拿别人的数据，做自己的文章

在上周文献精读学习班（加入学习，请点击文末图片）中分享了一篇比较独特的文章，讲的是如何利用TCGA数据库来分析肿瘤微环境中免疫细胞的浸润。(回复“0329”可下载文献，一周有效)

先来简单的介绍下TCGA数据库，如果之前对生物信息学有所了解话应该知道，TCGA数据库的库载数据类型非常的广，包括基因组、转录组、蛋白组、表观遗传和大量的临床预后信息。

TCGA数据库里的这些信息可以满足我们各种各样的分析需要，在最近关于免疫检查点治疗的研究非常火热，可现在临床上运用免疫检查点治疗的方法一般都是基于免疫检查点分子，比如最热的就是PD-1、PD-L1、CTLA4等等，大多都是基于免疫检查点在癌症中的表达。

同时有很多研究发现，在肿瘤微环境中免疫细胞的浸润跟使用免疫检查点靶向药物有很大的关联性。假如说CD8 T细胞浸润越多，那么使用PD-L1阻断剂的效果也会更好。本文就充分利用了TCGA数据库中多种肿瘤的RNA-seq以及基因组的数据，来全面综合衡量微环境中免疫浸润的情况。

这篇文章的主要思路：

1、利用TCGA数据库观察了20种实体瘤的免疫细胞浸润情况。

2、癌症基因组变化最终决定肿瘤免疫表型和肿瘤逃逸机制。

3、通过MHC、EC、CP、SC建立免疫表型分数来作为免疫检查点治疗响应的指标，对免疫检查点治疗能起到很好的指导作用。

这篇文章一共有6组图，先来看Fig1，讲的是泛肿瘤免疫基因组分析策略。

Fig1A说明了免疫基因组分析流程，数据来自于TCGA数据库，并且用两个临床试验anti-CTLA4和anti-PD-1用于验证。

Fig1B中用了现在最流行的基因标记，用特异的免疫细胞marker，只在特定的免疫细胞上表达，在正常细胞和肿瘤细胞上都不表达。作者找到了28种特异免疫细胞亚型能表达这种marker，并用于基因集富集分析（GSEA）TCGA RNA测序数据。

Fig2中作者对实体癌细胞免疫浸润细胞表征进行了分析。

Fig2A做了28个免疫细胞亚群在19个实体瘤中的预后分析。19种实体瘤按突变负荷量从低到高排序。而图中，红圈危险因素，蓝圈代表保护因素；圈越大，代表影响的人群越多。这部分原始数据我们也可以在TCIA的网站上获得。

Fig2B作者用了个简单的火山图来表示28种免疫细胞各亚型在高，中，低突变负荷的肿瘤中的分布。可以看出来，突变和免疫细胞的分布是密切相关的。Fig2C也是类似的结果。

Fig2D展示了2维情况下免疫细胞在肺癌中浸润情况，是Fig2A和Fig2B的衍生。

Fig2E说的是在不同的临床分期中，这28种免疫细胞亚型的分布情况。

Fig3的内容和文章并不是特别相关，主要介绍了实体瘤中的抗原基因组。这里就不展开了。

Fig4进入了本文的重要环节：免疫细胞的浸润和哪些因素有关？

Fig4A、B分析了肿瘤微环境中肿瘤异质性免疫细胞的相关性。Fig4A中可以看到，肿瘤负荷和肿瘤异质性是相关的；Fig4B中肿瘤异质性与免疫细胞浸润也是相关的。

Fig4C、D观察了肿瘤抗原性与免疫细胞的相关性，做的东西和Fig4A、B一样。肿瘤新生抗原越多，肿瘤微环境中自然杀伤细胞浸润也就越多。

Fig4E、F中作者重点分析了肿瘤突变和肿瘤微环境中免疫细胞浸润的情况。主要列举了甲状腺癌（肿瘤突变负荷最低）中BRAF和RAS突变的例子。

那BRAF和RAS是如何肿瘤微环境中的免疫细胞浸润呢？Fig4G中对肿瘤的差异基因进行了ClueGO分析。可以看出BRAF和RAS相关基因大多数都是和免疫相关的。

接下来就开始分析肿瘤免疫逃逸，有几种策略：

1）下调MHC家族分子，逃避T细胞识别；

2）上调免疫抑制分子，如CTLA-4等；

3）下调免疫激活分子，如OX40等。

Fig4H中列举了一些MHC家族分子和免疫调节分子在BRAF和RAS突变肿瘤中的表达。

Fig4I-K就是做了黑色素瘤（肿瘤突变负荷最高）相关免疫细胞和微环境的研究，研究方法和甲状腺癌一样。

Fig5进入本文核心——实体瘤中免疫原性的决定因素。

Fig5A里作者确定了实体瘤中免疫原性参数。最终确定了4种：

1、活化的CD8+/CD4+ T细胞，以及效应免疫的CD8+/CD4+ T细胞；

2、免疫抑制细胞；

3、MHC I类、II类和非经典分子；

4、免疫刺激和免疫抑制分子。

对这4类分子进行评分，来评估免疫表型的分数，也就是Fig5B。

免疫表型分数用于确定免疫原性的参数的可视化

Fig5C评估了在实体瘤中免疫表型分数对于预后的意义。

Fig5D、E举了结直肠癌和乳腺癌免疫表型分数的例子。

Fig6是本文的亮点，作者用了两个队列（CTLA、PD-1）的临床信息，包括患者的治疗效果和之后的随访，对于免疫检查点相应的情况，都有详细的信息。

Fig6A分析了免疫表型分数与anti-CTLA-4治疗响应

Fig6B作者比较了响应和非响应患者免疫细胞浸润差异。说明免疫检查点治疗和免疫亚型的浸润是密切相关的，和之前文献结果也一致。

Fig6C是对免疫表型分数汇总统计。Fig6D用ROC曲线评估，免疫表型分数，突变载体，PD-1，PD-L1和CTLA4的表达，都有统计学差异。

Fig6E-H作者对PD-1队列做了同样的分析。这就说明免疫表型分数，对于免疫检查点治疗来说是个很好的指标。

这篇文章中通过一系列算法分析，得到了免疫细胞的浸润是否对免疫检查点治疗的指导意义。

对于肿瘤微环境中免疫细胞的浸润在这篇文章中分析了很多种因素，包括TNM分期、突变负荷。

最后将这些因素汇总成可量化的免疫表型分数对免疫检查点治疗进行评估，作者列举了CTLA4和PD-1两个例子，说明这个指标是可行的。