题目：Immune landscape and a promising immune prognostic model associated with TP53 in early-stage lung adenocarcinoma 早期肺腺癌免疫蓝图和TP53有关的免疫预后模型 摘要 流程图 结果 本研究分析数据集包括397例TCGA数据集，336例GSE72094数据集，111例GSE42127数据集和176例GSE31210数据集。 2. 早期LUAD患者中TP53突变与免疫表型的相关性 如图1所示，LUAD患者中TTN突变频率最高，TP53的突变频率第二，随后是CSMD3, LRP1B, KRAS和PAPPA2。 图1 早期LUAD患者的体细胞突变分析 作者基于TCGA数据集研究TP53WT-TP53MUT组的免疫相关生物学过程和差异表达基因。GSEA分析表明TP53WT组中显著富集7条免疫相关通路（图2）。 图2 GSEA分析 3. TP53WT-TP53MUT组免疫相关的DEGs 在7条免疫相关通路中共得到146个免疫相关基因。差异表达分析鉴定到6151个DEGs，其中有1856个下调DEGs和4295个上调DEGs。两个基因集取交集共有67个免疫相关的DEGs。 4. 基于TCGA数据集构建IPM 对67个免疫相关DEGs进行单因素Cox分析，其中有6个基因与患者OS显著相关。LASSO Cox分析最终鉴定到两个免疫相关DEGs，分别为ENTPD2和MIF。使用这两个基因构建IPM（表1），IPM风险打分=0.098*ENTPD2+0.168*MIF。基于风险打分将患者分为高风险组和低风险组，生存分析表明高风险组患者预后较差（图3A）。风险打分分布，ENTPD2和MIF表达水平和患者生存情况见图3B。使用ROC曲线和AUC评估IPM的准确性（图3C） 表1 单因素Cox分析 5. GEO数据集验证IPM 使用623例GEO数据集验证IPM准确性。基于风险打分将患者分为高打分组和低打分组。高打分组预后较差（图3D），图3E展示IPM打分，基因表达水平和患者生存情况。ROC曲线和AUC如图3F所示。作者将本研究构建的预后模型与已有研究构建的预后模型进行比较，使用C-index评估模型的预测性能。结果表明，IPM预测1年至5年总生存期的C-index较高（图3G和3H）。 图3 IPM的预后分析 6. 基于TP53状态的IPM生存分析 如图4A所示，发生TP53突变的早期LUAD患者的风险是TP53野生型患者的1.66倍。作者根据是否发生TP53突变将TCGA数据集分为两个亚组，以研究IPM的预测能力是否与TP53有关。结果表明，TP53WT和TP53MUT组的高风险组患者预后不良（图4B和4C）。相关性分析表明，TP53WT和TP53MUT组的IPM风险打分与生存时间负相关（图4D）。此外，单因素Cox分析和多因素Cox分析表明IPM预测性能与TP53是否发生突变无关（图4E）。发生TP53突变的类型大部分为错义突变（106/179），如图4F所示，发生TP53错义突变组的高风险患者生存情况较短。 图4 基于TP53状态的早期LUAD患者预后分析 7. 低风险组早期LUAD患者的免疫反应较强 对TCGA数据集进行GSEA分析，低风险组患者与多条免疫通路显著相关，包括适应性免疫反应调节，涉及免疫反应的细胞因子的生成，调控免疫应答分子的生成等。相反的，低风险组患者没有显著富集的免疫通路。因此，低风险组可能具有较强的免疫反应。 8. 高风险组和低风险组早期LUAD患者的免疫蓝图 使用CIBERSORT算法研究高风险组和低风险组之间22中肿瘤浸润免疫细胞组成的差异。图5A展示TCGA数据集的风险打分，临床病理特征和免疫细胞分布。最常见的免疫细胞类型为CD4+ T细胞，DC，NK细胞，CD8+ T细胞和B细胞（图5B）。低风险组患者DCs和嗜酸性粒细胞比例较高，高风险组患者的肥大细胞和单核细胞比例较高（图5C）。随后作者进行PCA分析，研究高风险组和低风险组之间免疫细胞亚群的差异。结果表明，高风险组和低风险组免疫细胞分为两类，距离较远（图5D）。 图5 IPM风险打分分布 早期LUAD患者的免疫微环境可能会影响预后情况。为研究IPM风险打分与早期LUAD患者免疫治疗的反应，作者研究IPM风险打分与免疫治疗相关基因表达水平的关系。结果表明，风险打分与CD8A和CD4表达水平负相关，而风险打分与PD-L1，CTLA-4和TIGIT表达水平正相关（图6A），风险打分与TIM3，LAG3，IDO1和CD8B表达水平没有相关性（表2）。如图6B所示，低风险组患者的CD4和CD8A表达水平较高，而PD-L1，CTLA-4和TIGIT表达水平较低。 图6 IPM和免疫治疗相关基因的相关性分析 9. IPM相关生物功能和通路 对178个风险打分相关DEGs和94个IPM相关免疫基因取交集，共得到17个免疫相关DEGs（图7A）。对这17个基因进行GO和KEGG分析（图7B和7C）。 图7 IPM的功能分析 10. IPM独立于临床病理参数 使用单因素Cox和多因素Cox回归分析研究IPM是否是预测早期LUAD患者OS的独立因子。单因素Cox分析表明，一些临床病理参数对早期LUAD患者的预后有影响（图8A）。随后进行多因素Cox分析，结果表明TNM Ⅱ期，风险打分较高和年龄超过60岁是早期LUAD患者的预后不良因素。总的来说，风险打分与OS有关，IPM的预测能力独立于临床病理参数。此外，作者比较了IPM和临床病理参数的C-index，IPM的C-index最高（图8B）。 图8 IPM和临床病理参数的相关性 11. 构建列线图 基于多因素Cox分析结果构建列线图（图8C），并基于列线图结果绘制校准图（图8D）。对列线图和临床病理参数绘制时间依赖性ROC曲线。3年OS的ROC曲线，列线图的AUC为0.842，其次是IPM，TMN分期，TP53状态和年龄（图9A）。5年OS的ROC曲线，列线图的AUC为0.87（图9B）。10年OS的ROC曲线，列线图，IPM，TNM分期，TP53状态和年龄的AUC分别为0.916，0.717，0.632，0.641和0.609（图9C）。此外，作者构建DCA曲线评估列线图和其他参数的临床作用（图9D）。 图9 比较列线图和临床病例参数的预测性能和临床作用 结论 本研究分析TCGA和GEO数据库的多个有关TP53突变的RNA测序数据集。构建并验证基于两个免疫基因和TP53突变情况有关的IPM。IPM可以作为早期LUAD患者的独立预后因子。构建包括IPM和临床病理参数的列线图，研究早期LUAD患者的预后并帮助进行临床治疗。本文的局限性在于仍需要更大的数据量和详细临床数据进一步进行验证，需要研究IPM涉及的两个基因的分子功能和生物学作用。
文章来源：生信发文助手
