本期iProteome与大家分享的工作来自于年Immunity上的TheImmuneLandscapeofCancer一文，本文作者利用TCGA收集的数据，对包括33种不同癌症类型的多个肿瘤进行了广泛的免疫组学分析。在不同的癌症类型中，确定了六种免疫亚型：伤口愈合，IFN-g显性、炎症、淋巴细胞减少、免疫平静和TGF-b显性。特异性驱动基因突变与所有癌症中白细胞水平较低（CTNNB1、NRAS或IDH1）或较高（BRAF、TP53或CASP8）相关。细胞内和细胞外网络的多种控制方式（转录、microRNAs、拷贝数和表观遗传过程）参与了免疫亚型之间和免疫亚型内部的肿瘤免疫细胞相互作用。作者采用免疫组学途径，表征这些异质性肿瘤，另外由此产生的数据可以作为一种资源。
研究背景癌症基因组图谱（TCGA）深刻地揭示了人类恶性肿瘤的基因组学，从大量肿瘤样本中获得的基因组和转录组数据以用于研究肿瘤微环境，免疫浸润的测量定义了卵巢癌，黑色素瘤和胰腺癌的分子亚型，免疫基因在其他肿瘤中的表达因分子亚型而异。利用基因表达特征，T细胞受体（TCR）和B细胞受体（BCR）对免疫微环境进行特征化，进行分析以确定新的抗原免疫靶点，为许多癌症类型提供丰富的信息并具有预测价值。
与TCGA工作同期，癌症免疫治疗已经彻底改变了癌症治疗，抗CTLA-4、PD-1和PD-L1的抗体可有效治疗多种恶性肿瘤，然而，驱动这些反应的免疫微环境的生物学还不完全清楚，但是对免疫治疗策略的设计至关重要。
作者整合了主要的免疫组学方法，对TCGA分析的33种癌症的免疫微环境TME进行了特征化，评估了总淋巴细胞浸润（来自基因组和HE图像数据），来自mRNA-seq数据反褶积分析中的免疫细胞组分，免疫基因表达特征，新抗原预测，TCR和BCR序列推断，病毒RNA表达和体细胞DNA改变。发现了可能控制TME的转录调控网络和细胞外通信网络，以及TME特征的可能的种系决定因素，并建立了预后模型。
通过这种方法，我们识别并鉴定了跨多种肿瘤类型的六种免疫亚型，对癌症治疗和预后具有潜在的意义。
结果所有TCGA肿瘤样本用于描述癌症的免疫反应，识别常见的免疫亚型，并评估肿瘤外部特征是否能预测预后，作者分析了所有TCGA肿瘤样本的TME。首先汇集了已发表的肿瘤免疫表达特征，并对所有非血液学TCGA癌症类型进行了评分。随后的聚类分析确定了免疫肿瘤基因的特征，然后将TCGA肿瘤类型分为六个亚型，然后通过DNA甲基化，mRNA和图像分析确定白细胞比例和细胞类型（见肿瘤免疫浸润成分），生存模型评估免疫亚型与患者预后的关系（见肿瘤免疫反应措施的预后相关性）。新抗原预测和病毒RNA表达（见免疫原性调查），TCR和BCR基因序列推断（见癌症适应性免疫受体基因序列）以及免疫调节剂（IM）表达和调节。为了评估特定的潜在体细胞改变（途径，拷贝数改变和驱动基因突变）在多大程度上驱动TME的组成，研究确定了哪些改变与改良免疫浸润相关（见体细胞变化的免疫反应相关）。最后，以试图找出控制肿瘤免疫应答的潜在细胞内调节网络，以及参与了建立TME特殊免疫环境的细胞外通信网络。
Fig.1ImmuneSubtypesinCancer
癌症中的免疫亚型
为了描述肿瘤内免疫状态，文章对个免疫表达特征进行评分，并使用聚类分析来识别免疫特征集的模块。五种免疫表达特征巨噬细胞/单核细胞，淋巴细胞浸润（主要由T和B细胞构成），TGF-B反应和伤口愈合，这项选中对所有30种非血液肿瘤类型进行聚类分析，六组免疫亚型：C1-C6的特征是基于肿瘤样本的主要样本特征，免疫亚型跨越解剖位
C1(伤口愈合)具有血管生成基因的高表达，高增值率和TH2细胞对适应性免疫浸润的偏好。结直肠癌（COAD结肠癌，READ直肠腺癌），和肺鳞状细胞癌（LUSC）富含C1，乳腺浸润癌（BRCA）管腔A,典型的头颈鳞状细胞癌HNSC和染色体不稳定CIN胃肠道亚型也富含C1。
C2(IFN-g显性)的M1/M2巨噬细胞极化率最高，CD8信号强，与C6一起，TCR多样性最大，C2也显示出高的促生命率，这可能会超过一个进化的I型免疫反应，并且由高度突变的BRCA，胃，卵巢OV，HNSC和宫颈肿瘤CESC组成。
C3(炎症性)由Th17和Th1基因升高，低至中度肿瘤细胞增殖，以及与C5一起，非整倍体水平和整体体细胞拷贝数改变低于其他亚型定义。多数肾脏，前列腺癌PRAD，胰腺癌PAAD和甲状腺乳头状癌THCA富含C3。
