基于炎症反应的肿瘤分型发10+纯生信，结合热点进行肿瘤分型分析仍

本文属于单肿瘤分型思路，类似的分型文章我们也解读过很多。

肿瘤分型文章比较重要的结论就是分型后构建的评分能够预测免疫治疗或者其他治疗的疗效。可以用于分型的基因集很多，比如焦亡，铁死亡，自噬，铜死亡，m7G，细胞衰老等等，结合这些热点做分析会事半功倍，现在上车正是时候！

生信分析咨询

请关注生信小课堂，全网同名

影响因子：10.426

研究概述：本文旨在基于炎症反应的分子亚型，研究鉴定低级别胶质瘤(LGG)预后和治疗效果。从TCGA、CGGA和Rembrandt队列中获得1205例LGG患者的RNA测序、体突变和相应的临床数据，采用共识聚类方法确定与炎症相关的分子亚型，比较这些炎症相关亚型的预后、临床病理特征、免疫细胞浸润和体细胞突变谱，开发并验证了一个炎症相关预后模型，这种分类对估计预后和肿瘤微环境有重要的结果。

研究结果：

一、共识聚类确定了三种基于炎症的亚型

1、使用STRING数据库对这些炎症相关基因进行PPI网络分析（图1A）。

2、利用共识聚类确定了基于LGG炎症的聚类。在k-means聚类之后，我们在TCGA队列中确定了3个具有不同炎症基因表达模式的聚类（图1B和C）。

3、炎症基因的表达水平在不同簇间存在差异，簇C2表现出最高水平的炎症基因表达。相比之下，簇C3的表达水平最低，簇C1的表达水平中等（图1D）。

4、使用ssGSEA方法量化每个患者的炎症反应评分。C2组患者炎症反应评分最高，其次为C1和C3组(图1E)。因此将C2簇指定为炎症高亚型，C3簇指定为炎症低亚型，C1簇指定为炎症中亚型。

5、采用主成分分析(PCA) 比较不同炎症亚型的转录模式。来自三个聚类的样本彼此高度隔离，亚型之间有不同的转录谱(图1F)。

二、不同炎症亚型的患者预后和临床病理特征不同

1、生存分析证实高炎症亚型预后糟糕，总生存时间最短，无进展生存期最短(图2A)。

2、CGGA和伦勃朗队列验证了：与炎症高亚型相比，炎症低亚型与三种亚型中最有利的临床结局相关。(图2B)

3、进一步比较三种亚型的临床病理特征。高炎症亚型的患者与高死亡率、未甲基化MGMT启动子状态、IDH野生型状态、1p19q非共缺失状态、WHO III级和星形细胞瘤组织学相关。相反，低炎症亚型主要包括低死亡率、甲基化的MGMT启动子状态、IDH突变状态、1p19q共缺失状态、WHO II级和少突胶质细胞瘤组织学(图2C和D)。

三、基于炎症的亚型与不同的肿瘤微环境(TME)相关

1、TME的组成会被炎症显著改变，尤其是对免疫细胞有强烈的影响。免疫评分从炎症高亚型逐渐降低到炎症低亚型(图3A)，而肿瘤纯度则逐渐增加(图3B)。表明炎症高被更高水平的免疫细胞浸润。

2、采用CIBERSORT方法来确定亚型之间的免疫异质性。图3C总结了22种不同免疫细胞浸润的情况：高炎症亚型患者的免疫抑制细胞(m2型巨噬细胞)和静息免疫细胞(如静息CD4记忆细胞和静息NK细胞)水平显著升高，但t细胞滤泡辅助细胞和b细胞浆的比例显著降低(图3D)。

3、在炎症高亚型中大多数免疫检查点升高而低炎症亚型显示出相反的模式(图3E)。

4、使用TIP（一种用于确定肿瘤免疫表型分析的网络服务）评估三种亚型七步癌症免疫循环的抗癌免疫功能。尽管炎症高亚型在步骤1（肿瘤抗原释放）、步骤4（T细胞转移到肿瘤）和步骤5（免疫细胞浸润到肿瘤中）表现出高活性，在步骤6（T细胞检测肿瘤细胞）和步骤7（肿瘤细胞凋亡）大幅衰减（图4A）。但炎症高亚型与步骤6和步骤7的活性增强有关，与步骤1，步骤4和步骤5的抑制有关（图4A）。

