IF：11+ 鳞癌基因标记预测肺腺癌患者的预后和免疫治疗的敏感性
这期分享2022年1月发表在Genome Medicine(IF:11.117)的一篇文章通过对多个肺腺癌数据集进行分析，构建的2基因特征并确定L-score和S-score与肺腺癌患者预后和免疫治疗反应有关。该文章使用桓峰基因公众号里面的教程即可实现，有需要类似思路的老师可以联系我们！
摘 要
背景：肺腺癌是最常见的肺癌类型，具有高度的形态学异质性，由多种组织学亚型的肿瘤细胞组成。据报道，免疫细胞浸润显著影响肺腺癌患者的临床结局。然而，目前尚不清楚组织分型是否能反映肿瘤免疫微环境，也不清楚组织分型是否可以应用于目前标准的治疗分层。
方法：我们使用组织亚型特异性基因表达数据集推断免疫细胞浸润水平。从不同组织学亚型之间的差异基因表达分析，我们开发了两个基因标记来计算肺腺癌样本中鳞状和固体组分的相对丰度(分别表示为L-scores和S-scores)。这些特征使我们能够使用以前发表的数据集研究肺腺癌的组织学组成和临床结果之间的关系。
结果：各组织学亚型之间存在显著的免疫差异。基因表达差异分析表明，鳞状体亚型和实体亚型可以根据其基因表达模式进行区分，而其他亚型具有相似的基因表达模式。我们的结果表明，更高的l评分与延长生存期相关，更高的 S-scores 与缩短生存期相关。L-scores 和S-scores 也与肿瘤突变负担和驱动基因组事件等全球基因组特征相关。有趣的是，我们发现在EGFR基因扩增的肺腺癌样本中，L-scores显著降低，S-scores显著增加，但在EGFR基因突变的样本中没有发现。在肺癌细胞系中，我们观察到 L-scores 和细胞对许多靶向药物(包括EGFR抑制剂) 的敏感性之间存在显著相关性。此外，L-scores较高的肺癌患者更有可能从免疫检查点封锁治疗中获益。
结论：我们的发现为评估肺腺癌的组织学组成提供了进一步的见解。已确定的特征反映出肺腺癌鳞状细胞和实体细胞亚型与预后、基因组特征以及对靶向治疗和免疫治疗的反应有关。因此，这些特征提示了在预测患者生存和治疗反应方面的潜在临床转化。此外，我们的框架可以应用于其他具有异质组织亚型的癌症类型。
我们从文章中提取生信分析流程，lepidic基因特征预测肺腺癌患者的预后和对免疫治疗敏感性,看下文章中使用的数据集和生信分析方法，如下：
相关数据准备
数据集选择：
基因集选择：差异基因
生信分析方法
我们从文章的分析流程中提取所有的分析内容，整理出来就13个分析条目，构成了整个文章，临床大样本量+生信文章，发了11+，点击分析条码就会跳转到对应公众号的教程，跟着教程做，您也能发11+，如下：
1. 肿瘤样本中免疫细胞浸润的计算推断 （CIBERSORT）
2. 不同组织学亚型间基因表达差异分析（PCA）
3. 基于基因富集特征可用于分类lepidic亚型和solid亚型（GSEA）
4. L-score高与预后较好有关（Kaplan-Meier）
5. L-score和S-score生存分析（单/多因素COX）
6. L-score预测肺腺癌患者对免疫治疗的敏感性(Logistic 回归)
研究结果
1. 肿瘤样本中免疫细胞浸润的计算推断 （CIBERSORT）
这里并不是使用CIBERSORT，而是BASE computational method，后期有时间我们可以尝试一下这个算法的教程。
免疫细胞浸润水平在肺腺癌不同组织学亚型间有明显差异。箱形图显示了5种不同肺腺癌组织亚型(腺泡型、鳞状细胞型、微乳头型、乳头型、实性)中A Naive B、B Memory B、C CD8+ T、D CD4+ T、E NK和F髓样细胞的浸润水平。p值是通过将相应亚型的样本与所有其他样本进行Wilcoxon秩和检验来计算的。显著较高和较低免疫浸润水平的p值分别用红色和绿色表示，如下：
2. 不同组织学亚型间基因表达差异分析（PCA）
对不同组织学亚型的基因做差异基因分析，这里并不是使用limma，DESeq2,或者 edgeR，而是基于分组做 Student’s t-test.
鳞病和实体组织亚型基因特征的发展。PCA根据1000个基因的表达值绘制组织亚型。这些基因是通过汇集五种亚型中最具特异性的前200个基因获得的。B每对组织学亚型t评分谱之间的Spearman相关系数。
3. 基于基因富集特征可用于分类lepidic亚型和solid亚型（GSEA）
在Zabeck数据集GSE58772中，鳞片/固体优势样品的L/S-scores高于其他所有样品。D在Zhu数据集GSE14814中，鳞片/固体优势样品的L/ S-scores高于其他所有样品。p值基于Wilcoxon秩和检验。
4. L-score高与预后较好有关（Kaplan-Meier）
肺腺癌L-score与患者预后的关系,生存分析如下：
5. L-score和S-score生存分析（单/多因素COX）
森林图，显示数据集GSE31210的多变量Cox回归模型的输出。协变量为二元值，包括l评分、年龄、性别、肿瘤分期。
6. L-score预测肺腺癌患者对免疫治疗的敏感性(Logistic 回归)
L-scores与肺癌患者免疫治疗反应的关系本分析使用Prat和Banchereau数据集，根据患者对免疫治疗的反应将其分为两组。在Prat队列中，肺腺癌患者被分为有反应者和无反应者。有应答者包括完全缓解(CR) 1例，部分缓解(PR) 5例，疾病稳定(SD) 7例。9例进展性疾病(PD)无反应。在班切罗队列中，非小细胞肺癌患者被分为两组:37例CR患者和44例其他缓解患者，10例PR, 33例SD患者和1例PD患者。Prat组有应答者(1CR + 5PR + 7SD)的l评分明显高于无应答者(9PD)。Banchereau组中B有应答者(37CR)的l评分明显高于无应答者(10PR + 33SD + 1PD)。值得注意的是，为了平衡组的大小，响应者/非响应者组在两个数据集之间定义不同。C在肿瘤或免疫细胞中PD-L1蛋白无表达的Banchereau队列患者中，L-scores与患者反应的相关性。
受试者工作特征(ROC)曲线，以L-scores作为患者反应的预测指标。
References:
1. Nguyen TT, Lee HS, Burt BM, et al. A lepidic gene signature predicts patient prognosis and sensitivity to immunotherapy in lung adenocarcinoma. Genome Med. 2022;14(1):5. Published 2022 Jan 12.
本文使用 文章同步助手 同步