C4(淋巴细胞缺失)在肾上腺皮质癌（ACC），嗜铬细胞瘤和副神经节瘤（PCPG）、肝细胞肝癌（LIHC）和胶质瘤的特定亚型中富集，并显示出更显著的巨噬细胞特征（图2A），Th1被抑制，M2反应高。
C5(免疫安静)主要由脑低级别（LGG）组成，表达出最低的淋巴细胞和最高的巨噬细胞反应，以M2巨噬细胞为主。胶质瘤亚型CpG岛甲基化表型高，1p/19q编码缺失亚型和毛细胞星形细胞瘤样在C5中普遍存在，其余亚型富含C4，IDH突变在C5高于C4,提示IDH突变与良好的免疫成分有关，事实上，IDH突变与TME组成相关联，并降低白细胞趋化性，导致肿瘤相关的IM细胞减少和更好的结果。
C6(TGF-b显性)是一组在任何一种TCGA亚型中均不占优势的混合瘤，其TGF-b信号最高，淋巴细胞浸润高，I型和II型T细胞分布均匀。
这六个类别代表了TME的特征，它很大程度上跨越了传统的癌症分类，形成了分组，并表明某些治疗方法可以独立于组织学类型。
Fig.2CompositionoftheTumorImmuneInfiltrate
肿瘤免疫浸润成分
白细胞分数（LF）在免疫亚型和肿瘤类型之间存在显著差异，排名前三位的肿瘤包括对免疫检查点抑制剂最敏感的肿瘤，如肺腺癌LUAD，LUSC，皮肤黑色素瘤SKCM，HNSC和肾透明细胞癌KIRC，尤其是LUSC，LUAD,BLCA，KIPR和HNSCC间充质细胞亚型。葡萄膜黑色素瘤UVM和ACC的LF很低。胶质瘤亚型在LF中分布范围比其他肿瘤大，这可能反应了小胶质瘤的存在与否。肿瘤间质组分的白细胞比例因肿瘤类型和免疫亚型而异，从SKCM90%到PAAD,PRAD和LGG等间质丰富肿瘤10%。
通过对数字化TCGAHE染色片的分析估计，具有肿瘤浸润淋巴细胞（TIL）的肿瘤区域的空间分数因免疫亚型而异，C2最高，图像估计与淋巴细胞比例的分子估计相关性不大，部分原因是分子估计更类似于细胞计数，而空间TIL只是面积的一部分。两种完全不同的方法对淋巴细胞含量估计的相对相似性增强了个别方法的稳健性。
Fig.3ImmuneResponseandPrognostics
肿瘤免疫反应指标与预后的关系
与总生存率OS和无进展间隔PFI相关的免疫亚型，C3预后最好，C2和C1尽管有大量免疫成分，但预后较差，C4和C6这两种信号亚型较混杂，结果最差，利用一致性指数CI测量肿瘤和免疫亚型TME的功能定位，发现具有相关的预后影响，更高的淋巴细胞特征与C1和C2的预后改善相关。五个特征中的任何一个增加都会导致C3结果更糟，可能会重新反映平衡的免疫反应。虽然Th17细胞的增加会导致OS的改善，但是Th1在大多数免疫亚型中与OS的恶化相关，Th2的定向具有混合效应。肿瘤类型显示了两种与免疫定位相关的行为。在包括SKCM和CESC在内的第一组中，免疫途径的激活通常会有良好的结果相关，另一组中则相反，单个免疫细胞类型的相对丰度具有复杂的关联，不同肿瘤类型之间存在差异，这些不仅局限于对淋巴细胞压力的测定，还表明了在不同肿瘤类型和免疫环境与患者预后相关的可测试性。
Fig.4ImmuneResponseandGenomeState
体细胞变异与免疫应答的关系
免疫浸润与DNA损伤有关，包括拷贝数变异CNV(片段数和基因组改变的分数)，非整倍数，杂合性丢失，同源重组缺陷和肿瘤内异质性。LF与CNV片段负荷呈负相关，C6和C2的相关性最强，LOH，HRD和突变负荷呈正相关，C3的相关性尤为显著。这些结果表明，在某些免疫亚型中，多个较小的，局灶性拷贝数时间和较大的事件对免疫浸润的影响是不同的。
在许多癌症类型中，ITH增加与更差的临床结果或IM治疗的低疗效相关，ITH与9种肿瘤类型（LUAD，BRCA,KIRC,HNSC,GBM多形性胶质母细胞瘤，OV,BLCA,SKCM和READ）中LF和许多肿瘤类型中单个相对免疫细胞组分相关，ITH在C1和C2中最高，在C3中最低，可能支持了较低的ITH与提高生存率之间的联系。
