SCIER Author Services

大家好！今天跟大家分享的文献是2020年10月发表在Molecular Therapy: Oncolytics （IF=4.115）杂志上的一篇文章。文章从CBTTC和ICGC下载PGs的转录组数据和突变数据，从免疫角度对PGs进行分类，共分为三种类型。作者构建了分类预测公式，可以准确预测PGs患者的分类。

题目：Classification of pediatric gliomas based on immunological profiling: implications for immunotherapy strategies

基于免疫学分析的小儿胶质瘤分类

摘要

小儿胶质瘤（PGs）是儿童中最常见的脑肿瘤，是导致儿童癌症死亡的原因之一。了解免疫微环境对抗肿瘤免疫治疗具有重要作用。本研究分析了495例PGs患者的转录组数据，包括训练集384例和验证集111例。PGs微环境中巨噬细胞是最常见的免疫浸润类型，其次是T细胞。根据免疫学特征，PGs分为三种免疫亚型（ISs），分别为IS-Ⅰ，IS-Ⅱ和IS-Ⅲ。IS-Ⅰ亚型预后较好，对抗PD-1和抗-CTLA4免疫治疗的效果较好，而IS-Ⅲ亚型ICM表达水平较低，预后较差且对免疫治疗的效果较差。免疫分类还与体细胞突变，拷贝数突变和肿瘤发生，代谢等分子通路有关。使用机器学习方法构建了基于8个基因的分类器，可以用于免疫分类。本研究为PGs构建了基于免疫学特征的分类方法，为免疫治疗提供了有用信息。

流程图

结果

1. 数据的收集和获取

从CBTTC和ICGC下载PGs的转录组数据，包含训练集数据384例和验证集数据111例。包含CBTTC数据集的321例PGs的体细胞突变和CNA数据。

2. PGs患者的三种免疫亚型（ISs）和患者OS，肿瘤组织学和WHO分级的相关性

使用ssGSEA分析计算PGs患者的免疫打分。非监督聚类根据免疫打分将CBTTC训练集分为3类（图1A）。免疫打分高组定义为IS-Ⅰ（n=129），免疫打分低组定义为IS-Ⅲ（n=90）其余为IS-Ⅱ（n=165）（图1C）。Kaplan-Meier生存分析表明，不同亚型与不同临床结果有关（图1B）。IS-Ⅰ患者的OS最好而IS-Ⅲ患者的OS最差。对ICGC验证集进行相同分析，患者分为3类（图1E和1G）。Kaplan-Meier生存分析表明IS-Ⅰ患者的OS最好而IS-Ⅲ患者的OS最差（图1F）。

随后比较了三个亚组之间的临床病理特征（表1）。IS-Ⅱ患者年龄最小，IS-Ⅰ患者和IS-Ⅲ患者的年龄没有显著差异（图1D和1H）。

3. PGs免疫亚型的微环境不同

使用ESTIMATE算法计算CBTCC和ICGC队列三个亚型的免疫打分和基质打分。IS-Ⅰ患者的免疫打分和基质打分较高，IS-Ⅲ患者的免疫打分和基质打分较低（图2A和2D）。相反的，从IS-Ⅰ患者到IS-Ⅲ患者，ESTIMATE打分降低但肿瘤纯度打分升高。使用CIBERSORT计算PGs患者的肿瘤浸润免疫细胞（TIICs）比例。M2巨噬细胞，CD4记忆静息T细胞和肥大细胞是PGs微环境中最常见的细胞。大多数TIICs在IS-Ⅰ患者中比例较高，在IS-Ⅲ患者中比例较低（图2B和2E）。

4. ISs相关的KEGG通路

GSVA分析在训练集中鉴定到与IS-Ⅰ亚类正相关29条通路和与IS-Ⅲ亚类正相关的3条通路（图2C）。在验证集中鉴定到与IS-Ⅰ亚类正相关的44条通路（图2F）。其中有28条KEGG通路是两个数据集中共有的通路。

