新思路：免疫+代谢基因集构建肿瘤预后模型

导语

结直肠癌（CRC）是最常见的恶性肿瘤之一。CRC病因复杂，异质性高，需要鉴定新的可靠特征来识别不同的肿瘤预后。 

背景介绍

今天小编为大家带来  一篇使用免疫基因和代谢基因共同构建肿瘤预后模型的文章，影响因子6分+，题目为  Exploration and validation of a combined immune and metabolism gene signature for prognosis prediction of colorectal cancer。

研究流程

数据介绍

从TCGA-COAD（包括473个肿瘤和41个正常组织样本）和GSE38832数据集（包括118个CRC组织样本）获得与结直肠癌患者相关的mRNA表达谱和相应的临床信息。使用GSE113513、GSE74602、GSE44076、GSE41328四个数据集鉴定差异表达基因。

结果解析 

01  免疫和代谢基因的鉴定和富集  

总共纳入了来自TCGA的361名CRC患者（作为训练集）和118名来自GSE38832的患者（作为验证集）。通过差异表达分析和WGCNA分析，在CRC患者中分别鉴定出350个基因和1004个基因，其中共有91个重叠的免疫基因和代谢基因（图1A）。13个显著差异表达基因与CRC预后显著相关，STC2和ESM12基因与CRC预后不良显著相关（图1B）。

进行LASSO惩罚Cox回归以减少13个基因的过拟合。输入逐步多变量Cox回归分析，最终选择4个基因以产生最佳预后特征（图1C-E）。使用以下公式提取相应的系数值以确定风险评分：风险评分 = NAT2 × （-0.32727） + UGT2A3 × （-0.16282） + STC2 × （0.34818） + ESM1 × （0.33961）。

图1

02   预后特征的验证  

根据中位数风险指数，所有CRC患者均分为低风险组和高风险组。 不同组的成员与TNM分期显著相关。生存分析表明，无论是在训 练集还是验证集中，高风险组的无进展生存期（PFS）和OS都明显低于低风险组（图2A）。为了评估构建特征的预测价值，进行了时间依赖性ROC曲线分析，TCGA队列中1、2、3、5和10（或8）年的AUC分别为0.766、0.752、0.713、0.700、0.661、0.727，GSE38832队列分别为0.661、0.655、0.660、0.629、0.727（图2B）。

如图2C所示的风险指数分布曲线、生存状态和signature表达热图，高危指数患者在训练集和验证集中的STC和ESM1死亡率较高，表达较高，NAT2和UGT2A3表达较低。训练集或验证集中的PCA（图 2D ）和t-SNE（ 图2F ）分析证实了低风险组和高风险组之间的风险状况差异。因此，代谢和免疫相关特征的组合在预测CRC的存活和进展方面表现出优异的性能。

图2

03   基因特征的预后价值  

单变量和多变量Cox回归分析表明，在TCGA队列中，riskScore与CRC的不良预后显着相关（图3A，B）。 CRC患者的ROC曲线显示，预测OS的风险评分的AUC为0.755，高于年龄，性别和TNM分期（ 图3C ）。

基于riskScore和年龄、性别、TNM分期等临床病理因素，构建预后列线图来预测结直肠癌患者的生存率（ 图3D ）。校准曲线表明预测和实际 1 年、2 年、3 年、5 年和 10 年生存率之间具有良好的一致性，这表明预后列线图表现良好（ 图3E ）。ROC 曲线分析显示列线图AUC为0.882，明显高于其他参数（ 图3F ）。应用DCA来评估预后列线图，该列线图在净收益中排名最高，并且在所有参数中具有更广泛的阈值概率（ 图3G ）。这些结果表明，预后列线图表现出最佳的预测性能，更适合于临床实践中CRC患者的预后预测。

