8+！SKA家族在泛癌分析中的免疫学作用和预后价值~

导语：纺锤体和着丝粒相关（SKA）复合体通过维持有丝分裂过程中着丝粒-纺锤体微管附着的稳定性，在有丝分裂过程中正确的染色体分离中发挥重要作用，最近报道对多种人类癌症的发生和进展发挥调节作用类型。然而，SKA家族在癌症中的预后意义和免疫浸润尚未得到很好的阐明。

背景介绍

今天小编为大家带来的这篇文章，作者开发了一种新颖的评分系统（称为 SKA 评分）来量化跨癌症的 SKA 家族水平。文章发表在《Frontiers in Immunology》上，影响因子为：8.786，文章题目为：Immunological role and prognostic value of the SKA family in pan-cancer analysis。

数据介绍

公共数据包括TCGA和GTEx的RNA-seq矩阵和相应的临床信息。免疫浸润数据收集自ImmuCellAI和TIMER2数据，并与从UCSC Xena下载的临床信息进行匹配。免疫治疗相关的独立数据集GSE91061和IMvigor210分别从GEO数据库和基于Creative Commons 3.0许可的网站获得。

技术路线

本研究技术路线如图所示。

结果解析

01、SKA家族mRNA水平及其预后价值  

首先，基于 TCGA 和 GTEx 数据库，对于每个 SKA 家族基因，本研究探索了 33 种癌症类型中的差异表达。3 个 SKA 家族基因的表达在 31 种癌症类型中存在差异，如图 1A 所示。从该图中，可以知道SKA基因在除LAML之外的30种癌症类型中高表达。TCGA泛癌数据的进一步分析揭示了SKA家族基因之间的相关性（图1B）。在图1C中，本研究通过String网站初步预测了SKA1/2/3的蛋白质相互作用。

图 1

此外，本研究对 33 个肿瘤中的每个 SKA 家族基因进行了单因素分析（图 2A）。SKA家族中的三个基因被证明是肿瘤的危险因素，包括ACC、KICH、PCPG、MESO、KIRP、LGG和LUAD。Kaplan-Meier曲线分析显示，多种癌症类型（如ACC、KICH、LGG和LUAD）中SKA家族基因的过度表达与不良预后相关（图2B）。

图 2

02、SKA家族的基因改变  

为了探索各种癌症类型中 SKA 家族基因的突变状态，本研究使用 GSCALite 研究了 SNV 图谱。根据SNV百分比热图（图3A），SKA3被鉴定为UCEC中出现频率最高的有害突变基因。接下来评估了 SKA1/2/3 跨癌症的拷贝数变异 (CNV)。使用 33 种癌症类型中的每个 SKA 家族基因计算了不同 CNV 类型的分布比例，包括杂合扩增、杂合缺失、纯合扩增和纯合缺失（图 3B）。三个SKA家族基因的CNV景观是杂合扩增和杂合缺失。图3C显示了33种癌症类型中的22种中SKA2的CNV与其mRNA值之间的正相关关系。SKA家族基因的mRNA水平与纯合或杂合扩增的CNV呈正相关，与纯合或杂合缺失的CNV呈负相关（图3D、E）。

图 3

此外，图 4A 显示了 33 种癌症类型中 SKA1/2/3 的甲基化情况，本研究发现 SKA1/2/3 的甲基化水平在 13 种癌症类型中存在差异（图 4A）。研究普遍证实基因的DNA甲基化水平与基因的mRNA表达量呈负相关。在 SKA1/2/3 的甲基化水平与其 mRNA 水平之间观察到总体负相关（图 4B）。本研究的结果也证实了这一现象。

图 4

03、根据SKA评分进行生存分析  

考虑到SKA家族基因的个体异质性和复杂性，基于ssGSEA，本研究构建了一个评分系统来量化TCGA队列中每种癌症类型中个体患者的SKA基因修饰模式，称为SKA评分。如图5A所示，TGCT的SKA得分最高，而KICH的SKA得分最低。此外，还发现与癌旁组织相比，癌组织中SKA评分升高，包括BLCA、BRCA、CESC、CHOL、COAD、ESCA、HNSC、KIRC、KIRP、LIHC、LUAD、LUSC、PCPG、PRAD、READ、STAD、THCA、和 UCEC （图 5B）。

图 5

通过单因素 Cox 回归，本研究通过分析 SKA 评分与四种生存结果 OS、DSS、DFI 和 PFI 的关联来研究 SKA 评分的预后价值。对于泛癌的单因素结果：（1）对于OS，SKA评分是KIRP、LGG、KIRC、ACC、KICH 、MESO 、PCPG、LUAD、PRAD、PAAD 、SKCM 和SARC 的显著危险因素，是THYM 和 LUSC 的保护因素（图 6A）；（2）对于DSS，SKA评分是KIRP、KIRC、LGG、ACC、KICH、MESO、PCPG 、LIHC、LUAD、PRAD 、PAAD 、SKCM 和 BRCA的显著危险因素（图6B）；（3）对于DFI，SKA评分是KIRP、THCA、LIHC、SARC、BRCA的危险因素（图6C），图 6C 中包含 DFI 信息的样本量较小，因此阳性结果较少；（4）对于PFI，SKA评分是KIRP、KIRC、ACC、LGG、KICH、MESO、PRAD 、LIHC 、PAAD、PCPG 、THCA 、SARC 、LUAD、SKCM、BLCA 和 UVM的显著危险因素（图 6D）。从这些图中可以知道，在预后方面，SKA评分可以作为11种癌症类型的潜在预后危险因素，包括KIRP、LGG、KIRC、ACC、KICH、MESO、PCPG、LUAD、PRAD、PAAD、和SKCM。总而言之，这些研究结果表明，SKA 评分是多种癌症类型的重要危险因素，并在泛癌症水平上显示出强大的 HR 值。

