生信小课堂，全网同名
大家好，今天要和大家分享的是2021年7月online的一篇文章：“Pan-cancer analysis of NLRP3 inflammasome with potential implications in prognosis and immunotherapy in human cancer”。
NLRP3炎症小体可通过调节宿主免疫从而影响免疫治疗反应，是肿瘤发展过程中的一把双刃剑。然而，现代研究仍缺乏对人类癌症中NLRP3炎症小体相关基因在癌症免疫治疗(CIT)反应中的系统评估。因此，在这项研究中，作者对24种人类癌症中的NLRP3炎症小体相关基因进行了泛癌分析。结果显示：有15种癌症的NLRP3炎症小体相关基因在正常和肿瘤样本之间的表达存在显著差异。同时，Cox回归分析表明NLRP3炎症小体评分可作为皮肤黑色素瘤的独立预后因素。进一步分析表明，NLRP3炎症小体可能主要通过介导肿瘤浸润淋巴细胞和巨噬细胞来影响肿瘤免疫，并且NLRP3炎症小体对免疫的影响因肿瘤微环境中的肿瘤类型而异。作者还发现与被报道为免疫预测因子的肿瘤突变负荷(TMB)和糖酵解活性相比，NLRP3炎症小体评分可能是免疫特征的更强预测因子。此外，作者还使用六个CIT反应数据集分析NLRP3炎症小体与CIT反应之间的关联，揭示了NLRP3炎症小体对不同癌症患者免疫治疗反应的预测价值。本研究阐明了NLRP3炎症小体在多种癌症类型中的特征并突出了其作为CIT反应预测生物标志物的潜在价值，这可以为进一步研究NLRP3炎症小体的预后和治疗潜力铺平道路。
发表杂志：Brief Bioinform.
影响因子：13.994
关于基因集泛癌分析的文章，我们最近也解读过很多
目前我们有一些基因集/通路的预分析结果，可以进行深入分析，也可以提供你感兴趣的基因集，我们来做分析。另外我们可以帮忙筛选与免疫浸润以及免疫治疗相关的基因集做泛癌分析。
研究背景
癌症免疫疗法(CIT)的治疗进展在近几年迅速显现，通过人体免疫系统与癌症之间的相互作用，在治疗各种癌症方面取得了有效的效果。尽管CIT已成功应用于多种人类癌症，但大多数患者对这些疗法的反应有限或没有反应。因此，挖掘预测性生物标志物以评估对这些免疫治疗方法的反应以尽早确定患者获益是迫切需要的。之前的研究发现了一些与CIT反应相关的指标，如肿瘤突变负荷(TMB)、嗜酸性粒细胞计数、PD-L1、T细胞受体DNA的深度测序和糖酵解活性等。然而，用于预测临床结果和CIT反应的准确生物标志物仍然在很大程度上未被探索。NLRP3炎症小体是先天免疫系统的重要组成部分，可响应微生物感染和细胞损伤，并通过增强NK细胞杀肿瘤作用抑制肝脏CRC转移性生长。多项研究证明NLRP3炎症小体可作为免疫治疗反应的预测因子。然而，关于NLRP3炎症小体作为各种癌症类型免疫治疗反应的预测生物标志物的潜力仍未得到探索。
流程图：
分析解读：
差异表达分析
①从癌症基因组图谱(TCGA)下载24种癌症的基因表达数据、临床数据、甲基化数据和RNA-Seq数据。
②从基因表达综合(GEO)数据库下载基因表达谱、临床数据和免疫治疗反应数据集。
③基于来自TCGA的基因表达数据进行ssGSEA计算24种癌症的NLRP3炎症小体评分，以比较肿瘤和正常样本之间的NLRP3炎症小体评分。
④分析这15种癌症中NLRP3-炎症小体相关基因启动子区的差异甲基化CpGs。
结果：
下图A：按癌症分组的所有样本中的NLRP3炎症小体评分。
下图B：15种癌症类型中正常和肿瘤样本之间NLRP3炎症小体评分的显著差异。
下图C：15种癌症类型的正常和肿瘤样本中NLRP3炎症小体评分的中值。
下图D：热图显示来自TCGA的15种癌症类型中NLRP3炎症小体相关基因的表达水平。
下图E：来自TCGA的15种癌症类型的启动子区域中具有差异甲基化CpG的NLRP3炎性体相关基因的数量。
下图F：UCEC中位于NLRP3启动子区域的差异甲基化CpG。
下图G：来自TCGA的15种癌症类型中位于NLRP3启动子区域的差异甲基化CpG的数量。
下图H：LIHC中位于NLRP3启动子区域的差异甲基化CpG。
生存分析
①比较由每种癌症类型中NLRP3炎症小体评分中位数分隔的癌症患者的总生存期(OS)和无复发生存期(RFS)。
②根据每种癌症的中位NLRP3炎症小体评分将患者分别分为高组和低组。
③单变量Cox回归分析在每15种癌症中具有临床相关性的NLRP3炎症小体相关基因。
④进行Kaplan-Meier(K-M)曲线以比较生存时间差异。
结果：
下图A-B：来自TCGA的15种癌症中与OS(A)和RFS(B)相关的NLRP3炎症小体相关基因的数量。
下图C-D：NLRP3炎症小体评分与来自TCGA的每种肿瘤类型中的OS（C）和RFS（D）相关。
