TNBC：三阴性乳腺癌

下面为文章思路：

---

方法学：

一、多组学测序（样本384例——目前为止最大单中心数量）：

1. WES（Illumina HiSeq）

2. 转录组测序：RNA-seq（Illumina HiSeq）+ HTA2.0

3. CNV测序（OncoScan CNV Assay Kit）

二、多组学分析内容：

1. 微环境细胞丰度（占比例）：CIBERSORT找到324个基因+MCP找到40个基因=共364个基因，定义24种微环境细胞，ssGSEA（GSVA包）计算各类细胞的丰度

2. 细胞亚群富集评分ES

3. 根据细胞亚群构成，对TME进行分类clustering（3型）

4. 对3种TME表型进行预后分析

5. 免疫基因组indicator的计算：neoantigen（用WES数据），CTA（CTDatabase），HRD，ITH（ASCAT计算）

6.富集的oncogenic pathway

7. 3型TME之间mutation、CNV的比较

---

结果：

1. TNBC微环境表型全景图

1a. 用364个signature基因，用ssGSEA score估计24种TME细胞的丰度；随后按照TME细胞的丰度特征，进行聚类分3型：免疫匮乏型（I型冷肿瘤）、固有免疫未激活型（II型冷肿瘤）、免疫激活型（热肿瘤）。此外，又用校正富集评分（adj.ES）比较了3类cluster的免疫细胞的丰度。

2. TME 分类的验证

2a. 组织芯片：sTIL、iTIL（HE）和CD8+细胞（IHC）在3类中的表达情况

2b. Th1, Th2, Th17 和 MDSCs（HE）

2c. TNBC现有亚型在3个cluster中的比例情况

2d. TCGA和METABRIC数据库验证

3. TNBC的微环境细胞对预后预测的重要性

3a. 3个亚型的基线资料表（相似）

3b. 3个亚型的生存分析和生存曲线（OS、RFS）

3c. AUC of the time-dependent ROC curve

3d. 在每个亚型中每种细胞对RFS的

4. TNBC外源性免疫逃逸机制

4a. 三个TME亚群中比较癌和癌旁TME细胞的数量

4b. 一些固有免疫分子（STING等）、趋化因子、SCNV在三个TME亚群中的表达情况（外源性免疫逃逸机制）

5. TNBC的肿瘤免疫原性（内源性免疫逃避机制）

 三个亚型的免疫原性影响因素：突变负荷、肿瘤抗原负荷、染色体不稳定性水平、CTA水平、坏死水平、ITH、肿瘤抗原呈递能力

6. TNBC的免疫调节剂的表达（内源性免疫逃避机制）

6a. 参考共刺激分子和共抑制分子数据库，在三个cluster的mRNA表达和CNV变化

6b. VTNC1分子的重要性

6c. 肿瘤免疫原性、免疫浸润、免疫检查点分子之间的相关性分析

7. TNBC基因组改变与低免疫浸润的相关性

7a. 参考已知10个致癌通路的标记基因，分别计算3个亚群在10个通路的富集分数。

7b. 挑选亚群特有突变基因+校正突变负荷后有意义的突变基因

7c.挑选亚群特有SCNV + 挑选各个cluster的CNV peak中包含的基因做KEGG和GO分析

文章思路

1. 先利用转录组数据——做免疫微环境聚类

2. 聚类亚型的验证（染色+数据库验证）

3. 聚类亚型对预后的影响

4. 探究免疫逃逸机制（外源性+内源性）：

外源性：三个亚型癌比癌旁的免疫细胞数量比较；固有免疫分子（STING等）、趋化因子、SCNV等在三个亚型中的表达情况

内源性：肿瘤免疫原性、免疫调节剂（共刺激+共抑制）的表达情况

5. 三个聚类亚型在基因组水平（突变+SCNV）的改变：与致癌通路的关联、挑选亚群特异性突变和SCNV