最终思路好才是真的好！TIDE带肿瘤免疫杀出重围，直达高端局！- 大数跨境

生信日报

2024-05-13

如今，从肿瘤免疫出发的文章可是越来越多了，那我们还能在这方面如何创新呢？嘿嘿，充满科研灵感和创新思路的小记者又来帮助小伙伴们解惑来啦（扶眼镜）！小记者建议大家可以试一试多热点结合，也可以结合单细胞测序或者双疾病分析等。那今天呢，小记者给大家推荐一篇少之又少的宝藏思路，感兴趣的小伙伴可以收藏起来呦~

肿瘤免疫功能障碍和排斥（TIDE），是一种计算框架，用于评估肿瘤样本基因表达谱中肿瘤免疫逃逸的可能性。本研究利用转录组数据来评估膀胱癌（BC）和泛癌患者的TIDE状态，进行肿瘤分型，并开发一种基于TIDE的准确决策工具，这可以促进肿瘤的精确治疗，并为肿瘤免疫功能障碍和排斥的分子机制提供有价值的见解。其次，文章使用大量转录组数据和临床样本，大量数据的使用是文章质量的关键，即提高了文章的深度又拉长了文章的宽度，效果大大滴好。同时利用生信+实验相结合的方法，增强了文章的可信度，让文章轻松拿下7分+！（ps：TIDE无疑是一把好的发文利器，可以带肿瘤免疫杀出重围，直达高端局！对肿瘤免疫感兴趣的小伙伴可以来找小记者哦！这里有新鲜出炉的生信热点方向，还有一大波的可复现的创新思路呦~）

题目：膀胱癌和泛癌的肿瘤免疫功能障碍和排斥亚型:一种新的分子分型策略和免疫治疗预测模型
杂志：Journal of Translational Medicine
影响因子：IF=7.4
发表时间：2024年4月

后台回复“999”获取原文献，文献编号240513

研究背景

分子分型有望实现精确治疗。然而，用于临床应用的可靠亚型策略仍然存在缺陷和争议。鉴于肿瘤免疫功能障碍和排斥(TIDE)的重要性，本研究旨在开发一种新的基于TIDE的亚型策略来指导膀胱癌(BC)的个性化免疫治疗。