由于同一途径中的驱动突变与LF(如BRAF，KRAS，NRAS)具有相反的相关性，我们考虑了体细胞改变对8种致癌信号途径的总体影响。文章考虑了体细胞改变（突变和SCNA）对8种致癌信号途径的总体影响，PI3K，NOTCH和RTK/RAS通路的阻断对免疫因子有不同的，肿瘤类型特异性的影响，而TGF-b通路中断与低LF，高嗜酸性粒细胞和巨噬细胞增多更一致。然而，在C3中，TGF-b途径的破坏与高LF和M1巨噬细胞，低记忆b细胞，辅助性T细胞和M0巨噬细胞相关。因此，TGF-b途径的破坏对LF有依赖性作用，但可能促进巨噬细胞的增加，特别是M1。较高的M1/M2比值，反过来又可能重申这些患者的局部促炎状态。
Fig.5TheTumor-ImmuneInterface
免疫原性调查
大多数与MHC结合的SNV衍生肽都是在单一MHC等位基因的背景下发现的89.9%。单个突变产生99.8%的独特pMHCs，而0.2%是由产生相同肽的不同基因位点的不同突变引起的。最常观察到的pMHCs来自反复突变的基因（SNV的BRAF,IDH1,KRAS和PIKC3A,indels的TP53和RNF43）。在BRCA和LIHC中，PFI越差与新抗原负荷越高相关，而BLCA和UCEC则表现出相反的作用。然而，对于大多数肿瘤，预测的pMHC计数与生存率之间没有明确的联系。在免疫亚型中，新抗原负荷越高，C1和C2的PF1越高，C3，C4和C5的PFI越差。这些结果表明，新抗原负荷在免疫亚型中比在来源组织中提供更多的预后信息，强调了整体免疫信号在肿瘤新抗原应答中的重要性。
6.2%的病例中发现人乳头状瘤病毒HPV，主要见于CESC,GBM,HNSC和KIRC，而乙型肝炎HBV和EBV病毒主要见于LIHC和STAD(胃腺癌)。在所有肿瘤的回归模型中，每种病毒类型的高载量与免疫特征有关。高EBV含量与高CTLA4和CD表达和低B细胞特征密切相关。高HPV水平与增殖和TH2细胞增多有关，但巨噬细胞含量较低。相反，HBV高水平与Th17信号和gdT细胞含量相关，这些发现强调了不同病毒对不同癌症类型免疫反应的不同影响。
研究发现表明，pMHC负荷和病毒含量影响免疫细胞组成，而CTAs对免疫反应影响不一致。pMHC负荷对预后的影响具有疾病特异性，且受免疫亚型的影响。
Fig.6PredictedNetworksModulatingtheImmuneResponsetoTumors
调节肿瘤免疫反应的网络
免疫反应是由肿瘤、免疫细胞和其他基质细胞中的细胞内分子网络的集体状态决定的，细胞外网络包括细胞间的直接相互作用和通过可溶性蛋白质（如细胞因子）进行的通讯，以介导这些细胞间的相互作用。根据TME估计，从已知的其他来源的细胞外相互作用的大网络开始，确定哪些满足相互作用的特定先决条件，即两个相互作用伙伴始终存在于免疫亚型的样本中。研究把网络的重点放在IMs上。C2、C3网络中CD8T细胞丰富，C3、C4、C6网络中CD4T细胞丰富。
衍生的细胞外网络反映了免疫亚型在细胞倾向和免疫途径激活方面的特性（图1B、1C、2A和S2A），但也将这些特性放在TME中可能在塑造这些特性方面发挥作用的相互作用的背景下。在不同亚型中观察到的IMs之间的特殊联系对于确定治疗方向可能很重要。接下来，使用两种互补的方法，即主调节因子（masterregulators，MRs）和SYGNAL，来合成一个泛癌转移调控网络，描述基因组事件与转录调控因子、下游靶基因之间的相互作用，以及最终与免疫浸润和存活之间的相互作用。据推测，SYGNALPanImmune中的调节因子共调控27个IM基因（图S7C）。SYGNALPanImmune中最常见的两个共同调节的IMs，BTN3A1和BTN3A2，尤其令人感兴趣，因为它们调节T细胞的活化，并具有基于抗体的免疫疗法.
在SYGNALPanImmune中，KIRC、LGG、LUSC和READ中富含IMs的双聚体的表达增加与患者生存率降低相关。相反，含有CCL5、CXCL9、CXCL10、HAVCR2、PRF1和MHCⅡ类基因的富含IMs的双聚簇的表达增加与患者生存率的提高有关。
本文亮点六种已鉴定的免疫亚型跨越了癌症组织类型和分子亚型
免疫亚型因体细胞畸变、微环境和存活率的不同而不同
分子网络的多种控制方式对肿瘤免疫相互作用的影响
这些分析为探索癌症类型的免疫原性提供了资源
作者：徐宁
编辑：刀刀
往期精彩合集
生信专辑
SEER数据库专辑
临床预测模型
SCI期刊投稿
R语言小白专辑
临床研究与meta
文献深度解读
医科研学术社群预览时标签不可点收录于话题#个上一篇下一篇