转录组数据-免疫微环境精品分析思路(四)

基于转录组数据,探索卵巢癌不同病理亚型的免疫微环境,寻找不同亚型预后相关的免疫signature和基因。

思路导图:

 

数据来源:作者从多个数据库(GEO, TCGA, ArrayExpress, InSilicoDB, PubMed等)中下载3176例卵巢癌转录组数据,将其归类为不同的组织病理学亚型,进而分析不同亚型的免疫微环境,并寻找每种亚型与预后的相关免疫特征和基因。

 

 

一. 卵巢癌不同病理亚型的淋巴细胞亚群(TILs)

不同的组织病理学亚型下,其免疫微环境具有异质性。

 

 

二. 对每种亚型的TIL进行cox回归分析

1.利用cox回归方法,寻找影响每种亚型生存的TIL,发现每种卵巢癌亚型的免疫浸润与生存的的关系各有特点。

 

 

2.利用K-M曲线和log rank检验,绘制免疫细胞影响预后的生存曲线。

1)在高级别浆液性卵巢癌亚型中,具有高活性B细胞,活性CD4+T细胞,活性CD8+T细胞以及树突状细胞浸润的患者呈现出更好的生存。

2)在低级别浆液性卵巢癌亚型中,具有高中央记忆CD4+T细胞浸润的患者呈现出较差的生存。

3)在粘液性卵巢癌亚型中,具有辅助细胞Th2浸润的患者与较差的预后相关。

4)在透明细胞卵巢癌亚型中,具有活性CD4+T细胞,辅助细胞Th2,CD56 bright NK细胞,嗜酸性粒细胞和中性粒细胞浸润的患者,一般预后较差。

 

 

三. 不同亚型的免疫相关基因与预后的关系

将11个免疫相关基因表达情况与每种亚型的预后信息相关联,利用Log rank检验的方法,寻找影响每种亚型生存的免疫基因。

 

 

四. 鉴定不同亚型的预后相关基因

针对每种亚型,作者联合基因表达数据和生存信息,利用单因素cox回归模型,建立出每种亚型的“good prognostic genes”和“bad prognostic genes”。

通过功能富集分析发现:

1) 高级别浆液性卵巢癌亚型中的“good prognostic genes”主要参与了固有免疫应答和适应性免疫应答过程。

2) 低级别浆液性卵巢癌亚型中的“good prognostic genes”主要参与了瘤间充质干细胞中纤毛聚集和纤毛形态发生。

3) 高级别浆液性卵巢癌亚型中的“bad prognostic genes”富集到了细胞外基质结构,细胞黏附等生物学过程。

4) 低级别浆液性卵巢癌亚型中的“bad prognostic genes”富集到了细胞外基质结构,胶原纤维结构等生物学过程。

说明高级别、低级别浆液性卵巢癌亚型具有不同的生物学行为来影响预后。

 

 

 

Ref: Yang L, Wang S, Zhang Q, et al. Clinical significance of the immune microenvironment in ovarian cancer patients[J]. Molecular omics, 2018, 14(5): 341-351.

文献解读

转录组数据-免疫微环境精品分析思路(五)

2020-8-28 4:47:28

文献解读

转录组数据-免疫微环境精品分析思路(三)

2020-8-28 4:48:01

加入Q群
0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
今日签到
有新私信 私信列表
搜索