数据来源

数据集/队列	数据库	数据类型	详细信息
TCGA-BLCA	TCGA	RNA-seq数据	412例膀胱癌肿瘤样本及19例癌旁样本
GSE31684	GEO	RNA-seq数据	93例膀胱癌Bulk RNA-seq数据集
GSE154261	GEO	RNA-seq数据	99例膀胱癌Bulk RNA-seq数据集
GSE48075	GEO	RNA-seq数据	142例膀胱癌Bulk RNA-seq数据集
GSE32894	GEO	RNA-seq数据	345例膀胱癌肿瘤样本及25例癌旁样本
GSE13507	GEO	RNA-seq数据	188例膀胱癌肿瘤样本及27例癌旁样本
33种泛癌样本	TCGA	RNA-seq数据	33种泛癌样本
29种泛癌样本	PCAWG	RNA-seq数据	29种泛癌样本
21种泛癌样本	ICGC	RNA-seq数据	21种泛癌样本
7种泛癌样本	TARGET	RNA-seq数据	7种泛癌样本
GSE2109	GEO	RNA-seq数据	2158例泛癌样本
348例BLCA样本	IMvigor210	RNA-seq数据	348例BLCA样本
25例BLCA样本	Kallisto	RNA-seq数据	25例BLCA样本
GSE111636	GEO	RNA-seq数据	11例BLCA样本
GSE173839	GEO	RNA-seq数据	71例BRCA样本
GSE194040	GEO	RNA-seq数据	69例BRCA样本
phs002419	dbGaP	RNA-seq数据	14例BRCA样本
Checkmate009	ArrayExpress	RNA-seq数据	16例KIRC样本
Checkmate025	EGA	RNA-seq数据	120例KIRC样本
E_MTAB_3218	ArrayExpress	RNA-seq数据	59例KIRC样本
GSE67501	GEO	RNA-seq数据	11例KIRC样本
IMmotion151	EGA	RNA-seq数据	407例KIRC样本
GSE179730	GEO	RNA-seq数据	11例COSCC样本
GSE162137	GEO	RNA-seq数据	25例COSCC样本
GSE162137	GEO	RNA-seq数据	35例EAC样本
PRJNA482620	NCBI	RNA-seq数据	17例GBM样本
PRJEB25780	NCBI	RNA-seq数据	47例GC样本
GSE195832	GEO	RNA-seq数据	28例HNSCC样本
GSE135222	GEO	RNA-seq数据	27例NSCLC样本
GSE126044	GEO	RNA-seq数据	16例NSCLC样本
OAK	EGA	RNA-seq数据	344例NSCLC样本
POPLAR	EGA	RNA-seq数据	95例NSCLC样本
Checkmate038	ArrayExpress	RNA-seq数据	49例SKCM样本
GSE115821	GEO	RNA-seq数据	14例SKCM样本
GSE131521	GEO	RNA-seq数据	17例SKCM样本
GSE78220	GEO	RNA-seq数据	27例SKCM样本
GSE91061	GEO	RNA-seq数据	51例SKCM样本
phs000452	dbGaP	RNA-seq数据	116例SKCM样本
PRJEB23709	NCBI	RNA-seq数据	73例SKCM样本
SRP067586	NCBI	RNA-seq数据	9例SKCM样本
GSE100797	GEO	RNA-seq数据	25例SKCM样本
GSE96619	GEO	RNA-seq数据	5例SKCM样本
GSE202687	GEO	RNA-seq数据	9例UVM样本
Salomé’s dataset	Mendeley Data	scRNA-seq数据	15例膀胱癌单细胞RNA序列数据

研究思路

本研究使用BC的转录组数据来评估TIDE模式的异质性和状态。随后，基于TIDE的标记基因，采用共识聚类对BC患者进行分类，并对不同亚型TIDE患者的临床病理、分子特征及信号通路进行全面的分析。本研究利用反卷积算法分析肿瘤微环境，进一步探讨各亚型对免疫治疗的敏感性和机制。此外，为了验证本研究的发现，本研究收集了BC患者的临床资料、真实的BC样本和尿液样本，用于RNA-seq分析、H&E染色、免疫组织化学和免疫荧光染色以及酶联免疫吸附测定。最后，探讨了新的TIDE亚型在泛癌症中的作用。

主要结果

1. BC患者TIDE状态与临床病理及分子特征的相关性

本研究利用TIDE算法评估TIDE状态，并基于大量RNA测序数据计算TIDE评分。将样本从低到高进行排序，以探索TIDE评分与临床病理和分子特征的关系(图1A)。结果显示，死于BC的患者的TIDE评分显著升高，但与肿瘤进展无关(图1B)。此外，病理性T分期晚期(T3和T4)、远处转移和组织学分级高的患者TIDE评分较高，但淋巴结转移不高(图1C-F)。最后，在所有组织学亚型和TCGA亚型中，乳头状和管腔乳头状亚型的TIDE评分最低(图1G, H)。根据体细胞突变数据，本研究发现TIDE评分与TMB、MSI、新抗原负荷和干性评分(mRNAsi)呈明显负相关(图1I-L)。另外5个BC数据集证实了这些发现(图1N-P)。因此，根据生存分析结果，肿瘤免疫功能障碍和排斥水平可能是BC的两个危险因素。