5. ISs亚类的体细胞突变和CNAs不同

如图3A和3C所示，IS-Ⅰ亚类中BRAF基因的突变频率最高，IS-Ⅱ亚类中SVIL基因的突变频率最高而IS-Ⅲ亚类中CACNA1A基因的突变频率最高。IS-Ⅲ亚类中TMB较低而IS-Ⅰ亚类和IS-Ⅱ亚类中TMB没有差异（图3G）。从IS-Ⅰ亚类到IS-Ⅲ亚类，BRAF的突变频率逐渐降低，而H3K27M的突变频率逐渐升高，不同亚类中ATRX，EGFR，IDH，PTEN，TERT和TP53的突变频率没有显著差异（图3K）。对于CNA来说，IS-Ⅰ亚类和IS-Ⅱ亚类的CNA频率更高（图3H和3J）。

6. ISs亚类的免疫检查点水平和免疫治疗反应不同

CBTTC和ICGC队列从IS-Ⅰ亚类到IS-Ⅲ亚类的六个ICMs的表达水平逐渐降低（图4A和4D）。使用TIDE预测PG患者对免疫治疗的反应（图4B和4E）。如图4C和4F所示，IS-Ⅰ亚类对抗PD-1和抗CTLA4治疗最敏感。

7. ISs亚类的候选药物和作用效果（MoA）

根据Kruskal-Wallis检验分别在IS-Ⅰ亚类，IS-Ⅱ亚类和IS-Ⅲ亚类鉴定到245，154和327个代表基因。Connectivity Map分析鉴定每个IS亚类的代表基因和潜在化合物靶向的分子通路。IS-Ⅰ亚类中有34个化合物靶向的35条分子通路（图5A），IS-Ⅱ亚类中有20个化合物靶向的20条分子通路（图5B），IS-Ⅲ亚类中有38个化合物靶向的25条分子通路（图5C）。在IS-Ⅰ亚类中有4种化合物与金属蛋白酶抑制剂具有相同的MoA，在IS-Ⅱ亚类中有7种化合物与钠通道阻断剂具有相同的MoA，IS-Ⅲ亚类有8种化合物与钙离子通道阻断剂具有相同的MoA。

8. 鉴定PGs患者的IS亚类的代表基因

使用机器学习的方法鉴定IS亚类的特征基因，使用LASSO和Boruta分析鉴定到35和106个基因（图6A和6C），共有的12个基因可以作为IS-Ⅰ亚类的特征基因（图6D）。使用同样方法分别鉴定到IS-Ⅱ亚类和IS-Ⅲ亚类的8个和15个特征基因（图6J和6P）。随后进行单因素和多因素分析，鉴定到8个特征基因（表2），使用这8个基因计算ISs亚类的预测打分。IS-Ⅰ亚类预测打分=1.34+4.87*CCL18+11.19*SIGLEC6，IS-Ⅱ亚类预测打分=（-1.59）-1.27*IGFN1-7.23*SIGLEC6，IS-Ⅲ亚类预测打分=（-1.17）-3.07*GZMH-6.08*CD2-4.26*HLA-DQA1-3.88*FCER1A。

表2 单因素和多因素回归分析

训练集IS-Ⅰ亚类预测公式AUC为0.979（图6E和6F），预测打分大于45.1时认为是IS-Ⅰ肿瘤。IS-Ⅱ亚类的ACU为0.996，预测打分大于40.1时认为是IS-Ⅱ肿瘤。IS-Ⅲ亚类的AUC为0.993，预测打分大于-3901.6时认为是IS-Ⅲ肿瘤（图6Q和6R）。

图6 构建IS亚类的预测公式

结论

本研究从CBTTC和ICGC下载PGs的转录组数据和突变数据，从免疫角度对PGs进行分类，共分为三种类型。IS-Ⅰ亚类免疫浸润水平和ICM表达水平较高，预后较好，对免疫治疗效果较好。IS-Ⅲ亚类免疫水平和ICM表达水平较低，预后不良，对免疫治疗效果较差。最后，作者构建了分类预测公式，可以准确预测PGs患者的分类，有助于进一步对免疫治疗和靶向治疗有效果的患者进行分类。但本文仍然存在一定局限性，例如还需要进行实验验证验证该分类器的准确性。

版权声明：本文转自“生信发文助手"，文章转载只为学术传播，不代表本号观点，无商业用途，版权归原作者所有，如涉及侵权问题，请联系我们，我们将及时修改或删除。

SCIER星科编辑，耶鲁大学博士团队匠心打造，专注最新科学动态并提供各类科研学术指导，包括：前沿科学新闻、出版信息、期刊解析、SCI论文写作技巧、学术讲座、SCI论文润色等。