图 6

04、SKA分数的GSVA 

本研究进行了 GSVA，根据 50 个 HALLMARK 路径来调查可能受 SKA 评分影响的潜在路径。 图 7 显示了 SKA 评分与 GSVA 路径的相关性。获得的结果显示，SKA评分与泛癌中细胞增殖相关通路和DNA复制呈正相关，如E2F靶点、G2M检查点、MYC靶点V1/V2、有丝分裂纺锤体和DNA修复，这表明肿瘤细胞可能通过这些信号通路具有很强的增殖能力。

图 7

05、SKA评分与TME之间的关系  

本研究进一步探讨了33种癌症类型的SKA评分与TME评分(包括基质评分、免疫评分和ESTIMATE评分)之间的关系。结果发现，在大多数癌症类型中，SKA评分与基质评分、免疫评分和ESTIMATE评分呈负相关，但与肿瘤纯度呈正相关(图8A)。在TME中，SKA评分可能抑制抗肿瘤免疫，促进肿瘤细胞增殖、存活和侵袭。接下来，本研究从一篇已发表的论文中提取并计算了TME相关通路得分，然后探讨了SKA评分与TME相关通路之间的关系，在33种癌症类型中，SKA评分与DNA复制、错配修复和DNA损伤反应密切相关，但与免疫和基质相关通路，包括EMT1/2/3、CD8T效应物和免疫检查点负相关(图8B)。

图 8

06、免疫浸润分析

上述结果表明SKA评分与免疫评分密切相关，因此进一步研究了 TME 中 SKA 评分与免疫细胞之间的关系。获得的结果显示，根据 TIMER2 数据库，SKA 评分与大多数癌症免疫细胞呈负相关，表明存在免疫抑制性 TME（图 9A）。ImmuCellAI 数据库的结果显示，SKA 评分通常也与泛癌水平的 TME 中的免疫细胞浸润相关（图 9B）。两次分析的结果是一致的并且可以相互验证。

图 9

07、SKA评分与免疫治疗反应的相关性  

接下来本研究进一步探讨SKA评分与免疫治疗相关生物标志物(TMB和MSI)的相关性。结果显示，SKA评分与18种癌症类型的TMB呈正相关，与8种癌症类型的MSI呈正相关(图10A, B)。SKA评分与SKCM和BLCA的TMB值存在显著相关性，推测SKA评分高的患者在某些癌症类型中对免疫治疗敏感。

图 10

为了验证假设，本研究从SKCM (GSE91061队列)和BLCA (IMvigor210队列)数据集中筛选了独立的免疫治疗相关数据集，并计算了每位患者相应的SKA评分。基于两个免疫治疗队列研究了SKA评分是否可以预测患者对免疫检查点阻断治疗的反应。在抗PD1队列(GSE91061)和抗PDL1队列(IMvigor210)中，SKA评分高的患者表现出显著延长的临床反应(图11A, B)和显著延长的生存期(图11C, D)。与SKA评分低的患者相比，SKA评分高的患者抗PD1/L1免疫治疗的显著治疗优势和临床反应得到了证实。同时，SKA评分高的患者客观缓解率高于评分低的患者(图11E, F)。此外，抗PD1/L1免疫治疗患者的SKA评分的预测价值优于CTLA4和PD1/L1(图11G, H)。这再次证实了SKA评分相对较高的患者更适合免疫治疗。上述一系列观察和验证的结果表明，SKA评分可以作为肿瘤治疗免疫治疗疗效和化疗疗效的潜在预测指标。

图 11

08、免疫组织化学

为了进一步验证SKA1/2/3的表达结果，本研究进行了免疫组织化学染色。 结果证实，BC组织中SKA1/2/3高于邻近正常组织，GC组织中SKA2和SKA3高于邻近正常组织(图12A-J)。

图 12

小编总结

本研究利用来自三个大型公共数据集的数据，包括癌症基因组图谱、基因型-组织表达和基因表达综合数据库，开发了一个新的评分系统(称为SKA评分)来量化癌症之间的SKA家族水平。然后评估了SKA评分对生存的预后影响，并使用多组学生物信息学分析评估了SKA评分对泛癌症水平免疫治疗的影响。深入探讨SKA评分与肿瘤微环境的相关性。通过CTRP和GDSC分析评估潜在的小分子化合物和化疗药物。采用免疫组化方法验证SKA家族基因的表达。

本研究具有三个优势。首先，之前的研究旨在开发和验证某些癌症的预后特征，而本研究聚焦于泛癌数据，使得SKA评分系统更具普适性和适用性。其次，与仅评估一种生存结果（通常为 OS）的研究相比，本研究中的 SKA 评分不仅关注 33 种癌症类型的四种生存结果（OS、DSS、PFI 和 DFI），而且显示出强大的 HR 值。第三，这项研究是第一个基于SKCM和BLCA队列数据探讨SKA评分与免疫治疗反应的相关性的研究，这在某些癌症类型中尚未有报道。