科研星球

文献解读,基于癌症干细胞基因组的BLCA亚型的识别揭示了BLCA致癌的复杂机制,为BLCA的诊断和治疗提供了新的方向

2020年发表在Stem Cell Research & Therapy杂志上(IF:6.7)。目为Development and validation of a novel stem cell subtype for bladder cancer based on stem genomic profiling。本文通过基于干细胞基因集识别BLCA亚型,作者系统地分析了肿瘤微环境中这些亚型与免疫细胞,免疫疗法/化学疗法反应,相应的通路和关键基因之间的关系。这些结果为BLCA的临床诊断和治疗提供了依据和参考。


摘要

背景:膀胱癌(BLCA)是全球第五大常见的癌症,其复发率和进展率很高。尽管通过分子特征的准确分型在BLCA的治疗方面已取得可观的进展,但对于干细胞和祖细胞中发生的各种遗传和表观遗传变化知之甚少。为了解决这个问题,作者开发了一种新颖的干细胞分型方法。

方法:基于六个已发布的基因组数据集,作者使用了26个干细胞基因集对每个数据集进行分类。使用非监督和监督机器学习方法进行分类。

结果:基于多个跨平台数据集,作者将BLCA分为三类:高干细胞富集(SCE_H),中干细胞富集(SCE_M)和低干细胞富集(SCE_L)。验证了分类的稳定性和可靠性。与其他亚型相比,SCE_H的癌症干细胞浓度最高,免疫细胞浸润水平最高,对抗PD-1免疫抑制疗法和常规化疗药物更敏感,然而,该组预后最差。比较各种亚型通路富集结果表明,SCE_H亚型激活了调节癌症发生,发展甚至不良预后的重要通路,包括上皮-间质转化,缺氧,血管生成,KRAS信号上调,白介素6-介导的JAK-STAT信号通路和炎症反应。识别出的两对转录因子GRHL2和GATA6以及IRF5和GATA3可能分别对SCE_H和SCE_L具有相反的调节作用。

结论:基于癌症干细胞基因组的BLCA亚型的识别揭示了BLCA致癌的复杂机制,为BLCA的诊断和治疗提供了新的方向。


流程图

下载.jpeg


结果简述

1. 根据干细胞基因组识别BLCA亚型

作者收集了26个干细胞基因集,使用ssGSEA量化了每个样本中26个干细胞基因集的得分。使用ConsensusClusterPlus软件包将所有肿瘤样本分为k个不同的亚型。当k = 3时,基于一致性分数的CDF曲线获得最佳划分。此外,主成分分析结果表明,基于26个干细胞基因集的ssGSEA分数分为3个亚型(如下图a–d ),它们被定义为SCE_H,SCE_M和SCE_L(如下图e)。同样,作者对其余的数据集EMTAB-4321,GSE13507,GSE31684,GSE32548和GSE32894执行了相同的聚类。
640 (1).png
当使用ESTIMATE评估所有数据集中的免疫浸润水平时,作者发现6个数据集中的SCE_H免疫评分均远高于其他亚型,并且SCE_L显示出最低的免疫评分。基质含量的比较显示出相同的趋势(SCE_H> SCE_M> SCE_L)。然而,BLCA干细胞亚型的肿瘤纯度显示相反的结果。SCE_H和SCE_L分别显示出最低和最高的肿瘤纯度(SCE_L> SCE_M> SCE_H)。这与对大多数HLA基因和评估的免疫细胞标记基因观察到的结果一致,例如CD8A(CD8 T细胞),GZMA(细胞毒性细胞),IFNG(Th1细胞),PMCH(Th2细胞),CD68(巨噬细胞), 和IL17A(Th17细胞)等在SCE_H和SCE_L中分别显著上调和下调。

由于BLCA干细胞亚型与免疫之间的密切联系,作者集中于每种亚型中CD274(PD-L1)的差异表达(如下图所示)。在所有六个数据集中,SCE_H和SCE_L分别显示最高和最低表达水平,表明BLCA亚型SCE_H比其余亚型对antiPD-1免疫疗法更敏感。随后的免疫检查点抑制剂治疗反应预测和生存分析均证实了这些结果。

