IF =4.655|免疫联合缺氧的预后模型构建
导语
今天和大家分享的是2020年11月份发表在Journal of Hepatocellular Carcino杂志上的一篇文章（IF=4.655)，“Development and Verification of the Hypoxia-Related and Immune-Associated Prognosis Signature for Hepatocellular Carcinoma”。文章中作者使用ssGSEA和t-SNE算法评估免疫和低氧状态，根据ssGSEA打分将患者分为两个免疫分组，使用Cox回归分析和LASSO算法鉴定预后相关的基因，建立缺氧和免疫相关的基因特征，通过ICGC队列进行外部验证。
Development and Verification of the Hypoxia-Related and Immune-Associated Prognosis Signature for Hepatocellular Carcinoma
肝细胞癌缺氧和免疫的预后特征的开发和验证
一、研究背景
肝癌（HCC）是世界癌症的第四大死亡原因。由于无法轻易检出HCC患者的症状，因此在诊断时超过 80％的患者通常无法得到及时有效的治疗。越来越多的证据发现缺氧直接或间接参与肝癌微环境，但确切机制尚未说明。因此通过系统性构建新的预后标志物，将缺氧和免疫状态纳入现有的临床病理特征和分期系统以改善HCC的预后管理。
二、研究思路
三、结果解读
1.肝癌的缺氧状态和相关的DEG
基于MSigDB 6.0数据库通过非线性降维算法t –SNE共确定了三个聚类分组，分别将169、164和41例病例分为三个组。在生存期比较中，在这三个亚组之间检测到显着差异。先前的研究已经证实，低氧导致HCC患者的预后不良。在这些亚组中，Cluster 3的患者的OS最好，而Cluster 1的患者预后最差，这表明Cluster1和Cluster3可能分别处于最高和最低的缺氧状态。此外，通过limma分析识别高氧和低氧低组之间的总共1798个DEGs，其中1532个上调，而266个下调。
图1 鉴定缺氧状态和缺氧相关差异表达基因（DEGs）
2.肝癌的免疫状态和相关DEG
作者通过量化29个免疫相关基因以及相应的途径，得到癌症样本中免疫特征的活性和丰度ssGSEA分数，将TCGA数据库中的HCC样本表现出不同的活动性和免疫细胞丰度，按等级分为高，中，低免疫组。ESTIMATE方法用于计算基质评分和免疫评分，通过比较高免疫组和低免疫组的基因表达获得了免疫相关1233个DEG。
图2 癌症基因组图谱（TCGA）患者的免疫状态分析
3.风险评分模型的构建和预测能力评估
作者筛选出320个缺氧和免疫相关共有的差异表达基因。通过单因素和多因素Cox回归分析结合LASSO分析共得到13个预后相关基因并构建预后特征，将HCC患者分为高风险和低风险组。根据Kaplan-Meier（KM）分析，高风险患者的OS显着降低。此外，TCGA HCC队列和ICGC HCC队列的曲线下面积（AUC）值分别为0.823和0.717。
图3 Cox回归分析和LASSO分析构建预后模型
为了更好地探索缺氧和免疫相关基因在预后中的意义，进行了单因素和多因素分析，结果表明，风险评分值可能是预测HCC队列预后的独立危险因素。
表1 TCGA队列中总体生存率相关的临床病理特征的单因素和多因素Cox回归分析
表2 ICGC队列中总体生存率相关的临床病理特征的单因素和多因素Cox回归分析
4.预后与临床病理特征的关系
TCGA HCC队列纳入216例信息完整的病例，基于构建的风险评分值显示评分与肿瘤分级和性别显着相关。ICGC HCC队列总共收集了203例患者，这些患者具有年龄，性别，临床分期，门静脉侵袭，肝炎病毒感染，胆管侵袭，静脉侵袭和肝纤维化的完整数据。结果表明，风险评分值明显与临床分期，静脉侵袭有关。
图4 TCGA、ICGC HCC队列中风险评分与临床病理特征的相关性
5.在高风险和低风险TCGA队列中评估低氧状态
作者选择了六个缺氧相关基因集进行分析GSEA分析，研究表明，低氧状态与HCC的上皮-间质转化（EMT）有关。随后调查Twist家族BHLH转录因子1（TWIST-1），HIF-1α，HIF-2α，SNAI1，以及EMT标志物基因如CDH1和CDH2的表达量。结果表明，高风险组的上述所有基因的表达均显着增加。
图5 与缺氧相关的GSEA基因集的富集分析
6.高风险和低风险TCGA HCC人群之间免疫细胞浸润程度的差异
巨噬细胞，中性粒细胞和树突状细胞含量与风险评分显着正相关。CD8 + T细胞，CD4 + T细胞和B细胞也显示出与风险评分的弱相关关系。
图6缺氧和免疫相关的预后模型与六种免疫细胞的浸润量间的Pearson相关
常见免疫检查点表达结果表明，高风险患者TIGIT，PD-L1， PD-1，LAG3，TIM-3以及CTLA-4均显著增高（P < 0.05）。高风险患者主要富集途径包括T细胞分化，T细胞信号传导途径，免疫系统过程等。
图7 TCGA、HCC队列的高风险和低风险组中不同免疫状态
四、小结
作者基于LASSO分析筛选出13个缺氧和免疫相关基因，构建并验证了相关的预后模型。与低风险患者相比，高风险组患者有严重的缺氧状态，较高的免疫检查点表达（如PD-L1）和不同的免疫细胞浸润状态。对于其他不同状态下（如血管生成、肿瘤干性、自噬等）的联合分析模型，感兴趣的小伙伴也可以与我们联系。