11-IF5+:miRNA表达模式结合TMB挖掘肺腺癌中的关键分
一.研究背景
肿瘤突变负荷（肿瘤突变负担，TMB）已成为预测肺腺癌（LUAD）患者对免疫检查点抑制剂（免疫检查点抑制剂，ICI）的治疗反应的独立生物标志物。非小细胞肺癌（NSCLC） 占所有肺癌的85％ ，其中约40％-50％为肺腺癌（LUAD） 。超过60％的肺癌患者在诊断时出现局部晚期或转移性疾病，在这个阶段手术切除可能不是好一个的选择。而在过去的几十年里，传统的化疗和放疗一直是晚期NSCLC 的主要治疗手段。近十年来，根据相应驱动基因改变的靶点向治疗改善了部分NSCLC 亚群患者的临床疗效，但患者的5 年生存率仍低于20％..，用于治疗非小细胞肺癌的免疫检查点抑制剂（ICI不变）的更新革新了晚期NSCLC患者的治疗方法，极大地提高了某人某些患者的生存率，而MicroRNA（miRNA）在调节抗癌免疫反应中发挥重要作用，但miRNA表达模式与TMB 在LUAD 中的关系尚不明确，今天介绍的文献就是研究这一问题。杂志：Oncolmmunology FI：5.333 发表日期：2019年6月24日 研究的文章【 MiRNA expression patterns are associated with tumor mutational burden in lung adenocarcinoma 】
二.方法和材料
1） 样本：研究共纳入了444 译文具有的miRNA的的的的表达谱突变状语从句：注释文件的肺腺癌样本御姐高。TMB 水平定义为每MB ≥ 10 个突变，低TMB 水平定义为每MB <10 个突变。
2） 特征选择：使用主成分分析，LASSO 这两个方法进行了特征选择
3） 使用miRNA的特征分类器来预测TMB水平：利用LASSO方法，将非零回归系数的miRNA作为最优miRNA，建立基于miRNA的特征分类器，用于预测TMB水平。
4）相关 分析：基于miRNA的特征分类器指数与三个免疫检查点表达的相关性及功能富集分析。
5） 统计分析：卡方检验等统计学方法进行差异分析
6） 分析流程：如图1所示
图1
三.结果展示
1.差异表达的miRNA 和双向分段聚类：训练集以及验证集的临床特征如表1 反映。训练集包括66 个TMB 水平高的样本和201 个TMB 水平低的样本，在训练集中根据TMB 水平的高低进行差异表达分析，差异表达情况如图2 所示。同时分层聚类结果表明，这些差异表达的miRNA的的的表达模式可以基本区分TMB 高水平和TMB 低水平的样本。
表1
图2
2.PCA 以及使用套索进行特征选择：为了在LUAD 中开发基于的miRNA 的TMB 级特征分类器，作者使用训练集中49 个的miRNA 的表达数据进行套索物流。分析作者考虑了10 倍交叉验证以及AUC 曲线，识别出25 个miRNA 作为最优特征（图3a）。图3（b）为49 种不同表达的miRNA 的PCA 结果，图3（c）为LASSO 识别的25 种miRNA 的PCA 结果。如图3（c）所示，使用25个miRNAs更容易区分具有不同TMB级别的样本。
图3
(1) LASSO逻辑回归分类器：利用LASSO方法和10倍交叉验证，鉴定出25个非零回归系数的miRNA，根据以下公式创建基于mirnab的分类器指数：
index=miR-767-5p*(−0.04755288)+miR-372-3p*(−0.07467899)+miR-675-3p*(−0.08205335)+miR-508-3p*0.20833744+miR-519a-5p*(−0.05549044)+miR-552-3p*0.49432780+miR-147b-3p*(−0.18427801)+miR-137-3p*(−0.06280235)+miR-7702*(−0.21732314)+miR-2355-5p*(−0.29639798)+miR-106b-3p*0.06977407+miR-371a-3p*(−0.21213357)+miR-29b-2-5p*0.56165110+miR-550a5p*0.35626234+miR-185-3p*(−0.12431736)+miR-3127-5p*(−0.05386972)+miR-197-3p*0.17756353+miR-769-5p*(−0.22362837)+miR-491-3p*(−0.57850865)+miR-128-3p*0.43507960+miR-1226-3p*(−0.21905006)+miR-2277-5p*(−0.37892148)+miR-4787-3p*(−0.12085059)+miR-550a-3-5p*(−0.65585909)+miR-4797-3p*(−0.45563723).
接着作者对分类器的准确性进行了评估，并在验证集中进行了验证（图4，表2）。
图4
表2
(2) 分类器指标与三个ICIs及富集分析的低相关性：在所有数据集中，计算每个样本的分类器指标，估计该分类器指标与TMB以及三个免疫检查点的表达的相关性（图4），接着对25个miRNA进行功能富集，功能富集结果如图5所示，可以看出富集到了许多免疫或者癌症相关的通路。
图5
四.结论
作者通过对突变数据以及miRNA表达数据的分析，发现不同TMB水平的LUADs具有不同的miRNA表达模式。并且结合主成分分析，LASSO等方法建立了一个基于miRNA的特征分类器，它可以作为预测LUAD中TMB水平的生物标志物。
五.参考文献
1. Torre LA, Bray F, Siegel RL, Ferlay J, Lortet-Tieulent J, Jemal A. Global cancer statistics, 2012. CA Cancer J Clin.
2. Siegel RL，Miller KD，Jemal A.癌症统计，2017年。CACancerJClin。
3. Travis WD，Brambilla E，Nicholson AG，Yatabe Y，Austin JHM，Beasley MB，Chirieac LR，Dacic S，Duhig E，Flieder DB等。2015年世界卫生组织肺肿瘤分类：自2004年分类以来的遗传，临床和放射学进展的影响。JThoracOncol 。
4. 奥斯曼尼（Osmani L），阿斯金（Askin F），加布里埃尔森（Gabrielson E），李庆昆（Li QK）。当前的WHO指南以及免疫组化标记物在非小细胞肺癌（NSCLC）的亚分类中的关键作用：从合并治疗转向免疫治疗。
5. 曹MS，樱A，的Cutz JC，诸CQ卡迈勒莫尔-里德S，斯奎尔Ĵ，洛里默I，章T，刘嗯，Daneshmand号中等厄洛替尼治疗结核-分子和临床预后指标新英格兰J Med。
往期分享
12-IF4+:多组学分析鉴定膀胱癌肿瘤突变负荷和免疫治疗的关系
