关键词:
软组织肉瘤
肿瘤微环境
免疫治疗
肿瘤免疫细胞浸润
预后
摘要:
目的基于生物信息学方法构建肿瘤微环境相关的软组织肉瘤预后预测模型,并进行验证。方法从癌症基因组图谱(TCGA)数据库中获取255例软组织肉瘤患者的完整转录组数据和临床信息等(训练集),数据下载时间为2023年8月3日;从基因表达综合(GEO)数据库GSE17679数据集中下载软组织肉瘤患者基因表达数据以及临床数据(验证集),数据更新时间为2011年12月1日。依据ESTIMATE算法计算TCGA数据库中软组织肉瘤患者的免疫评分和基质评分,确定最佳临界值,分为相应的高评分组(≥最佳临界值)和低评分组(<最佳临界值);使用Kaplan-Meier法分析高、低免疫评分组和高、低基质评分组患者的总生存(OS);使用R软件包DESeq2对高、低免疫评分和高、低基质评分组软组织肉瘤患者进行差异基因表达分析,筛选免疫评分组和基质评分组共同上调的基因。采用Cox比例风险模型,筛选TCGA数据库中软组织肉瘤患者预后相关的差异表达基因;采用LASSO回归分析对模型进行交叉验证及优化,多因素Cox比例风险模型筛选预后相关差异表达基因的关键基因;计算风险评分,建立预后预测模型;根据风险评分的最佳临界值,将训练集和验证集样本分为高风险组(≥最佳临界值)和低风险组(<最佳临界值)。绘制受试者工作特征(ROC)曲线评估模型预测效能;采用UMAP和t-SNE分析检验分组效能;Kaplan-Meier法分析高、低风险组的OS。对TCGA数据库中高风险组和低风险组患者进行差异基因表达分析,进行基因本体(GO)和京都基因与基因组百科全书(KEGG)富集分析。采用CIBERSORT计算每个样本中22种免疫细胞的浸润丰度,比较高、低风险组免疫细胞浸润的差异,Spearman相关性分析免疫细胞浸润情况和风险评分的相关性。比较高、低风险组患者免疫检查点相关基因的表达差异;利用肿瘤免疫功能障碍和排斥(TIDE)数据库计算TCGA数据库中患者的TIDE评分,预测高、低风险组患者对免疫治疗的反应。结果TCGA数据库中255例软组织肉瘤样本的免疫评分和基质评分的最佳临界值分别为614.23分和644.98分。高免疫评分(≥614.23分)组(100例)OS优于低免疫评分(<614.23分)组(155例)(P=0.001);高基质评分(≥644.98分)组(160例)OS优于低基质评分(<644.98分)组(95例)(P=0.001)。免疫相关差异表达基因和基质相关差异表达基因有601个共同上调差异表达基因;采用单因素Cox比例风险模型,筛选出TCGA数据库中189个软组织肉瘤预后相关的差异表达基因(P<0.05);通过LASSO回归分析和多因素Cox比例风险模型,得到5个预后相关差异表达基因的关键基因:KLRD、CCL1、PSG2、ATP6V1G3、MAS1L,建立预后预测模型:风险评分=(-0.256)×KLRD1+(-0.486)×CCL1+0.129×PSG2+0.348×ATP6V1G3+(-0.234)×MAS1L。根据训练集风险评分的最佳临界值(0.794分)将患者分为高风险组(≥0.794分,167例)和低风险组(<0.794分,88例);验证集风险评分的最佳临界值(0.628分)将患者分为高风险组(≥0.628,34例)与低风险组(<0.628,54例)。高风险基因为PSG2、ATP6V1G3,低风险基因为KLRD1、CCL1和MAS1L。训练集、验证集高风险组患者OS均较低风险组差(均P<0.05)。ROC曲线分析结果显示,预后预测模型预测训练集软组织肉瘤患者1、3、5年OS率的曲线下面积(AUC)分别为0.75、0.77、0.78;验证集AUC分别为0.72、0.65、0.64。UMAP和t-SNE分析结果显示训练集、验证集的高、低风险组患者均分成两个集群。GO分析结果显示差异基因主要的细胞定位有免疫受体激活、趋化因子激活和趋化因子受体结合等;在参与的生物过程中富集到白细胞黏附、T细胞调节激活和淋巴细胞分化等通路;主要参与的分子功能有形成质膜外侧和免疫细胞突触等。KEGG分析结果显示这些差异基因主要富集到细胞因子与细胞因子受体相互作用、趋化因子信号通路和细胞黏附分子等通路。CIBERSORT计算结果显示,TCGA数据库低风险组中CD8^(+)T细胞、M1型巨噬细胞和静息肥大细胞浸润丰度均较高风险组高(均P<0.01),而高风险组中M0型巨噬细胞浸润丰度高于低风险组(P<0.001)。风险评分与CD8^(+)T细胞、M1型巨噬细胞和静息肥大细胞浸润呈负相关,与M0型巨噬细胞浸润呈正相关(均P<0.05);高CD8^(+)T细胞浸润、高M1型细胞浸润、高肥大细胞浸润和低M0型细胞浸润的软组织肉瘤患者OS更好。TCGA数据库中低风险组中大部分免疫检查点相关基因的相对