其他分享
首页 > 其他分享> > 文献(7): 在非小细胞肺癌中,浆细胞signature可用于PD-L1免疫治疗的响应预测

文献(7): 在非小细胞肺癌中,浆细胞signature可用于PD-L1免疫治疗的响应预测

作者:互联网

到今天为止,几乎所有的肿瘤类型都已经发表了对应的单细胞图谱。肿瘤单细胞转录组还有必要做吗?还能做出新意吗?今天分享的这篇文献给出了答案:和免疫治疗结合是不错的点。
除了文献整体思路可借鉴程度高,在分析层面也有很值得参考的细节(比如找亚群特异基因单细胞结合bulk转录组),我会在下文重点标注。

这篇文献最近发表于cancer cell上面,文献标题:Intratumoral plasma cells predict outcomes to PD-L1 blockade in non-small cell lung cancer

1. 相关研究背景

2. 主要结果

2.1 B细胞转录组特征与阿替利珠单抗治疗后患者生存显著相关

作者首先利用两个平行的临床数据集(每个数据集都包含免疫治疗和化疗的病人),分别在免疫治疗、化疗病人里面,比较了预后好和预后差病人的转录组。结果表明,在免疫治疗后的病人里面,预后好的患者会富集B细胞的marker基因,而T细胞效应相关的基因却没有高表达。这种现象在化疗后的病人里面没有看到。

这提示了B细胞相关的基因可能具有预测免疫疗法响应程度的价值。

紧接着看了B细胞marker基因和T细胞效应相关基因的生存分析,发现CD79A, CD19高表达在免疫治疗组中有更低的HR,符合上述的推论。(注:生存分析根据三分位数分组,上1/3标为T3,下2/3标为T1-2)

到这儿可以自然而然提出下一个问题,具体是哪一种B细胞呢?引出了下面的内容。

2.2 B细胞亚群鉴定

这一部分内容使用的是公共数据集,来自2020年发表于NC的肺腺癌单细胞文章。原研究中,患者都是未治疗的,这里借用过来可能基于两个假设:一是假设治疗、未治疗情况下,只是细胞占比发生变化,细胞类型没有很大改变;二是这篇文章只是将B细胞分为了三个主要类型,一般而言,细胞大类不易改变。

最终是将B细胞分为了:浆细胞、生发中心B细胞、滤泡型B细胞。

接着作者提取了每个子类的特征基因集/signature。需要注意的是,作者看了subset的DEG在其他亚群中的表达情况。比如浆细胞的signature基因不能在T细胞、NK细胞、成纤维细胞等等中表达。这一步我觉得是非常严谨的,这是我看的第一篇如此严格挑选特征基因的文章。

以往的文章,找到某个亚群的DEG,然后去做生存分析,期望能分开预后。我其实一直觉得这样做有点问题,因为按照找亚群找差异基因看生存分析这个流程,你的目的是为了说明这个亚群的重要性,这没问题,问题是,这个基因不一定只由这群细胞表达,还能简单说明是你感兴趣亚群的重要性吗?

在确定完signature基因集之后,作者又用另外两个单细胞数据集验证了signature的准确性和特异性。

2.3 B细胞亚群signature用于bulk转录组数据分析

在将signature运用到bulk数据之前,作者进一步验证了可行性。首先看了signature基因在bulk样本中的共表达情况,属于一个signature中的基因最好是共表达的,这一点从聚类热图中可以看出。
另外,分析signature之间的相关性,发现滤泡B细胞和生发中心B细胞的signature评分相关性较高,说明这两种B细胞占比可能会同高同低。

接着用mIF(多重免疫荧光)定量浆细胞,每个样本同时有mIF数据和bulk RNA-seq数据,发现mIF定量结果和signature评分相关性较高,进一步说明前面从单细胞得到的signature的准确性。

2.4 经阿替利珠单抗治疗后,浆细胞signature表达高水平预示着更好的综合生存(OS)

用3个B细胞子集的signature去给患者分组,只有浆细胞signature是显著的,免疫治疗组浆细胞signature的T3(上1/3), 和T1-2(下2/3)两组患者生存可以明显分开。

接下来的几个分析内容都是从不同角度来说这个浆细胞signature很好。

比如将其他指标加入多变量cox模型,包括T细胞效应相关signature、已知能一定程度上预测免疫治疗响应的指标(如TMB,PDL1表达水平等等),结果表明浆细胞signature可以看作一个独立的预测因子。

继续将浆细胞signature运用到其他场景里,比如TCGA(未治疗),尿路上皮细胞癌(urothelial cancer)阿替利珠单抗治疗数据集。发现在TCGA数据集中对生存没影响,在另一个免疫治疗数据集中可以区分生存。因此作者认为,浆细胞signature对免疫治疗后响应预测价值不局限于非小细胞肺癌。

将综合生存(OS)这个评价标准换为objective responses,同样可以得到类似的结果。在免疫治疗组,浆细胞signature T3比T1-2中有更多的CR/PR/SD比率。

在不同的分组体系里面,都可以看到类似的结果。比如按照鳞癌/非鳞癌,是否有某种mutation分组等等。

2.5 浆细胞signature富集于有TLS, LAs这些特殊结构的肿瘤组织中

表达看完了,再来看看空间关系

这一部分作者主要探讨了浆细胞和TLS/LAs的空间关系,发现浆细胞会出现在三级淋巴结构中,LAs中也发现了浆细胞。

对比有TLS/LA和没有的肿瘤样本,发现有这些结构的样本高表达浆细胞相关基因,这和前面浆细胞存在于这些结构是对应的。用TLS/LA存在与否,同样可以区分预后。

3. 总结

以上就是这篇文献的主要内容了。要是能把浆细胞如何影响免疫治疗响应的后续机制再做做,就更好了。

整理不易,欢迎大家点赞+转发!

标签:浆细胞,亚群,L1,基因,免疫治疗,细胞,PD,signature
来源: https://blog.csdn.net/qq_38774801/article/details/123582597