大队列免疫治疗测序数据的巧妙切入

Intratumoral plasma cells predict outcomes to PD-L1 blockade in non-small cell lung cancer，22年2月发表在Cancer Cell的一篇方法不难但是构思的很巧妙的文章。

接受PD-L1单抗治疗的患者中，B细胞转录特征与较长的OS有关

作者首先利用两个平行的临床数据集（每个数据集都包含免疫治疗和化疗的病人），分别在免疫治疗、化疗病人里面，将预后好和预后差病人做差异分析。结果表明，在免疫治疗后的病人里面，预后好的患者会高表达B细胞的marker基因，而T细胞效应相关的基因却没有高表达。这种现象在化疗后的病人里不存在。提示了B细胞相关的基因可能具有预测免疫疗法响应程度的价值。

B细胞marker基因和T细胞效应相关基因的生存分析，发现CD79A，CD19高表达在免疫治疗组中有更好的预后，符合上述的推论。

image-20220326233015974

应用scRNA-SEQ技术鉴定B细胞亚群（确定是哪种B细胞亚群起到上面的作用）

image-20220327004419794

A-C：将B细胞分为了：浆细胞、生发中心B细胞、滤泡型B细胞。使用的是公共数据集对B细胞亚群进行探索。原研究中，患者都是未治疗的，这里借用过来基于两个假设：一是假设治疗、未治疗情况下，只是细胞占比发生变化，细胞类型没有很大改变；二是这篇文章只是将B细胞分为了三个主要类型，一般而言，细胞大类不易改变。

DE：作者提取了每个子类的特征基因集/signature，使用了另一个独立数据集进行检验

用bulk RNA-seq分析的由scRNA-seq得到的B细胞signature

image-20220327005932164

热图发现其实三种细胞具有一定的共表达相关性。

多重免疫荧光定量浆细胞，每个样本同时有mIF数据和bulk RNA-seq数据，发现mIF定量结果和signature评分相关性较高，进一步说明前面从单细胞得到的signature的准确性。

浆细胞signature独立预测PD-L1单抗的疗效

image-20220327010842370

经阿替利珠单抗治疗后，浆细胞signature表达高水平预示着更好的综合生存(OS)。用3个B细胞子集的signature去给患者分组，只有浆细胞signature是显著的，免疫治疗组浆细胞signature的T3(上1/3), 和T1-2(下2/3)两组患者生存可以明显分开。

将其他指标加入多变量cox模型，包括T细胞效应相关signature、已知能一定程度上预测免疫治疗响应的指标(如TMB，PDL1表达水平等等)，结果表明浆细胞signature可以看作一个独立的预测因子。

objective responses的分析。同样可以得到类似的结果。在免疫治疗组，浆细胞signature T3比T1-2中有更多的CR/PR/SD比率。

TLS/LA+肿瘤患者使用阿替唑单抗可改善OS，TLS/LA+肿瘤富含浆细胞

image-20220327011446581

image-20220327012130836

这一部分作者主要探讨了浆细胞和TLS（三级淋巴结构）/LAs（淋巴细胞聚集）的空间关系，发现浆细胞会出现在TLS中，LAs中也发现了浆细胞。

有和没有TLS/LA一样可以区分免疫治疗的效果和预后。

有这些结构的样本高表达浆细胞相关基因，这和前面浆细胞存在于这些结构是对应的。

做的很巧妙的点：

• 用三分位，T1-T2与T3比较

• 单细胞、Bulk seq、mIF的数据都可以对应起来

• 切入点很巧妙，联系TLS和LAs也很巧妙

以及真的很羡慕动不动就几百上千人临床数据与各种大测序资料齐全的大队列