大家好呀！今天给大家介绍一篇2022年1月发表在Cancer Cell（IF:31.743）上的文章。作者对77例接受抗PD-1和抗CTLA-4治疗的晚期皮肤黑色素瘤患者的全基因组数据，转录组数据和甲基化数据进行分析。结果表明TMB，新抗原负荷，IFNγ相关基因表达程序性死亡配体表达，PSMB8低甲基化和T细胞与免疫治疗反应有关。结合TMB和IFNγ相关基因表达水平构建的模型可以准确预测免疫治疗反应。高TMB和高IFNγ特征对免疫治疗反应最好。
生信分析意向表 (mikecrm.com)
Multiomic profiling of checkpoint inhibitor-treated melanoma: Identifying predictors of response and resistance, and markers of biological discordance
检查点抑制剂治疗黑色素瘤的多组学分析：鉴定预测反应和抵抗的标志物和生物紊乱标志物
流程图：
结果：
1.接受抗PD-1免疫治疗的黑色素瘤患者的临床特征
作者收集抗PD-1免疫治疗的77例黑色素瘤患者的样本，包括单独PD1和PD1联合IPI治疗。免疫治疗中位时间为5.2个月，肿瘤组织主要来自皮下和区域淋巴结。77例患者中有66例患者发生于非肢端皮肤部位，11例发生隐匿性原发性黑色素瘤（表1）。年龄中位数为58，51例为男性。
2.高TMB,低结构变异负荷和高新抗原负荷与反应较好有关
作者首先研究了每个样本的SNV，SV和CNA与免疫治疗反应的关系（图1A）。高TMB与免疫治疗反应显著相关（图1B）。高SV和高CNA与免疫反应较差有关（图1C和1D）。当根据免疫治疗类型进行分类时，PD1治疗反应与TMB显著相关而IPI+PD1治疗反应与SV显著相关。高TMB和低SV与免疫治疗的PFS改善显著相关。此外，TMB与新抗原负荷具有良好相关性，新抗原负荷较高时反映较好（图1E和1F）。
3.基因突变与免疫治疗反应和抗性无关
接下来，作者研究免疫治疗反应是否与特定的基因突变有关。作者发现TCGA分子亚型与免疫治疗反应无关（图1A）。作者对SNV和Indel进行分析然而并没有发现具有统计学意义的基因。此外，作者还在对已有报道与反应有关的基因中寻找特定突变，然而与反应较好或较差没有相关性。
4.干扰素和T细胞受体信号通路富集于免疫治疗反应组，但没有特征与反应不良组有关
对53例样本进行RNAseq，对反应良好组和反应不良组进行差异分析鉴定到205个DEGs。在反应良好组中大量免疫基因（CD274,STAT1,IFNγ,GZMA,PRF1,GZMB和CD8A等）上调表达。富集分析表明，反应良好组中只有IFNγ反应通路显著富集（图2A）。
对43个样本进行Illumina EPIC甲基化测序，差异分析仅鉴定到5个差异甲基化CpG位点。由于这5个CpG位点均不在基因启动子区域，作者接下来重点关注205个DEGs的甲基化水平。有5647个CpG位点注释到192个差异基因中，173个基因中有1671个CpG位点与表达显著相关，在41个基因中有5个或更多的CpG位点与表达呈负相关。其中，PSMB8的CpG位点与表达负相关，且在反应良好和反应不良之间具有显著差异。
接下来，作者分析了与免疫治疗反应有关的基因的表达水平。有一部分基因在反应良好和反应不良中差异表达（图2B）。还有一些特征在反应良好和反应不良中具有显著差异，包括6-基因IFNγ特征（图2C），18-基因IFNγ特征（图2D），效应T细胞特征（图2E），结合IFNγ/效应T细胞特征（图2F），趋化因子特征（图2G）和TIDE特征（图2H）。
5.CD8 T细胞，M1巨噬细胞和细胞溶解活性对应答者免疫微环境的影响
作者使用CIBERSORT评价免疫细胞浸润水平，鉴定反应良好和反应不良组的浸润水平具有显著差异的细胞类型（图3A）。其中反应良好组中M1巨噬细胞和CD8 T细胞浸润水平较高（图3B和3C）。使用methylCibersort的甲基化水平评估免疫细胞浸润水平，CD8 T细胞在反应良好组中浸润水平较高（图3D）。基于PRF1和GZMA的表达水平评估细胞溶解活性，细胞溶解活性在CD8 T细胞激活时上调，在反应良好组同样上调（图3E）。PRF1和GZMA的低甲基化与反应良好有关（图3F）。免疫组化分析表明CD8 T细胞与反应良好有关（图3G），瘤内CD8 细胞表达增加（图3H）。此外，PD-L1表达水平在反应良好组中较高（图3J）。
6.TMB和IFNγ-6打分可以预测免疫治疗反应
由于TMB,IFNγ-6和CD8 T细胞与免疫治疗反应有关，因此作者认为高TMB与免疫应答高有关，作者接下来研究TMB与IFNγ-6和CD8 T细胞的相关性。对53例样本构建预测免疫治疗反应的回归模型。首先，作者基于TMB，SV，肿瘤纯度和特征基因表达水平等构建单因素模型，其中TMB的作用最强。接下来，作者使用TMB和其他因子依次构建多因素模型。TMB结合IFNγ或TMB结合T细胞特征的模型具有相似的预测性能。TMB，IFNγ或TMB结合IFNγ的模型的ROC曲线如图4A和5A所示。因此，TMB高和IFNγ-6高的患者对免疫治疗反应较好（图4B）且OS较长（图4C）。接下来，作者使用一个包括60例黑色素瘤患者的独立数据集来验证TMB和IFNγ-6的性能，ROC曲线如图4D和5B所示。
7.分析肿瘤中的生物学紊乱
对TMB/IFNγ-6模型不能准确分类的12例样本，进行临床和分子检测可以深入了解潜在的耐药性机制和预测耐药性反应（图5A和5C）。12例样本中有7例接受了PD1治疗与可以准确预测的患者没有相同的分子特征（图5C）。第8例样本具有潜在的耐药生物学机制（JAK3突变）。8个样本中有4个的TMB高且IFNγ-6低，4个的TMB低且IFNγ-6高。
结论：
作者对77例黑色素瘤患者的转录组数据，全基因组数据和DNA甲基化数据进行分析，鉴定与免疫治疗反应显著相关的生物标志物。结果表明，TMB,IFNγ-6和CD8 T细胞与免疫治疗反应显著相关。此外，结合TMB和IFNγ-6构建模型可以准确预测患者的免疫治疗反应和总生存期。本篇文章的亮点在于：第一，作者的样本是自己收集的样本而不是和常规生信分析一样的TCGA数据集；第二，作者的分析数据为多组学数据。如果你手里也有自测数据的话，不妨学习一下这篇文章的研究思路，说不定下一篇高分文章就是你的，另外更多精彩好文 在 生信人公 众~号 ~
最新Cancer hallmark新晋成员衰老细胞：条条道路通向线粒体 - (jianshu.com)
干货分享：癌症中的脂质代谢 - (jianshu.com)
还不会鉴定肿瘤预后标志物？读懂这篇推文就够了！ - (jianshu.com)
生信分析