纯生信新套路：肺鳞癌TP53基因signature

作者: 科研菌 | 来源:发表于2020-04-20 00:48 被阅读0次

今天给大家分享的是一篇发表在Oncoimmunology(IF=5.333)上的文章A TP53-associated gene signature for prediction of prognosis and therapeutic responses in lung squamous cell carcinoma，作者通过TCGA数据库分析差异表达基因，发现了可用于临床预后以及治疗的三基因标志。

A TP53-associated gene signature for prediction of prognosis and therapeutic responses in lung squamous cell carcinoma

TP53相关基因标志可预测肺鳞癌预后及疗效

一. 研究背景

肺癌是一种对免疫敏感的恶性肿瘤，被许多免疫细胞浸润，但很少有研究系统地探讨肺癌微环境的免疫表型与预后之间的关系。本文从这方面入手，建立了可用于预测预后生存率以及治疗方案的三基因生物标志物。

B站(科研菌2020)和公众号(科研菌)内都可播放

二. 分析流程

三. 结果解读

1. LUSC和LUAD中的体细胞突变

图1. LUSC和LUAD体细胞突变

A图：(数据来源：TCGA) LUSC体细胞突变的热图

B图：(数据来源：TCGA) LUAD体细胞突变的热图

作者发现TP53是最常见的突变基因(LUSC：77%；LUAD：47%)，且在LUSC中更常见，因此后文主要对LUSC进行研究。

2. 按是否存在TP53突变分组鉴定LUSC患者的差异表达基因(DEG)

图2. 鉴定DEGs

A图：鉴定DEGs的热图

B图：鉴定DEGs的火山图

鉴定出773个上调基因，783个下调基因

C图：对患者的GSEA分析

作者在GSEA分析的基础上进行GO分析，发现TP53突变相关基因在LUSC的免疫相关过程中起作用。

3. 构建以DEG为基础的预测标志

图3. 构建预测标志

A图：多因素Cox回归分析DEGs的预后值

只有三个基因显示了显著的预后特征(KLK6、MUC22、CSN1S1)。

B图：基于三基因的风险评分分布

C图：高/低风险组的患者生存状况

D图：高/低风险组三种基因表达谱的热图

E图：高/低风险组的Kaplan-Meier生存曲线

作者通过计算预后价值的风险评分，将患者按风险的高低分组，分析表明高风险组的总体生存率明显低于低风险患者。

计算风险评分的公式：

其中N代表预后基因数，Expi代表患者中各基因的表达量，Ci代表通过多因素Cox回归分析确定的各基因回归系数的估计值。以中位得分为界划分高/低风险组。

4. 以TP53突变为基础的生存分析

图4. 基于TP53突变状态的Kaplan-Meier生存分析

A图：TP53突变型与野生型的生存曲线

B图：在TP53突变中高/低风险组的生存曲线

C图：在TP53未突变中高/低风险组的生存曲线

作者发现TP53突变状态与LUSC患者的预后显著相关，随后探讨其是否独立于三基因对生存状态产生影响，按TP53的突变状态进行分组分析，发现两组的生存曲线具有显著差异。

D图：不同类型TP53突变的生存曲线

E图：在TP53错义突变中高/低风险组的生存曲线

作者发现TP53的突变类型也对LUSC患者的预后相关，为了探究三基因特征与突变类型的相关性，作者在TP53突变的最大亚组——错义突变中进行预后分析，发现三基因的高表达缩短了患者整体生存期。

5. 高/低风险组患者免疫细胞浸润情况

图5. 免疫细胞浸润情况

A图：高/低风险组免疫细胞浸润比例

B图：22个免疫细胞比例的相关热图

C图：22个免疫细胞比例的相关矩阵

由于前文已证明与免疫系统相关，作者随后研究了免疫浸润的差异，发现22种免疫细胞类型在高/低风险组存在显著差异，其比例呈现弱到中度相关。

D图：高/低风险组免疫细胞浸润丰度的差异

高风险组的单核细胞和巨噬细胞M1比例显著增加，CD8+T细胞和滤泡辅助性T细胞比例明显降低。

LUSC免疫浸润的异质性可能为免疫治疗提供预后指标和靶点，并可能具有重要的临床意义。

6. 高/低风险组患者的免疫治疗和化疗反应

图6. LUSC患者的免疫治疗和化疗反应

A图：抗CTLA-4和PD-1治疗的免疫治疗反应

靶向CTLA-4和PD-1的免疫检查点阻断疗法是治疗多种恶性肿瘤的有效策略，因此作者评估了其在LUSC中的临床疗效，发现高风险组患者在抗PD-1治疗中疗效更佳。

B图：不同的化疗反应

作者还调查了两组患者对不同化疗药物的敏感性，发现差异显著，高风险组患者对药物更敏感。

7. 三种基因特征与临床特征的相关性

随后作者研究三个基因标志的风险评分是否为一个与传统临床信息相关的独立生物标志物。

图7. 三基因标志与临床特征的相关性

A图：单因素Cox回归分析

分析显示TNM分期、T分期和风险评分与LUSC患者较低的生存率相关。

B图：多因素Cox回归分析

分析显示风险评分可作为LUSC患者的一个独立预后指标。

C图：预测LUSC患者1年、3年和5年总生存率的列线图

根据多因素分析中的与预后相关因素建立预后列线图，与TNM分期和T分期相比，风险评分显示出更好的预测性能。

8. 在临床组织样本中验证基因标志

图8. 临床组织样本中基因标志的验证

A图：对CSN1S1和KLK6蛋白进行免疫组化分析

B图：LUSC组织和正常肺组织中的蛋白表达得分

与正常组织相比，KLK6和CSN1S1蛋白在肿瘤组织中显著过表达。

C图：根据CSN1S1和KLK6表达水平的Kaplan-Meier分析

KLK6和CSN1S1的表达水平与LUSC患者的总体生存率密切相关。

D图：PD-L1表达与KLK6和CSN1S1表达的相关性

KLK6和CSN1S1与PD-L1的表达显著相关。

作者根据TP53的突变情况，鉴定出1556个差异表达基因，随后通过单因素和多因素Cox回归分析，确定了三个可作为LUSC患者预后标志物的基因，并建立了列线图以定量预测预后生存率，具有重要的临床意义。此外，作者还发现高风险组单核细胞和巨噬细胞M1浸润增加，CD8+T细胞和滤泡辅助性T细胞浸润降低，免疫浸润的异质性可能为免疫治疗提供预后指标和靶点，具有潜在的研究价值。

还是和往常一样，后台回复「28a」，即可获取今天小编为大家解读的文献。本期的分享就到这里啦，一起期待下一期的精彩分享吧~

▼▼是否遗漏了往期精彩生信解析没看呢？▼▼

汇总贴

1. 2020年医学生信分析别人都在用哪些思路？

生信思路

1. 如何筛出一篇5分文章的核心基因

2. 筛出一个5分文章的核心基因后你可以这样做

3. 国自然前期研究基础不足？你可以这样补一些生信分析

4.非肿瘤生信分析：来不及解释了快上车

非肿瘤生信数据挖掘

1.非肿瘤纯生信：STAT1和结核感染的机制挖掘

m6A热点