文献分享
嗨，大家早上好呀，今天跟大家分享一篇文献，子宫内膜癌甲基化驱动基因预后特征和免疫微环境的鉴定，发表在Cancer Cell Int，IF=5.722。该文成功建立了基于3个DMDG的风险模型，可以准确预测UCEC患者的预后并反映肿瘤免疫微环境。
Identification of methylation-driven genes prognosis signature and immune microenvironment in uterus corpus endometrial cancer
PMID: 34246261 DOI: 10.1186/s12935-021-02038-z
Abstract
子宫内膜癌（UCEC）是妇科主要的恶性肿瘤，具有高度异质性，尤其是在预后和免疫治疗效果方面。DNA甲基化是最重要的表观遗传修饰之一。研究DNA甲基化有助于预测癌症患者的预后，为临床治疗提供帮助。我们的研究旨在发现异常的 DNA 甲基化是否可以预测 UCEC 的预后并反映患者的肿瘤免疫微环境。
Results
| DMDG的鉴定和功能富集分析
共发现肿瘤组织差异表达基因4774个，其中上调基因2724个，下调基因2050个。使用 MethylMix算法整合每个样本的甲基化数据和基因表达数据，建立包括DNA甲基化和mRNA表达的混合模型。进行Wilcoxon检验以确定显着差异表达的甲基化驱动基因。最后，发现48个差异表达甲基化驱动基因。在这些DMDG中，12个是低甲基化基因，其他是高甲基化基因。图1显示了几个具有最高甲基化水平的基因的分布图。图 2 显示了高甲基化和低甲基化基因的基因表达与 DNA 甲基化之间的相关性。每个样本中DMDG的甲基化水平和基因表达水平以热图的形式显示（图3A、B）。为了探讨这些DMDG在UCEC发生发展中的作用，对DMDG进行了GO富集分析（图3D）和KEGG富集分析（图3C）。
图1
图2
图3
| 建立独立的预后指标
将患者随机分为训练集（n=216）和验证集（n=213）。在训练集中通过单变量Cox回归分析确定了具有预后意义的3个DMDG（PARVG、SYNE4和CDO1）。Lasso Cox回归分析结果显示，三个预后性DMDG（PARVG、SYNE4 和 CDO1）没有明显的过度拟合。根据多变量Cox回归分析中的3个DMDG及其对应系数，建立独立预后指数（MDS）。MDS的公式定义如下：3.75767726426642 × PARVG expression + 5.91085180306775 × SYNE4 expression + 5.50757519645672 × CDO1 expression
| 预后模型指数的评估
基于MDS公式，计算每位患者的风险评分。然后根据MDS中位风险评分将患者分为高危组和低危组。高危组和低危组患者的生存状态如图4所示。图4A、B分别显示了训练集和验证集患者的风险评分分布。图4C、D显示无论是训练集还是验证集，随着风险评分的增加，死亡患者的数量都会增加。Kaplan-Meier曲线可视化MDS在训练集和验证集中的预后价值。图4E、G显示在训练集和验证集，高危评分的患者预后较差。图4F是训练集的ROC曲线。ROC曲线在1年、3年和5年的AUC值均>0.60。图4H是验证集的ROC曲线。1、3和5年的AUC值分别为0.635、0.635和0.62。
图 4
图5A-F显示了多预后特征的ROC曲线。图5A、B显示了1年内的多变量ROC曲线。图5C、D显示了3年内的多变量ROC曲线。图5E、F显示了5年内的多变量ROC曲线。发现MDS、分期和分级在预测UCEC患者预后方面具有相似的准确性。此外，将MDS和临床信息组合成混合模型后，可以获得更准确的预测能力（图5B、D、F）。
图 5
| 构建预后列线图
为了更好地预测UCEC患者的1年 OS、3年OS和5年OS，基于独立预后因素的多变量Cox回归分析的结果构建了一个新的列线图（图5G）。图 5H-J 显示了1、3和5年OS概率的列线图校准曲线。
| 基因集富集分析
为了揭示与MDS最相关的生物学途径，进行了GSEA分析（图6）。图6A为高危人群差异表达基因的基因集富集分析。图6B为低危组差异表达基因的基因集富集分析
图 6
| 两组中的TMB、mRNAsi和m6A调节因子
通过GSEA分析，发现一些免疫相关通路可能影响UCEC的预后。肿瘤的干性、m6A调控因子介导的甲基化修饰、TMB与肿瘤的免疫微环境有关。因此，决定进一步探讨两组患者在这些方面是否存在差异。
从图7A、B中，可以发现低风险组患者的TMB水平高于高风险组患者。TMB和MDS之间存在显着的负相关。高危组的mRNAsi水平显着高于低危组（图7C）。此外，高危组患者和低危组患者之间某些m6A调节因子的表达存在显着差异（图7D）。
图 7
| 两组IPS及免疫检查点表达情况
通过ESTIMATE方法计算TumorPurity、ImmuneScore和StromalScore。图8表明低风险组中的患者具有较低的 TumorPurity 和较高的 ImmuneScore 、 StromalScore。图8E显示了MDS与免疫细胞浸润之间的相关性。与高危组患者相比，低危组患者的T细胞CD8、嗜酸性粒细胞和中性粒细胞较多，而巨噬细胞M0和巨噬细胞M2水平较低。
图 8
然后，使用ssGSEA算法量化免疫浸润水平。不同风险组之间 ssGSEA 分数的比较显示在附加文件 9 中：图 S9。从中我们发现除了NK细胞评分和II型IFN反应评分外，免疫细胞浸润的其他参数表明低危组患者具有更高的免疫活性。
为了进一步探讨 MDS 是否可以指导免疫治疗，我们比较了两组之间免疫检查点和免疫表型评分的表达（图9）。结果显示12个免疫检查点分子在低风险组的患者中高表达（图 9A-C）。此外，在免疫原性方面也获得了类似的结果。低风险组患者的IPS、IPS-CTLA4、IPS-PD1-PD-L1-PD-L2和IPS-PD1-PD-L1-PD-L2-CTLA4评分较高（图9D）。
图 9
| 联合生存分析
根据相关性分析结果，最终确定了21个甲基化位点。单变量Cox回归分析的结果显示，与CDO1、PARVG和SYNE4显着相关的12个甲基化位点与阳性生存结果相关（所有 HR > 1）（图10A）。在获得整合甲基化水平和基因表达的混合模型后，对其进行了生存分析图10B-D。高甲基化和低基因表达PARVG与UCEC患者的不良预后显着相关。但SYNE4和CDO1与UCEC患者的预后无关。
图 10
今天的分享就到这里啦，对上述分析方法感兴趣或者没有研究思路的小伙伴，欢迎前来咨询哦！
微信公众号 | 中科生信
提供“一站式”科研服务