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

2020-09-07 本文已影响0人 AAA肿瘤信息学王协

一.研究背景

缩写：

TMB：肿瘤突变负荷（tumor mutation burden）

BLCA：膀胱癌（bladder cancer）

OS：整体生存（overall survival）

DFS：无病生存期（Disease-free survival）

膀胱癌是指发生在膀胱黏膜上的恶性肿瘤。是泌尿系统最常见的恶性肿瘤，也是全身十大常见肿瘤之一。近年来，免疫治疗在膀胱癌中取得了巨大的进展。TMB可以作为预测免疫治疗效果的一种生物标志物，TMB就是肿瘤组织每兆碱基中突变的总数，通俗的讲，就是肿瘤基因的突变密度。一般来说，TMB水平高的肿瘤，代表着肿瘤细胞中能被免疫系统识别的越多。

Zhang等人结合TCGA数据库中膀胱癌的体细胞突变数据计算病人的TMB值，基于该值的中位数值将样本划分为高TMB组合低TMB组，首先刻画高低TMB组生存的差异；接下来，结合膀胱癌病人的表达谱数据，识别高低TMB组差异的基因，使用单因素和多因素cox回归分析进而结合构建了由8个基因组成的膀胱癌预后模型；考虑到TMB值和免疫治疗的关系，使用CIBERSORT软件对膀胱癌病人中22种免疫细胞的组成刻画，基于单因素cox回归分析，找到潜在影响病人生存的免疫细胞类。

今天就和大家分享一篇相关研究的文章【Multi‐omics analysis of tumor mutation burden combined with immune infiltrates in bladder urothelial carcinoma】杂志：Journal Of Cellular Physiology IF：4.552 发表时间：2019.9.27

二.方法和材料

（1）训练数据：TCGA数据库中膀胱癌病人的突变、表达谱以及临床数据（如Table 1）所示。

（2）验证数据集：从cBioportal (https://www.cbioportal.org/)数据库获取Memorial Sloan Kettering Cancer Center (MSKCC)数据集的突变数据；

（3）差异基因：通过“limma”包寻找高低TMB组间差异表达的基因（|log (fold change) > 1|和FDR < 0.05）

（4）差异表达基因功能富集分析：通过“clusterProfiler”对差异基因功能进行富集分析；

（5）高低TMB组病人通路激活分析：基于MsigDB数据库中的“c2.cp.kegg.v6.2.symbols.gmt gene sets”基因集合，以高低TMB组为表型特征，使用GSEA软件对高低TMB组病人调控功能进行分析。

（6）预后模型：对在高低TMB组间差异表达的基因进行单因素cox回归分析，先识别出对膀胱癌病人预后有影响的基因；接下来，将上述基因结合构建多因素cox回归分析模型，挑选其中p值显著的基因去构建膀胱癌预后模型；

（7）免疫细胞组成：基于膀胱癌病人表达谱，通过CIBERSORT对每一个病人中的22种免疫细胞类型所占百分比进行刻画。

（8）免疫细胞与生产：通过单因素cox回归分析，找到影响膀胱癌病人生存的免疫细胞类型。

三.结果展示

（1）基于TCGA膀胱癌突变数据，得到每一个病人的TMB值，以中位数值作为阈值，识别高低TMB组病人，通过GSEA分析最终刻画了高低TMB组功能机制（Fig 1e）。并通过limma包找差异基因，|log (fold change) > 1|和FDR < 0.05，最终识别了68个差异基因（Fig 1a），且这些差异基因富集的功能如Fig 1c和1d所示。将这些差异如方法中描述的那样，结合单因素和多因素cox回归分析，用韦恩图刻画相应分析之间的基因交集情况（Fig 1b）。