图1 BC患者TIDE状态与临床病理及分子特征的相关性

2. 三种具有显著预后差异的TIDE亚型的鉴定

由于一些标记物与TIDE评分和BC患者的预后具有相关性，本研究假设某些反映TIDE状态的标记物可以用于分子分型。8个BC bulk RNA-seq数据集被用于开发TIDE标记基因，选择69个与OS有显著关联的基因(图2A)。这些基因被分为两个簇，C1包含11个相互之间没有相互作用的基因，而C2包含58个基因，这些基因在胶原和细胞外基质代谢、细胞粘附和整合素介导的信号转导以及上皮-间质转化相关的信号通路中显著富集(图2A)。基于69个标记基因的表达谱，采用无监督共识聚类来鉴定TIDE亚型。借助热图、CDF曲线和PAC的比例，确定了三个聚类(图2B)。亚型I (SI)包括132份(30.6%)C1基因高表达和C2基因低表达的样本，亚型II (SII)包括148份(34.3%)C1和C2基因均中等表达的样本，亚型III (SIII)包括151份(35.0%)C1基因低表达和C2基因高表达的样本(图2B)。TIDE功能障碍和排斥评分从SI逐渐增加到SIII(图2C)。根据K-M分析，SIII预后最差，SI预后最好，SII预后为中等(图2D)。单因素Cox分析显示，SI和SIII分别是OS的保护因素和危险因素(图2E)，多因素Cox分析显示SI是OS的独立保护因素(图2F)。

图2 三种具有显著预后差异的TIDE亚型的鉴定

3. 不同的临床特征，突变事件，和功能注释之间的TIDE亚型

接下来，本研究进行了BC患者三种TIDE亚型的临床病理和分子特征的比较，癌旁样本比例从SI到SIII逐渐增加(图3A, B)。TIDE亚型在诊断年龄(图3C)、种族和性别上有明显差异。在组织病理学方面，SI中pT3和pT4、high-grade(图3D, E)的比例最低。本研究还观察到，从SI到SIII的乳头状组织学亚型患者比例下降(图3F)。本研究进一步分析了TIDE亚型中不同分子亚型的组成，发现了明显的分布差异，表明已知分子亚型与基于TIDE的新亚型系统之间存在相关性和相似性(图3G)。SCNA和体细胞突变分析显示，SII具有最高的拷贝数变异(CNV)负担(图3H)。每个亚型显示了特定的顶部突变基因，各亚型之间共享基因的突变率存在显著差异(图3I)。本研究检查了每种亚型的基因共突变或相互排他模式(图3J)，这可能影响BC亚型、治疗和预后。

图3 BC患者的三种TIDE亚型临床病理和分子特征的比较

4. 使用收集的真实BC样本验证TIDE亚型

本研究收集51例BC样本进行RNA测序，发现TIDE亚型的受试者工作特征曲线下面积(AUC)高达0.92，准确率为75%(图4-C)。亚型分析显示，高级别BC的比例从SI增加到SIII(图4D)。51个样品中，Ta在SI中所占比例最高，T1在SII中所占比例最高。T2 ~ T4期，属于SIII期(图4E)。病理诊断方面，SI中乳头状尿路上皮癌比例最高，而SIII中浸润性尿路上皮癌和原位尿路上皮癌比例最高(图4F)。基于CT成像数据，本研究还发现不同亚型的肿瘤体积存在显著差异(图4G)。属于SI的肿瘤一般较小，而属于SIII的肿瘤往往较大，甚至浸润整个膀胱(图4G)。最后，基于TCGA-BLCA和真实样本以及免疫组织化学(IHC)的RNA-seq分析一致显示，MKI67 表达水平在SIII中最高(图4H, I)，表明该亚型具有高增殖能力。这些结果一致表明，SIII亚型具有最高的恶性肿瘤，并与尿路上皮原位癌密切相关。