640 (5).png
2. 不同BLCA干细胞亚型患者的生存
由于BLCA是一种异质性疾病,具有较高的复发率,因此探索亚型分类与临床预后之间的联系对于BLCA的预后评估和临床管理是有益的。作者对六个数据集进行了OS,RFS和PFS分析。出乎意料的是,所有数据集都显示出一致的趋势(如下图所示)。SCE_H和SCE_L在预后分析中分别显示了最差的生存期和最好的生存期(SCE_L> SCE_M> SCE_H)。
640 (2).png


3. 预测BLCA干细胞亚型对免疫检查点抑制剂的治疗反应

基于以上结果,作者进一步评估了这三种亚型对免疫疗法的反应。作者使用肿瘤免疫功能异常和排除算法来预测对免疫疗法有反应的可能性。结果显示SCE_H,SCE_M和SCE_L组对免疫疗法的反应存在显著差异。在这三种亚型的成对比较中,与其他亚型相比,抗PD1和抗CTLA4治疗的SCE_H观察到了更有希望的结果(如下图a–c)。作者进一步将BLCA干细胞分型结果与TCGA队列中已发表的分子分型和免疫分型结果相关联。SCE_H主要对应于腔内浸润和基底鳞状的分子亚型,免疫亚型对应于C1和C2。SCE_L主要对应于腔乳头和C1-C4,SCE_M显示出广泛的分子和免疫亚型分布(如下图d所示)。
640 (3).png
4. 干细胞亚型对化疗敏感性的差异
由于化学疗法是BLCA患者的常见治疗策略,因此作者选择了六种化疗药物(顺铂,阿霉素,吉西他滨,舒尼替尼,甲氨蝶呤和长春花碱)并评估了这三种亚型的反应。使用岭回归在GDSC细胞系数据集上设计了预测模型,并使用10倍交叉验证对令人满意的预测准确性进行评估。根据这六种化疗药物的预测模型估算了TCGA数据集中每个样本的IC50。对于顺铂,舒尼替尼和长春碱,与其他亚型相比,SCE_L最不敏感,而SCE_H最敏感。对于阿霉素,相对于其他亚型,SCE_M最敏感,而对于吉西他滨和甲氨蝶呤,SCE_M最敏感,SCE_L最不敏感。如下图所示。
640 (5).png


5. CIBERSORT中22种人类BLCA干细胞亚型免疫细胞亚群之间的差异

为了解释具有不同BLCA干细胞亚型的患者生存率的差异,我们使用CIBERSORT算法计算了六个数据集的每个亚型中22个免疫细胞的比例。结果表明,SCE_H亚型中巨噬细胞M0,M1和M2的比例呈上升趋势(GSE13507除外),SCE_H亚型中调节性T细胞(Tregs)的比例显著增加。作者还将每个队列中免疫细胞的ssGSEA评分用作连续变量并进行了单变量Cox分析。此外,将相应数据的ssGSEA得分的中位数分为高分和低分。高分表明巨噬细胞M0含量高的患者预后较差。这与SCE_H亚型患者相比其他亚型患者的临床预后差是一致的。巨噬细胞M2的趋势与巨噬细胞M0的趋势相似,而巨噬细胞M2和Treg显示相反的趋势。这表明与Treg相比,巨噬细胞M0和M2在BLCA预后期间具有完全相反的调节机制。
6. CD274与干细胞基因的相关性及干细胞亚型群体的风险
作者确定了CD274在干细胞亚型中的重要免疫作用,因此,作者进一步探索了CD274与已识别的干性基因之间的相关性。下图a-g显示了BLCA TCGA队列中CD274和干基因CD44,GATA3,HIF1A,ID1,MYC,SOX9和CXCL8的表达散点图。其中,CD274与ID1和GATA3负相关,与CD44,HIF1A,MYC,SOX9和CXCL8正相关(如下图h所示)。作者根据CD274和每个干基因的最佳表达截断将患者分为危险组I,II,III和IV。每个组的I和III的进一步生存分析显示,SCE_L亚型较高的患者比SCE_L亚型较低的患者生存率更高(如下图i-o)。
640 (6).png


