中国药科大王小晟团队：纯生信7分+，看多组学分析如何在免疫治疗反应中闯出一片天！

啥？转录组学发文竞争越来越大了？别慌，一根筷子易折断，十根筷子折不断。单靠转录组打的吃力了，咱就来个多组学分析。用多组学分析不但可以拓宽分析范围，还可以通过多方面分析，更容易碰撞出新的生物标志物以及治疗靶点等亮眼的火花。 而小云今天就发现中国药科大学王小晟团队就巧妙的利用多组学分析轻松的拿下了7分+的纯生信文章。文章利用免疫治疗数据和TCGA多组学数据的互补优势，探索黑色素瘤免疫治疗反应的预测性生物标志物。而

不做实验能发上7分+

，快让小云来给大家分析一下其中的玄机吧~ 1，目前

多组学分析就是个发高分的“显眼包”

，而作者抓住了这个分析方法，首次在基因组、转录组、表观基因组和蛋白质组水平上揭示了一系列与黑色素瘤免疫治疗反应显著相关的分子特征； 2，

免疫治疗反应

在肿瘤治疗的研究中可以说是一个颇具创新的研究切入点，作者从该切入点进行研究，大大的提高的文章的创新性； 3，文中

基于多种数据信息建立了逻辑回归模型

，用该模型可以有效预测TCGA-SKCM队列中反应性和非反应性黑色素瘤，为文章增加了亮点； 4，文章得到的生物标志物在免疫治疗反应中具有潜在的预测价值，具有实际的

临床指导意义

。所以想要不做实验也能发高分的小伙伴们可以借鉴一下本文的研究思路哦~

题目：通过多组学分析确定与黑色素瘤免疫治疗反应相关的生物标志物

杂志：Comput Biol Med

影响因子：IF=7.7

发表时间：2023年10月

研究背景

黑色素瘤（SKCM）是一种具有高度侵袭性和最致命的皮肤癌。虽然手术切除后早期黑色素瘤的5年相对生存率超过95%，但晚期黑色素瘤的预后仍然很差。传统疗法，如化疗，对晚期黑素瘤患者的生存效益有限。尽管免疫检查点抑制剂(ICIs)在黑色素瘤治疗中显示出最大的成功，但只有一小部分黑色素瘤患者对ICIs反应良好。因此，确定免疫治疗反应的预测性生物标志物至关重要。所以在本研究中作者利用免疫治疗数据和癌症基因组图谱(TCGA)多组学数据的互补优势，探索黑色素瘤免疫治疗反应的预测性生物标志物。

数据来源

研究思路

作者首先利用7个不同的RNA-seq数据集生成了SKCM基因表达谱数据集CT；利用4个含有ICI治疗临床数据的数据集创建了SKCM体细胞突变分析数据集CM。基于两个数据集利用T检验和Fisher检验确定了反应性和非反应性SKCM之间的差异表达基因(DEGs)以及突变率显著差异的基因，并以这些基因为特征，建立了logistic回归模型来预测TCGA-SKCM队列中反应性和非反应性SKCM。接下来作者利用多组学分析比较了反应性和非反应性SKCM的各种分子和临床特征：在转录组上，通过比较抗肿瘤免疫特征（CD8+ T细胞、NK细胞等）比较两种SKCM的抗肿瘤免疫反应，通过比较2220个miRNA的表达比较了两种SKCM的差异表达miRNA和相关基因靶点；在基因组上，通过比较肿瘤突变负荷(TMB)、拷贝数变异(CNA)、肿瘤内异质性(ITH)、肿瘤抑制基因和致癌基因的突变来比较两种SKCM的基因组特征；在蛋白组上，通过比较了208个蛋白的表达比较了两种SKCM之间的蛋白表达特征；在表观基因组上，通过分析DNA甲基化数据比较了两种SKCM的甲基化谱；最后通过生存分析和表型特征比较了临床特征和结果，从而揭示与免疫治疗反应显著相关的分子特征，而其中一些有望成为SKCM免疫治疗反应的预测性生物标志物。

