2021-08-14 头颈部鳞状细胞癌中PD-L1 和 m 6 A RNA 甲基化调节因子的免疫浸润的综合分析

1628943565(1).png

Abstract

由于大多数研究都集中在肿瘤的内在致癌途径，因此 N6-甲基腺苷 (m ⁶ A) 甲基化在肿瘤免疫微环境 (TIME) 中的潜在作用仍然难以捉摸。在此，我们系统地探讨了769 例头颈部鳞状细胞癌（HNSCC；癌症基因组图谱 [TCGA] 队列，n = 499；GSE65858队列，n = 270）中突出的 m ⁶ A 调节因子与 PD-L1 和免疫浸润的相关性）。PD-L1 表达明显与 m ⁶ A 调节剂相关。两个分子亚型 (cluster1/2) 通过一致聚类鉴定为 15 m ⁶一个调节器。cluster2 优先与良好的预后、上调的 PD-L1 表达、更高的免疫评分和明显的免疫细胞浸润相关。G2M 检查点、mTORC1 信号和 PI3K/AKT/mTOR 信号的标志在 cluster1 中显着丰富。使用代表 HNSCC 的独立预后因素的7 个 m ⁶ A 调节器相关特征构建预后风险评分。与高风险评分患者相比，低风险评分患者表现出更高的免疫评分和上调的 PD-L1 表达。一致地，m ⁶ A 调节剂对外部GSE65858队列中的免疫调节和存活显示出相同的影响。进一步分析表明，m ⁶基于调节器的特征与时间有关，它们的拷贝数变化动态影响肿瘤浸润免疫细胞的丰度。总的来说，我们的研究阐明了 m ⁶ A 甲基化在 HNSCC TIME 中的重要作用。提议的基于m ⁶ A 调节器的特征可能作为 HNSCC 中 TIME 的关键介质，代表了提高免疫治疗功效的有希望的治疗靶点。

m 6 A RNA 甲基化调节因子在 HNSCC 中的表达上调

1629000955(1).png

TCGA 队列中 HNSCC 中m 6 A RNA 甲基化调节剂的上调

(A 和 B) 43 个肿瘤和相邻正常对中 15 m 6 A RNA 调节因子的热图 (A) 和表达水平 (B) 。∗p < 0.05、∗∗p < 0.01 和 ∗∗∗p < 0.001。

m 6 A RNA 甲基化调节因子的共识聚类与 HNSCC 患者的特征和生存的显著相关性

1629001709(1).png

TCGA 队列中 Cluster1/2 亚型 HNSCC 的差异临床病理特征和存活率

(A) k = 2 的共识聚类矩阵。(B) 两个聚类 (cluster1/2) 的热图和临床病理特征。（C 和 D）两个集群（集群 1/2）中 HNSCC 患者的总生存期（OS，C）和无病生存期（DFS，D）的 Kaplan-Meier 曲线。∗p < 0.05 和 ∗∗p < 0.01。

PD-L1 与 m 6 A RNA 甲基化的关联

1629002269(1).png

PD-L1 与 m ⁶ A RNA 甲基化的关联和 HNSCC 中免疫细胞浸润的情况

(A) TCGA 队列中 HNSCC 的 PD-L1 上调。(B) TCGA 队列中 cluster1/2 亚型中 PD-L1 的表达水平。(C) TCGA 和 GEO：GSE65858队列中 PD-L1 与 m ⁶ A 甲基化调节剂的相关性。(D) TCGA 队列中 cluster1/2 亚型中 22 种免疫细胞类型的浸润水平。∗p < 0.05 和 ∗∗p < 0.01。

与不同免疫细胞浸润相关的m 6 A RNA 甲基化调节剂的共识聚类

1629004272(1).png

TCGA 队列中两个集群的远处免疫细胞浸润

(A) cluster1/2 亚型中的免疫评分。(B–F) CD4 天然 T 细胞 (B)、CD4 记忆激活 T 细胞 (C)、嗜酸性粒细胞 (D)、中性粒细胞 (E) 和树突状细胞 (F) 在两个簇中的浸润水平。(G) GSEA 显示 G2M 检查点、mTORC1 信号和 PI3K/AKT/mTOR 信号在 cluster1 中差异丰富。ES，浓缩分数；NES，归一化ES；NOM p 值，归一化 p 值。∗p < 0.05 和 ∗∗p < 0.01。

1629004868(1).png

TCGA 队列中去甲基化酶的一致聚类产生的 Cluster1/2 亚型之间对存活和免疫浸润的反向影响

（A-C）Cluster1/2 亚型中 HNSCC（A）、免疫评分（B）和 PD-L1 表达水平（C）患者的 OS 的 Kaplan-Meier 曲线。(D) 两个簇 (cluster1/2) 中 22 种免疫细胞类型的浸润水平。∗p < 0.05 和 ∗∗p < 0.01。

m 6 A RNA 甲基化调节剂预后特征的构建和验证

1629004951(1).png

TCGA 队列中 m 6 A 甲基化调节剂预后特征的构建和验证

(A 和 B) TCGA 训练队列 (A) 和 TCGA 验证队列 (B) 中七个预后 m 6 A 调节器特征的风险评分、OS 和 OS 状态和热图的分布。(C 和 D) 基于 TCGA 训练队列 (C) 和 TCGA 验证队列 (D) 中风险评分的 HNSCC 患者 OS 的 Kaplan-Meier 曲线。

与 HNSCC 分级、免疫评分和放疗相关的预后风险评分

1629005450(1).png

TCGA 训练队列中与临床病理特征和免疫评分相关的预后风险评分

(A) 高危组和低危组的热图和临床病理特征。(B–D) 按集群 1/2 (B)、等级 (C) 和免疫评分 (D) 分层的风险评分分布。∗p < 0.05、∗∗p < 0.01 和 ∗∗∗p < 0.001。

1629005482(1).png

m ⁶基于监管者的风险评分模型的独立验证

(A) GEO：GSE65858队列中风险评分组 OS 的 Kaplan-Meier 曲线。(B) 测量 GEO：GSE65858队列中风险评分预测值的时间相关 ROC 曲线。(C) GEO 中风险评分组的免疫评分：GSE65858队列。(D–F) TCGA 训练集 (D)、TCGA 验证集 (E) 和 GEO：GSE65858验证集 (F) 中风险评分组的 PD-L1 表达水平。

1629005535(1).png

接受放疗和高危评分的 HNSCC 患者的生存获益明显

(A) 基于训练队列中放疗的高危评分患者的 OS 的 Kaplan-Meier 曲线。(B) 基于训练队列中放疗的低风险评分患者的 OS 的 Kaplan-Meier 曲线。(C) 基于验证队列中放疗的高危评分患者的 OS 的 Kaplan-Meier 曲线。(D) 基于验证队列中放疗的低风险评分患者的 OS 的 Kaplan-Meier 曲线。

m 6 A 调节因子特征的遗传改变对免疫细胞浸润的影响

1629005853(1).png

六种免疫细胞类型的风险评分与浸润丰度的关系

(A–F) B 细胞 (A)、CD4 + T 细胞 (B)、CD8 + T 细胞 (C)、中性粒细胞 (D)、巨噬细胞 (E) 和树突状细胞 (F)。

1629005877(1).png

m 6 A 调节因子相关特征的遗传改变对免疫细胞浸润的影响

(A–F) METTL3 (A)、YTHDC1 (B)、METTL14 (C)、YTHDC2 (D)、RBM15 (E) 和HNRNPC (F)。∗p < 0.05、∗∗p < 0.01 和 ∗∗∗p < 0.001。