下图E：根据LIHC中NLRP3炎症小体评分分层的低组和高组RFS的Kaplan-Meier曲线。
下图F：SKCM中由NLRP3炎性体评分分层的低组和高组OS的Kaplan-Meier曲线。
下图G：LIHC的患者无复发状态、风险评分和AJCC TNM分期状态的分布。
下图H：SKCM的患者生存状态、风险评分和AJCC TNM分期状态的分布。
下图I-J：饼图显示了来自TCGA的LIHC(I)和SKCM(J)肿瘤样本中低组和高组的临床病理因素的卡方检验。
独立预后分析
①单变量和多变量Cox回归分析NLRP3炎性体相关基因的表达是否可以作为LIHC和SKCM患者的独立预后因素。
结果：
下图A-B：LIHC患者RFS预后因素的单变量(A)和多变量(B)Cox回归。
下图C-D：SKCM患者OS预后因素的单变量(C)和多变量(D)Cox回归。
下图E：按AJCC T、N、M和分期分层的SKCM患者的OS的Kaplan-Meier分析。
GEO数据库验证结果
①应用ssGSEA计算GEO数据库中的NLRP3炎症小体评分。
②将GEO数据集中的患者按照NLRP3炎症小体评分的中值作为临界值分为低组和高组按上述进行生存分析。
结果：
下图A：GEO数据集中按癌症分组的所有样本的NLRP3炎症小体评分。
下图B：来自GEO数据集的15种癌症类型的正常和肿瘤样本之间NLRP3炎症小体评分的显着差异。
下图C：来自GEO数据集的15种癌症类型的正常和肿瘤样本中NLRP3炎症小体评分的中值。
下图D：SKCM-GSE65904中由NLRP3炎症小体评分分层的低组和高组OS的Kaplan-Meier曲线。
下图E：GSE65904中SKCM患者生存状态、风险评分和分期状态的分布。
免疫相关性分析
①研究NLRP3炎症小体与肿瘤免疫特征之间的相关性：使用ESTIMATE预估恶性肿瘤中的基质细胞和免疫细胞水平，比较不同癌症中CD8+T细胞和CD4+调节性T细胞的浸润。
②研究NLRP3炎症小体评分是否可以作为免疫特征预测因子：使用ROC曲线分析来评估NLRP3炎性体评分在预测两种免疫特征（免疫评分和免疫CYT）中的贡献。根据每种癌症的中位免疫特征评分，将患者分为高组和低组（将TMB和糖酵解特征纳入该分析）。
④研究NLRP3炎症小体评分预测免疫活性的潜在机制：进行基因集富集分析(GSEA)探索每个癌症中低组和高组之间NLRP3炎症小体相关基因集的潜在生物学功能。
⑤研究NLRP3炎症小体是否也与免疫治疗反应相关：通过ssGSEA算法使用每个患者的免疫检查点基因的表达水平计算检查点评分，并测量NLRP3炎症小体与检查点评分之间的管联。
⑥研究NLRP3炎症小体评分与免疫检查点基因之间的关联：使用六个CIT反应相关数据集研究NLRP3炎症小体与肿瘤免疫治疗反应之间的相关性。
结果：肿瘤NLRP3炎症小体评分与TIL的相关性最高。
下图A：NLRP3炎症小体评分与多种免疫特征的相关性，包括免疫细胞溶解活性(CYT)、HLA、干扰素(IFN)和来自TCGA的15种癌症类型的TIL。
下图B：来自TCGA的15种癌症类型中NLRP3炎症小体相关基因的表达水平与多种免疫特征的关联，包括CYT、HLA、IFN和TIL。
下图C：NLRP3炎性体评分与来自TCGA的15种癌症类型中IL-1β和IL-18表达水平的相关性。
下图D-F：在来自TCGA的15种癌症类型中通过NLRP3炎症小体评分分层的低组和高组中CD8+T细胞特征的表达水平与CD4+调节性T细胞特征的表达水平之间的比率。
下图G：根据TCGA中15种癌症类型的NLRP3炎性体评分分层的低组和高组中M1巨噬细胞特征的表达水平与M2巨噬细胞特征的表达水平之间的比率。
结果：NLRP3炎症小体评分对15种癌症类型的免疫特征显示出更强的预测能力。
下图A-B：NLRP3炎性体评分、糖酵解活性和TMB对免疫评分（A）和免疫CYT（B）的预测能力的比较使用ROC曲线分析。
下图C：15种癌症类型中NLRP3炎性体相关基因的KEGG。
结果：NLRP3炎症小体评分是多种癌症免疫治疗反应的潜在预测指标。
下图A：NLRP3炎症小体评分与来自TCGA的15种癌症类型中检查点基因表达水平的相关性。
下图B：TCGA按癌症分组的所有样本中检查点基因的表达水平。
下图C：根据每个数据集中的NLRP3炎症小体评分分层的低组和高组对免疫疗法的反应率。
下图D：NLRP3炎症小体评分在每个数据集中按免疫治疗反应分组的样本中的分布。
下图E：在每个免疫治疗数据集中，根据NLRP3炎症小体评分分层的低组和高组之间的OS的Kaplan-Meier曲线。
下图F：NLRP3炎症小体评分预测免疫治疗反应的ROC曲线。
网友评论