图4 使用收集的真实BC样本验证TIDE亚型

5. 三种TIDE亚型的TME模式

接下来，本研究分析了TIDE亚型的TME模式。研究观察到肿瘤纯度和DNA分数显著降低，ESTIMATE、基质和免疫评分显著增加，高免疫亚型从SI到SIII的比例显著增加(图5A)。超几何测试表明SI与低免疫亚型显著相关，但SII和SIII亚型与高免疫亚型显著相关(图5B)。这些结果表明，免疫细胞和基质细胞的比例从SI到SIII逐渐增加。本研究使用SCDC算法计算TCGA-BLCA患者的免疫细胞丰度。从SI到SIII，骨髓细胞、CD8Ts和CAFs逐渐增加，B细胞、CD4Ts和内皮细胞逐渐减少(图5C)。真实BC样本的H&E染色显示，TIDE亚型的基因表达模式在组织学上与基质细胞和肿瘤细胞的丰度相关，SI表示肿瘤细胞丰富，SIII表示高度纤维化间质、免疫细胞丰富(图5D)。本研究进一步证实了纤维化标记基因FAP和免疫标记基因CD45在TIDE亚型中的表达水平。在TCGA-BLCA和真实样品上进行的RNA-seq分析和IHC染色一致显示FAP和CD45表达水平从SI到SIII增加(图5E-H)。为了评估膀胱粘膜炎症的程度，本研究通过酶联免疫吸附试验(ELISA)分析了BC患者尿液样本中的炎症因子和细胞因子。结果显示，从SI到SIII，促炎细胞因子IL-6和IL-8的浓度升高(图5I)。相反，抗炎细胞因子IL-4和IL-10的浓度从SI降至SIII(图5J)。此外，在所有三种亚型中，调节细胞因子IFN-γ、IL-12p70的浓度下降(图5K)，表明免疫激活受到抑制。

图5 TIDE亚型TME模式的特征

随后，本研究进一步分析单细胞RNA-seq数据集，以描述TIDE亚型的免疫景观。单细胞通过UMAP图可视化，并分为31个簇，每个簇被标注为特定的细胞类型(图6A)。检测各细胞类型中TIDE标记基因的表达，发现C1基因主要在肿瘤细胞中表达，C2基因在单核细胞、巨噬细胞、成纤维细胞和内皮细胞中高表达(图6B)。结果证实，富集C1基因的SI带来更高的肿瘤纯度，而富集C2基因的SIII携带更高的免疫和基质成分。为了获得这些患者相应的TIDE亚型，进行共识聚类。患者被分为两个亚型，通过比较细胞组成，研究发现High亚型中单核细胞、巨噬细胞、成纤维细胞、CD8Ts和内皮细胞的比例较高，而Tregs、B细胞和浆细胞的比例较低(图6C)。接下来，本研究对终端耗竭信号进行了评估，发现CD8Ts的High亚型表现出更高水平的终端耗竭状态(图6D)。通过轨迹分析，发现随着肿瘤的进展，CD8Ts的High亚型分化为两个分支(图6E, F)。CD8Ts的晚期分化组在衰竭状态上没有明显变化，而早期组则表现出严重的衰竭状态(图6E, G)。相比之下，在Low亚型中，随着肿瘤的进展，衰竭状态降低(图6E, G)。

图6 基于单细胞RNA-seq数据集的TIDE亚型TME模式表征

7. 根据TIDE亚型对BC进行精确治疗

本研究进一步评估了TIDE亚型在指导精确治疗和药物选择方面的潜力。结果发现大多数免疫检查点分子和配体(如PD-1、PD-L1、CTLA-4等)从SI增加到SIII(图7A)。本研究进一步分析了TIDE亚型在ICB中的ICB反应率。结果表明，SII和SIII与无应答者(NR)显著相关，SI与应答者(R)密切相关，且应答者的比例从SI到SIII逐渐降低(图7B)。多因素logistic回归分析显示，SIII是无反应最显著的独立预测因子(图7C)。最后，为了验证上述发现，本研究使用真实的BC样本进行了RNA-seq分析和代表性免疫检查点的多重免疫荧光。结果一致表明，PD-1 (PDCD1)、PD-L1 (CD274)和CTLA-4的表达水平在SI中最低，在SIII中最高，在SII中处于中间水平(图7D-F)，这一趋势与公共数据库一致(图7A)。