主要结果

1. TCGA-SKCM患者免疫治疗反应和非反应的预测

作者首先基于CM数据集构建了一个逻辑回归模型来预测免疫治疗反应性和非反应性黑色素瘤。将该模型应用于TCGA-SKCM数据集，预测了101个反应病例和371个非反应病例。而后基于CT数据集，作者在反应组和非反应组之间确定了245个DEGs，并基于DEGs的表达谱对TCGA黑素瘤进行了分层聚类。该分析确定了在反应性黑色素瘤中高度表达上调的DEGs以及在非反应性黑色素瘤中表达上调的DEGs，并将两组TCGA黑素瘤分别定义为反应组和无反应组。因此，通过上述分析分别基于体细胞突变和转录组数据确定了TCGA-SKCM中两组反应性黑色素瘤和两组非反应性黑色素瘤。最后，在TCGA-SKCM中确定了170例无反应和56例反应的黑色素瘤病例(图1)。

图1 TCGA-SKCM中反应性和非反应性黑色素瘤的预测方法

2. 反应性黑色素瘤比非反应性黑色素瘤表现出更强的抗肿瘤免疫反应

人类白细胞抗原(HLA)在抗肿瘤免疫反应和免疫治疗反应中起着至关重要的作用。作者发现24种HLA基因在反应性黑色素瘤中的表达水平明显高于非反应性黑色素瘤(图2A)。四种典型的抗肿瘤免疫特征在反应性黑色素瘤中的富集程度明显高于非反应性黑色素瘤(图2B)。此外，与非反应性黑素瘤相比，反应性黑素瘤的免疫刺激特征明显高于免疫抑制特征(图2C)。同时免疫刺激细胞亚型在反应性黑色素瘤中的比例可能高于非反应性黑色素瘤(图2D)。相比之下，免疫抑制细胞亚型在非应反应黑色素瘤中的比例往往高于反应性黑色素瘤(图2E)。而激活的肥大细胞在非反应性黑色素瘤中的比例明显高于反应性黑色素瘤(图2E、F)。此外，反应性黑色素瘤的PD-L1表达水平明显高于非反应性黑色素瘤(图2G)，综上结果表明反应性黑色素瘤比非反应性黑色素瘤具有更活跃的抗肿瘤免疫特征。

图2 反应性黑色素瘤比非反应性黑色素瘤具有更强的抗肿瘤免疫反应

3.反应性和非反应性黑色素瘤具有显著不同的基因组特征

TMB和CNA的增加体现了癌症基因组的不稳定性。正如预期的那样，反应性黑色素瘤的TMB明显高于非反应性黑色素瘤(图3A)。因此，在应答性黑色素瘤中，新抗原负荷比在非应答性黑色素瘤中更丰富(图3B)。相反，反应性黑色素瘤的CNA评分远低于无反应性黑色素瘤(图3C)。这些结果表明TMB和CNA是免疫治疗反应的阳性和阴性预测因子。ITH是基因组不稳定的结果，与抗肿瘤免疫和免疫治疗反应负相关。作者发现响应性黑素瘤的ITH评分明显低于非响应性黑素瘤(图3D)。

图3 反应性和非反应性黑色素瘤的基因组特征比较

4.反应性和非反应性黑色素瘤具有明显不同的突变谱

肿瘤抑制基因和致癌基因的突变与抗肿瘤免疫反应和免疫治疗反应有关。作者比较了反应性和非反应性黑色素瘤之间172个驱动基因的突变频率。发现48个基因在反应性和非反应性黑色素瘤中更频繁地发生突变。在48个基因中，17个基因的突变与接受ICIs治疗的CM队列中更好的OS相关(图4A)，而在未接受ICIs治疗的TCGA黑色素瘤队列中，它们的突变与OS无显著相关性(图4B)。这表明这些基因的突变与免疫治疗的更好反应有关。

图4 反应性和非反应性黑色素瘤中17个差异突变基因突变与总生存率之间的相关性

5.反应性和非反应性黑色素瘤的通路富集

基因差异表达分析发现反应性黑色素瘤中有1916个基因上调，非反应性黑色素瘤中有547个基因上调。基于这些上调的基因，作者通过clusterProfiler算法确定了反应性和非反应性黑色素瘤中高度富集的通路。与先前的结果一致，许多免疫相关通路在反应性黑素瘤中显著富集，如T细胞活化等，相反，非应答性黑素瘤中富集的通路包括上皮细胞分化等(图5)。

