性能。
②获取ICGC-AU队列、GSE57495、GSE17891中的差异表达基因(DEG)，并对DEG进行富集分析。
③利用CTRP、GDSC2和CRISPR/Cas9数据库测试由24-GPS识别的HRD细胞是否对PARP抑制有反应。
结果：
下图A：Kaplan-Meier曲线描绘了ICGC-AU中HRD和非HRD组之间的生存差异。
下图B：箱线图显示ICGC-AU队列中HRD组和非HRD组之间HRD评分的差异。
下图C：Kaplan-Meier曲线描绘了高HRD评分组和低HRD评分组之间的生存差异。
下图D-E：Kaplan-Meier曲线分别描绘了数据集GSE57495(D)和GSE17891(E)中HRD和非HRD组之间的生存差异。
下图F：直方图显示HRD和非HRD组中不同RAD51状态的比例。
下图G：来自不同数据集的DEG的一致性分析。x轴表示TCGA、ICGC-AU和GSE17891中任意两个数据组的组合，y轴表示两个数据集的一致性比例。
下图H：维恩图描绘了3个数据组之间DEG的重叠数量。
下图I-J：箱线图显示PC细胞系对CTRP(I)中的奥拉帕利和GDSC2(J)中的尼拉帕利的反应差异。
下图K-L：箱线图显示分别敲除PARP1(K)或PARP2(L)基因后肿瘤细胞生存能力的差异。
HRD****中的多组学分析
①利用TCGA数据比较HRD组和非HRD组之间的体细胞突变、拷贝数变异和甲基化水平的差异。
结果：
下图A：上部：TCGA中HRD和非HRD组之间非整倍体评分、TMB、SNV和HRD评分的差异。下部：热图描绘了高突变基因、DDR基因和突变差异基因的状态。
下图B：饼图描绘了所有突变基因中DDR基因的DEL和AMP的比例。
下图C：直方图描述了HRD和非HRD样本中TP53、BRCA2、RAD51和ATR基因的不同CNA状态的比例。
下图D：维恩图描绘了转录组和甲基化差异基因的重叠。
下图E：热图显示在转录组和表观基因组水平上具有一致差异表达的基因。
下图F：ATM、MSH6、CHEK1、CCNB1、CCNE1和YWHAZ蛋白在HRD和非HRD样本中的表达分布。
下图G：散点图展示HRD和非HRD组中差异表达的30种蛋白质富集分析结果。
HRD****中的免疫相关性分析
①利用多种算法分析TCGA队列中HRD和非HRD组之间24种免疫细胞的浸润差异。
②比较HRD和非HRD组之间20个免疫检查点基因的表达水平。
结果：
下图A：上部：注释条显示HRD和非HRD组对免疫检查点抑制剂的反应状态。中部：热图显示HRD和非HRD组之间24个免疫细胞的浸润差异。下部：评估HRD和非HRD组之间的StromalScore、ImmuneScore和ESTIMATE评分的差异。
下图B：箱线图显示HRD和非HRD样本之间免疫检查点基因表达的差异。x轴代表20个免疫检查点基因，y轴代表基因表达量。
下图C-D：TCR在HRD和非HRD组之间的差异。
HRD****基因功能分析
①比较HRD和非HRD组之间的功能途径差异。
结果：
下图A：24-GPS和HRD相关基因的PPI网络图。
下图B：HRD组和非HRD组E2F1转录因子表达与靶基因相关性的比较。
下图C：E2F1调控网络，边缘粗细与表达强弱呈正相关。
预测****HRD****与****PARP****抑制剂的联合治疗效果
①研究ATR和PARP基因的共抑制作用。
结果：
下图A：箱线图显示TCGA队列中HRD和非HRD组之间ATR的表达差异。
下图B：Kaplan-Meier曲线描绘了高ATR表达和低ATR表达在PARP样本中的生存差异。
下图C：敲除PARP1、PARP2和PARP3后高ATR和低ATR样品之间CRISPR评分的差异。
下图D：箱线图显示敲除PARP1、PARP2和PARP3后，CDCA2和HJURP低表达和高表达对肿瘤细胞存活能力的影响。
下图E：CDCA2和HIURP基因的表达分布。
小结：
在这项研究中，作者开发了基于REO算法的24-GPS，它可以在个体层面上检测PC患者的HRD状态。而且，通过24-GPS分类的HRD PC样本在多组学水平和临床特征中显示出明显的HRD特征。因此，24-GPS对于选择可能在临床中受益于PARP抑制剂的PC患者具有潜在价值。
网友评论