摘
要
Abstract
Perseverance Prevails
早上好，今天小编分享的是一篇2022年2月发表在frontiers in Immunology（IF=7.561）的文章（Ref=35281025），本研究旨在识别与移植排斥反应相关的特征性免疫相关基因，并建立一个基于免疫相关基因的肾移植预后模型。
背景&方法
背景：肾移植是末期肾病(ESRD)患者常规的一种治疗手段。然而，现有的免疫抑制药物不足以防止肾移植受者发生移植排斥反应。移植排斥反应是长期移植成功的主要障碍。因此亟需筛选免疫相关生物标志物为为肾移植预后提供新参考。
方法：
1、在GSE36059数据集中进行差异分析并与免疫相关基因取交集得到DE-IRGs；
2、GO和KEGG富集分析；
3、SVM-RFF筛选免疫相关特征基因，并在单细胞和外部验证集中验证其分类效能；
4、单因素COX、LASSO和多因素COX构建风险预后模型；
5、CIBERSORT和GSEA验证高低风险组差异。
结果
筛选免疫相关差异基因及富集分析
在GSE36059数据集中进行差异分析，共筛选出15个DE-IRGs（图2A）。所有差异基因均上调(图2B)。之后对这些DE-IRGs进行GO和KEGG富集（图2C, D）。结果显示，主要富集到免疫相关的生物过程和通路。
验证基因表达
基于SVM-RFE算法，作者筛选出5个特征基因(图3)。在GSE36059数据集中，5个特征基因在排斥组织中的表达水平显著高于非排斥组织(图4A)。在GSE48581数据集中，5个特征基因在排斥组织中的表达水平也显著上调（图4C）。两个数据集中的PCA分析结果也显示样本可以被分为两类（图4B, D）。
免疫相关差异基因诊断价值评估
为探讨这5个特征基因在肾排斥反应中的诊断价值，利用R包pROC绘制ROC曲线。如图5A F所示，在GSE36059数据集中5个特征基因的AUC均大于0.7。在GSE48581数据集中，5个特征基因的AUC也均大于0.7（图5G L）。
特征基因与免疫浸润细胞的相关性分析
使用CIBERSORT方法在GSE36059数据集中的评估免疫细胞浸润情况。22种免疫细胞丰度如图6A所示。结果发现与非排斥反应组相比，排斥反应组的γ δ T细胞、CD4+激活的记忆T细胞、单核细胞、M0巨噬细胞、M1巨噬细胞和激活的肥大细胞的相对比例更高(图6B)。相关性分析显示CXCL11与M1巨噬细胞、γδ T细胞呈正相关（图6C）。CXCL10与M1巨噬细胞和γδ T细胞呈正相关（图6D）。CCL4与γδ T细胞、滤泡辅助T细胞呈正相关，与静息肥大细胞呈负相关(图6E)。IDO1与M1巨噬细胞、γδ T细胞、CD4+激活的记忆T细胞呈正相关（图6F）。GBP2与γδ T细胞、CD4+激活的记忆T细胞、M1巨噬细胞呈正相关(图6G)。
构建风险预后模型
单因素Cox回归分析显示，5个特征基因均与移植物损失相关。然后，通过多因素Cox回归分析，建立移植物损失的免疫相关基因预后模型(图7A)。计算每个样本的风险得分，根据RiskScore中位值将患者分为高风险组和低风险组（图7B）。这5个特征基因在高风险组中均有上调（图7C）。高风险组移植失败率高于低风险组(图7D)。绘制KM生存曲线，评估RiskScore的预后价值。高风险组的患者移植物存活率较低（图7E）。1年和3年移植物存活的AUC值分别为0.804和0.793（图7F），说明该模型在预测移植物损失方面具有良好的敏感性和特异性。
风险得分与免疫浸润细胞间的相关性分析
GSE21374数据集中的22种免疫细胞如图8A所示。结果发现，与低风险组相比，高风险组M1巨噬细胞、CD4+记忆T细胞和γδ T细胞的相对比例明显更高。低风险组的M2巨噬细胞、静息树突状细胞、treg细胞和记忆B细胞的相对比例明显更高（图8B）。
扫描二维码 联系我们
中科生信
微信号｜中科生信
知乎｜@生信科研