7. 对 BLCA干细胞亚型进行GSEA分析

为了探讨由干细胞富集差异引起的生物学变化,作者对每种亚型的GSEA结果进行了成对比较。通过选择FDR <0.05的通路,作者发现随着干细胞富集的增加,上皮-间质转化(EMT)变得更加重要。EMT被认为是所有癌症中恶性转化的信号,通过赋予干细胞特征,减少细胞凋亡和衰老以及抵抗化学和免疫疗法,赋予细胞转移和侵袭的能力。EMT还可以激活多种通路,调节细胞代谢,血管生成,增殖和迁移;并使细胞对缺氧环境做出反应。通路也显著富集在缺氧,血管生成,炎症反应,IL6介导的JAK-STAT信号通路和KRAS信号上调过程中(如下图所示)。这些通路共同构成了癌症发生,扩散,侵袭和转移的恶性循环。
640.png


8. BLCA干细胞亚型的体细胞突变景观

肿瘤抑制基因TP53和RB1在调节细胞分裂中起着重要作用。TP53和RB1的失活,突变和缺失是BLCA的主要原因之一。TP53和RB1在SCE_L中的突变频率远低于SCE_M和SCE_H。然而,STAG2是BLCA中最常见的突变基因之一,在SCE_L中的突变频率显著高于SCE_M和SCE_H。在确定的EMT途径中,SCE_L中COL6A3,LRP1和FBN2的突变频率显著高于SCE_M和SCE_H。在低氧通路中,SCE_L中未观察到MYH9突变,而SCE_M和SCE_H中的突变频率分别为5%和8%。此外,CDKN1A在SCE_L,SCE_M和SCE_H中的突变频率分别为13%,11%和6%,在KRAS信号通路中,RELN在SCE_L,SCE_M和SCE_H中的突变频率为12%。分别为6%和5%(如下图所示)。
640 (8).png


9. BLCA干细胞亚型中识别关键基因模块

WGCNA用于描述基因之间的相关模式。使用微阵列基因表达数据或RNA-seq基因表达数据,WGCNA可用于识别高度相关的基因集(模块),这些基因集随机分配了不同的颜色。颜色仅用于区分不同的模块,没有实际意义或相关价值。基于WGCNA总共产生了14个基因模块。其中,棕色和黑色模块显示出与干细胞亚型的最强关联。棕色模块与SCE_L正相关,与SCE_H和SCE_M负相关,而黑色模块与SCE_H正相关,与SCE_M和SCE_L正相关(如下图A所示)。使用Cistrome(http://cistrome.org/)识别了与SCE_H最相关的黑色模块基因和与SCE_L最相关的棕色模块基因。在棕色和黑色模块(下图b,c)中识别出了两对转录因子调节子,即IRF5和GATA3以及GRHL2和GATA6。因此,GATA3可以作为BLCA中的抑癌基因。GRHL2和GATA6在胚胎发育,损伤修复,表皮屏障形成,气管上皮形成和神经管发育过程中发挥各种调节作用。它们在肿瘤的发生和发展,细胞增殖,侵袭和转移中也起着重要作用,已通过黑色模块中确定的相关通路进行了验证(下图d-e)。因此,作者将GATA3和GATA6识别为重要的转录因子,在具有不同BLCA干细胞亚型的患者中具有相反的表达并影响肿瘤的预后(下图f–i)。
640 (7).png

通过基于干细胞基因集识别BLCA亚型,作者系统地分析了肿瘤微环境中这些亚型与免疫细胞,免疫疗法/化学疗法反应,相应的通路和关键基因之间的关系。这些结果为BLCA的临床诊断和治疗提供了依据和参考。


没有账号?