图5 反应性和非反应性黑色素瘤之间富集水平显著不同的通路

6.反应性和非反应性黑色素瘤之间差异表达蛋白的鉴定

在TCGA-SKCM中，作者比较了208个蛋白在反应性和非反应性黑色素瘤中的表达。该分析确定了在非反应性黑色素瘤中上调的7种蛋白(图6)。Caspase-7已被证明与ICIs的应答呈正相关，这与该蛋白在反应性黑色素瘤中的上调一致。相比之下，NDRG1在非反应的黑色素瘤中比在反应的黑色素瘤中上调，而NDRG1上调已被证明可推动肿瘤进展并与癌症预后不良相关。此外，肥大细胞生长因子受体Kit (c-Kit)在非应答性黑色素瘤中比在应答性黑色素瘤中上调。这些结果与之前的结果一致，表明c-Kit抑制剂和ICIs联合治疗非应答性黑色素瘤的潜在疗效。

图6 热图显示反应性和非反应性黑色素瘤之间差异表达的蛋白质

7.反应性和非反应性黑色素瘤具有显著不同的甲基化谱

大量证据表明，DNA甲基化谱的改变与肿瘤的发生有关。在TCGA-SKCM中，作者分别发现885个和213个基因在反应性和非反应性黑色素瘤中甲基化水平显著升高。由于DNA甲基化可能抑制基因的表达，作者进一步确定了在反应性黑色素瘤中甲基化水平较低但表达水平较高的基因。该分析鉴定出74个这样的基因(图7A)。这些基因中中包含了许多免疫相关基因。同样，作者发现38个基因在反应性黑色素瘤中具有较高的甲基化水平，但表达水平较低(图7B)。这些基因包含了7个小脯氨酸富蛋白(SPRR)家族基因。而SPRR蛋白是否在免疫治疗耐药中起作用尚不清楚。

图7 反应性和非反应性黑色素瘤之间不同甲基化水平的基因数量

8. 反应性和非反应性黑色素瘤差异表达miRNAs和相关基因靶点的鉴定

miRNAs在癌症中的作用已经得到了广泛的认识。在TCGA-SKCM中，作者比较了2220个miRNAs在反应性和非反应性黑色素瘤中的表达。发现33和24个miRNAs分别在反应性和非反应性黑色素瘤中上调和下调(图8A)。通过将这些差异表达的miRNA输入TargetScan和miRTarBase数据库，获得了这两个数据库中常见的每种miRNA的靶基因。作者确定了在反应性黑色素瘤中因miRNAs上调而下调的靶基因，该分析鉴定出29个这样的基因；此外作者还确定了反应性黑色素瘤中因miRNAs下调而上调的靶基因，该分析鉴定出73个基因(图8B)。总之，该分析确定了与免疫治疗反应有显著关联的miRNAs和相关基因靶点。

图8 反应性和非反应性黑色素瘤之间miRNAs的差异表达

9.反应性和非反应性黑色素瘤具有明显不同的临床和表型特征

生存分析显示，应答性黑色素瘤患者的OS率明显高于无应答性黑色素瘤患者(图9A)。作者还比较了反应性和非反应性黑色素瘤之间的几种癌症相关表型特征，发现反应性黑色素瘤的分化、EMT、侵袭和转移特征的富集分数始终高于无反应性黑色素瘤(图9B)。此外许多致癌通路，如PI3K-Akt在反应性黑色素瘤中的富集水平明显高于非反应性黑色素瘤(图9C)。一个例外是mTOR通路，其富集水平在反应性黑色素瘤中明显低于非反应性黑色素瘤(图9D)。此外，TCGA-SKCM病理切片数据显示，反应性黑色素瘤的淋巴细胞浸润百分比和基质细胞百分比高于非反应性黑色素瘤(图9E)。这些结果表明反应性黑色素瘤可能比非反应性黑色素瘤具有更活跃的免疫、基质和致癌特征。

图9 反应性和非反应性黑色素瘤的临床和表型特征比较

文章小结

看完文章小伙伴们有没有发现肿瘤免疫方向的研究还有很多可做之处？文章以颇具创新的免疫治疗反应为切入点进行研究，又联合发高分的“显眼包”多组学进行分析，探索了黑色素瘤免疫治疗反应的预测性生物标志物。不仅将创新性直接拉满，更是丰富了文章内容，发上7分+自是不在话下！而0实验纯生信的发文思路更是大大的节省了实验时间和经费，

所以想在肿瘤免疫方向做点新东西的小伙伴，码住思路先下手为强，换个癌种分析，下个高分就是你！创新思路，复现的大好时机，小云坐等你的联系哦~