图3

04   列线图的构建与验证  

鉴于外部验证集GSE38832仅将TNM分期作为临床参数，因此生成了基于风险指数和TNM分期的预后列线图，以预测TCGA队列中CRC患者的生存率，并在GSE38832队列中进行验证（图4A）。ROC曲线的列线图AUC分别为0.827和0.800，在训练集和验证集中分别显著高于风险指数和TNM阶段（图4B）。校准曲线显示预测的1年、2年、3年、5年和8年生存率具有良好的一致性，这表明列线图具有出色的性能（图4C）。DCA显示，列线图在净收益中排名最高，并伴有更广泛的阈值概率范围（图4D）。

图4

为了评估signature与现有signature的性能，纳入了四种已发表的CRC患者OS风险模型进行比较。 如Kaplan-Meier曲线分析所示，作者的四基因模型以及所有其他四个模型都显示出CRC在预测OS方面的显着预后价值。每个特征的ROC显示，所有模型都表现出良好的预测性能，AUC在1年，2年，3年和5年大于0.6 。限制平均生存时间（RMST）表明，尽管作者的模型的C指数（一致性指数）略低于Wang的模型，高于其他模型，但作者的四基因模型在所有基因特征中具有最高的风险比（HR）（ 图5A，B ）。

图5

05   signature的免疫学特征注释  

基于ssGSEA的两个风险组之间的不同免疫细胞浸润如图6A，B所示。无论是在TCGA队列还是GSE38832队列中，高风险组的巨噬细胞百分比都高于低风险组。采用ESTIMATE算法比较高危组或低危组免疫细胞浸润的差异。在TCGA队列或GSE38832队列中，高风险组的基质评分明显高于低风险组（P<0.05，图6C，D）。这些结果表明，高危评分的结直肠癌患者在肿瘤微环境中具有更丰富的基质成分，由于转移易感性较大，可能导致高危组预后较差。

图6

06   验证ESM1在结直肠癌中的作用  

预后相关基因和不同基因集通过机器学习算法在三个数据集中筛选特征基因的交集都与一个基因ESM1有关，这意味着在CRC中的潜在重要作用。通过qPCR检查ESM1基因在各种细胞系中的表达，结果显示ESM1在肿瘤细胞中的表达明显高于正常肠上皮细胞系FHC（图7B）。与该结果一致，蛋白质印迹显示ESM1蛋白在肿瘤细胞中的表达明显高于正常肠上皮细胞系FHC（图7C，D）。同样，来自患者肿瘤和癌旁组织的蛋白质印迹也显示肿瘤组织中的ESM1蛋白高于正常组织（图7E，F）。

作者收集了43名CRC患者的术后标本，以确定ESM1在CRC肿瘤组织中的表达。如图7H所示，ESM1在CRC中表达得不同ESM1表达高的患者表现出较短的无病生存期（DFS）（图7G）。ESM1表达与临床病理学参数如年龄、性别、肿瘤位置、病理分期或组织学分化无关。这些结果表明，ESM1在结直肠癌中起着重要作用，可作为结直肠癌诊断和预后预测的可靠标志物。

图7

小编总结

同时对代谢和免疫状态作出反应的综合预测因子在改善预后价值方面更有效。本文根据基因值的排名确定了免疫和代谢相关的联合预后特征（包括4个相关基因）。通过有效地对CRC患者进行分层，该特征用于预测患者的预后，并可作为评估免疫治疗反应的指标。外部验证数据集验证了签名的有效性。此外，作者还鉴定出过表达基因ESM1，并验证了其与CRC预后的关联。

作者探索了TIME中riskScore与免疫细胞之间的关系，发现高危组表现出更丰富的巨噬细胞浸润。高危组的基质评分明显高于低危组，表明高危评分的结直肠癌患者TME中基质成分更丰富，由于转移易感性较大，可能导致高危组预后更差。与传统将肿瘤免疫表型分为“冷”和“热”的观点相比，作者比较了高危和低危人群免疫细胞浸润的差异，这可能为CRC的免疫治疗提供更精确的模型。