图7 TIDE亚型与ICB反应密切相关

8. TIDE亚型对特定药物保持敏感性

采用Submap分析评估TIDE亚型对靶向药物的敏感性。如图8A所示，SIII亚型倾向于受益于抗血管内皮生长因子抗体(anti-VEGF)、热休克蛋白抑制剂(HPSIs)和聚ADP核糖聚合酶抑制剂(PARPI)。随后，本研究评估了TIDE亚型对一线治疗和推荐药物的敏感性。研究结果表明，某些亚型对特定药物表现出不同的敏感性。例如，在抗代谢物中，SI对甲氨蝶呤和吉西他滨的敏感性更高(图8B, C)，而SIII对培美曲塞的敏感性更高(图8D)。在植物生物碱中，SI对长春新碱的敏感性更高(图8E)，而SIII对紫杉醇的敏感性更高(图8F)。此外，SI对抗肿瘤抗生素如阿霉素(图8G)的敏感性更高，而SIII对博来霉素更敏感(图8H)。此外，研究结果显示，SIII对铂类药物具有更高的敏感性(图8I)。在二线或推荐药物方面，研究结果显示，SI对纤维细胞生长因子受体（FGFR）抑制剂的反应较弱，例如厄洛替尼和AZD4547（图8J、K）。另一方面，SIII对表皮生长因子受体抑制剂（EGFRIs）、PARPIs（例如奥拉帕尼、鲁卡帕尼、塔拉帕尼和尼拉帕尼）（图8M）、伊马替尼（图8N）以及抗EGFR抗体西妥昔单抗（图8O）的反应更高。最后，本研究评估了HER-2在TIDE亚型中的表达水平，RNA-seq分析和免疫组化结果一致表明，HER-2在SI亚型中表达最高，在SIII亚型中表达最低(图8P-R)。

图8 BC不同TIDE亚型的药物敏感性比较

9. 泛癌中基于TIDE亚型策略的验证

为了确定本研究的TIDE亚型是否在泛癌症中保守，本研究分析了5个泛癌症数据集。结果显示，5个泛癌数据集一致分为3个亚型:SI(低表达)、SII(中表达)和SIII(高表达)(图9A)。此外，不同亚型之间的预后存在显著差异(图9A)，表明TIDE亚型在泛癌中普遍存在。ICB对多种肿瘤具有显著的治疗效果。因此，本研究探讨了泛癌中TIDE亚型对ICB治疗的敏感性。根据C2基因的表达水平，本研究将这些样本分为预后有显著差异的三个亚型(图9B)。此外，超几何测试显示，ICB应答者与SI密切相关，无应答者与SII和SIII相关(图9C)。在其他靶向药物方面，SII和SIII对抗VEGF、mTORIs、PARPI、VEGFRIs治疗有反应，但对抗HER-2和TKIs耐药(图9D)。

图9 泛癌中基于TIDE亚型策略的验证

文章小结

总之，本研究对BC患者的全转录组数据进行了分析，确定了三种基于TIDE的亚型，基于TIDE亚型分型方法可以作为BC和泛癌患者的强大临床工具，并可能指导个性化治疗决策。看完这篇文章有没有觉得肿瘤免疫方向的研究还有很多可做之处？文章从临床高需求问题入手，选择热点话题“TIDE”进行研究，选题创新性满满。其次，文章使用大量转录组数据和临床样本，基于TIDE进行了膀胱癌和泛癌的分型，是文章质量的关键。同时利用生信+实验相结合的方法，增强了文章质量，提升了文章可信度！效果不得不说很赞啊！想在肿瘤免疫方向做点新东西的小伙伴，不要错过这个好思路，可以换个癌种复现，还可以拓展做国自然课题，一举两得，有需要的小伙伴可以来找小记者做设计哟~