5、参与免疫过程负调节的基因主要在炎症-高亚型中上调，其次是炎症-中亚型和低炎症-低亚型（图4B）。

6、GSEA富集分析显示，炎症高亚型对免疫途径具有显着富集的负调节，包括TGF-β信号传导，缺氧，上皮 - 间充质转化和血管生成（图4C）。

四、高、中、低炎症亚型的体细胞突变模式不同

1、尽管IDH是最常见的突变，但IDH的相对突变率在不同亚型之间有所不同。低炎症和中炎症亚型IDH1突变频率增加，占总突变的85%和90%，而高炎症亚型只有47%的突变(图5A-C)。

2、炎症中型TP53突变频率最高(73%)，其次是炎症高型(45%)和炎症低型(15%)。肿瘤突变负担评分从炎症低亚型到炎症高亚型逐渐增加(图5D)，而在微卫星不稳定性方面没有观察到显著差异(图5E)。

3、大多数致癌突变途径是在炎症高度和中度亚型中检测到的，包括RTK-RAS，PI3K，TP53，Notch和Hippo途径（图5F）。这些致癌突变途径在炎症低亚型中很少检测到。

五、炎症相关预后特征的建立和验证

1、图6A总结了p值最显著的前10个基因。图6B中，通过Cox单因素分析鉴定出的139个被确定与患者的OS有实质性的关联的炎症基因被用于预测LASSO回归分析中模型的预后价值。

2、风险评分模型的开发是根据以下公式实现的：风险评分 = （0.0153） × EMP3 + （0.0024） × F3 + （0.0118） × TNFAIP6 + （0.0093） × ITGB8 + （0.0034） × IFNGR2 + （0.0168） × MSR1 + （0.0169） × DCBLD2 + （−0.0013） × ABI1 + （−0.0047） × PCDH7 （图 6C）。

3、在低风险队列中，与高风险队列相比，存活状态的数量显着增加。（图6D）

4、利用Kaplan-Meier分析确定风险模型的预后价值。高风险评分与TCGA培训队列中不利的OS和PFS相关（图6 E），并用CGGA和伦勃朗测试队列对此验证（图6F）。

六、炎症风险特征对预后评估具有显著的预测价值

1、进行受试者工作特征（ROC）曲线，以1年、3年和5年生存率来估计炎症风险特征的预测有效性。ROC曲线（AUC）下的1年，3年和5年区域分别为0.893，0.859和0.739，显示出很强的预测意义（图7A）。

2、与其他临床特征（如1p19q状态，等级，IDH状态，性别，MGMT启动子状态，年龄和ATRX状态）相比，炎症风险在预测预后方面表现最佳（图7B）。

3、单变量Cox分析结果：高炎症风险评分与不利的OS有很大关联。与不良OS相关的其他参数包括1p19q状态，IDH状态，等级，年龄和MGMT启动子状态。（图7C）

4、多变量Cox分析结果：高炎症风险评分表现出与相当不利的OS的独立联系，意味着它可以独立地作为LGG患者的预后预测因子（图7D）。

七、通过scRNA-seq分析验证炎症基因表达模式

1、通过UMAP降维共检测到4个细胞簇，即AC样恶性细胞、单核巨噬细胞、OC样恶性细胞和少突胶质细胞（图8A）。

2、ABI1、ITGB8和PCDH7主要在恶性细胞中表达，而IFNGR2、MSR1和EMP3主要在单核巨噬细胞中表达（图8B和C）。F3、DCBLD2和TNFAIP6在非肿瘤细胞和肿瘤细胞中的检测水平均较低。

研究总结：

在本研究中，根据炎症反应确定LGG亚型。结果表明，LGG可根据不同临床病理特征，预后和肿瘤微环境分为炎症高，中和低亚型。这种分类是可重复的，也是可预测的。一般来说，炎症高亚型的预后较差，伴有免疫抑制微环境和高频率的癌基因突变。相比之下，三种亚型中，炎症低亚型与免疫反应微环境最有利的临床结局相关。此外，我们开发并验证了炎症相关的预后模型，该模型为预后评估提供了强大的力量。