生信分析，生信分析公司，医学sci，生信分析学习，tcga数据库，geo数据库，单细胞测序，转录组分析，甲基化，医学sci写作，论文解读高分文章秘籍！10+炎症反应相关+分型生信思路非肿瘤生信

导语

今天给同学们分享一篇炎症反应和分型的生信文章“Identification of molecular subtypes based on inflammatory response in lower-grade glioma”，这篇文章于2022年10月1日发表在Inflamm Regen期刊上，影响因子为10.426。炎症反应是影响低级别胶质瘤(LGG)预后和治疗反应的重要特征。然而，基于炎症反应的分子亚型仍在开发中。总之，作者建立了一种基于炎症亚型的新型神经胶质瘤分型。这种分型对于估计预后以及肿瘤微环境具有重要的结果。

1. 共识聚类确定了三种基于炎症的亚型

炎症相关基因集是从基因集富集分析（HALLMARK_INFLAMMATORY_RESPONSE）中获得的。作者使用STRING数据库对这些炎症相关基因进行PPI网络分析，以充分理解它们之间的相互作用（图1A）。随后，作者利用共识聚类确定了基于LGG炎症的集群。在k-means聚类之后，作者在TCGA队列中确定了3个集群，它们显示了不同的炎症基因表达模式（图1B和C）。炎症基因的表达水平在不同的集群中有所不同。具体来说，集群C2表明***水平的炎症基因表达。相比之下，C3集群被发现具有***的表达水平，C1集群显示中等水平（图1D）。

图1 LGG中三种炎症亚型的鉴定

使用ssGSEA方法，作者还量化了每位患者的炎症反应评分。结果显示，分为C2组的患者表现出***的炎症反应评分，其次是C1和C3（图1E）。因此，作者将C2集群指定为高炎症亚型，将C3集群指定为低炎症亚型，将C1集群指定为中炎症亚型。随后，为了比较各种炎症亚型的转录模式，进行了主成分分析（PCA）。总的来说，PCA表明来自三个集群的样本彼此高度分离，这表明这些亚型之间存在不同的转录谱（图1F）。

2. 分为不同炎症亚型的患者表现出不同的预后和临床病理特征

以往的研究表明，炎症反应在神经胶质瘤的肿瘤发展中起着决定性作用。生存分析证实，这些基于炎症的亚型具有特定的临床结果，这与现有数据一致。一般来说，高炎症亚型的预后很差，总生存期和无进展生存期***短（图2A）。与炎症高亚型相反，炎症低亚型与三种亚型中***有利的临床结果相关。这些发现得到了额外验证（图2B）。作者进一步比较了三种亚型的临床病理特征。分为高炎症亚型的患者与高死亡率、未甲基化MGMT启动子状态、IDH野生型状态、1p19q非编码缺失状态、WHOIII级和星形细胞瘤组织学相关。相反，低炎症亚型主要包括低死亡率、甲基化MGMT启动子状态、IDH突变状态、1p19q编码缺失状态、WHOII级和少突神经胶质瘤组织学（图2C和D）。

图2 炎症亚型间预后和临床病理特征的差异

3. 基于炎症的亚型与不同的肿瘤微环境(TME)相关

TME成分已被证明会因炎症而显着改变，这对免疫细胞尤其具有强烈影响。作者检查了不同亚型之间的TME成分。简而言之，免疫评分从高炎症亚型到低炎症亚型逐渐降低（图3A），而肿瘤纯度逐渐增加（图3B）。这些表明炎症高被更高水平的免疫细胞浸润。接下来，执行CIBERSORT方法以确定这些亚型之间的免疫异质性。图3C总结了22种不同免疫细胞浸润的概况。详细而言，炎症高亚型患者表现出更高水平的免疫抑制细胞（M2型巨噬细胞）和静息免疫细胞，但T细胞滤泡辅助细胞和B细胞的比例显着降低（图3D）。此外，大多数免疫检查点在高炎症亚型中升高。相反，在低炎症亚型中显示出相反的模式（图3E）。这些发现表明，免疫抑制细胞、失活NK细胞和免疫检查点的增强表达可能驱动高炎症亚型的免疫抑制微环境。

图3 基于炎症的亚型与不同的肿瘤微环境相关

抗肿瘤免疫可以解释为七个连续过程，统称为“癌症免疫循环”。作者使用TIP评估了七步癌症免疫循环在三种亚型中的抗癌免疫功能。虽然炎症高亚型呈现出步骤1（肿瘤抗原释放）、步骤4（T细胞转移至肿瘤）和步骤5（免疫细胞浸润到肿瘤）的高活性，但步骤6（肿瘤细胞检测）的大幅衰减（图4A）。然而，高炎症亚型与第6步和第7步的活动增强有关，但与第1步、第4步和第5步的抑制有关（图4A）。这些表明炎症高亚型免疫抑制微环境的缓解和炎症低亚型免疫细胞浸润的改善可能有助于LGG的良好临床结果。此外，参与免疫过程负调节的基因主要在高炎症亚型中上调，其次是中炎症亚型和低炎症低亚型（图44B）。

图4 炎症亚型间抗癌免疫活性

此外，作者分析了与炎症亚型相关的潜在途径。GSEA富集分析表明，高炎症亚型对免疫通路具有显着富集的负调节作用，包括TGF-β信号、缺氧、上皮-间质转化和血管生成（图4C）。这些发现表明，炎症高亚型患者容易形成免疫抑制微环境，其特征是免疫调节细胞因子上调、免疫检查点表达和免疫抑制细胞浸润，这可能***终导致不良预后。

4. 高炎症、中炎症和低炎症亚型的体细胞突变景观

作者发现这些亚型的体细胞突变模式是不同的。尽管IDH是***常见的突变，但IDH突变的相对比率因不同亚型而异。发现低炎症和中炎症亚型具有增加的IDH1突变频率，占总突变的85%和90%，而高炎症亚型仅占47%的突变（图5A-C）。此外，中炎症亚型的TP53突变频率***(73%)，其次是高炎症亚型(45%)和低炎症亚型(15%)。此外，肿瘤突变负荷评分从低炎症亚型到高炎症亚型逐渐增加（图5D），而在微卫星不稳定性方面没有观察到显着差异（图5D）。随后，作者检查了这些亚型中每一种的9种主要致癌途径的突变频率。作者的结果显示，大多数致癌突变通路在炎症高亚型和炎症亚型中检测到，包括RTK-RAS、PI3K、TP53、Notch和Hippo通路（图55F）。值得注意的是，这些致癌突变通路很少在低炎症亚型中检测到。

图5 不同LGG亚型之间体细胞突变的比较

5. 炎症相关预后特征的建立和验证

作者进一步创建了一个依赖于炎症基因的预后模型。根据Cox单因素分析的结果，200个炎症基因中有139个被确定为与患者的OS有实质性关联。图6A总结了p值***显着的前十个基因。如图6B、6B所示，评估并选择了通过Cox单因素分析确定的139个炎症基因，以预测LASSO回归分析中模型的预后价值。此外，作者检查了风险评分和生存状态之间的关系。如图6D、6D所示，作者的研究结果表明，在低风险人群中，与高风险人群相比，存活状态的数量显着增加。使用Kaplan-Meier分析进一步确定了关于风险模型的预后价值。总体而言，高风险评分与TCGA训练队列中不利的OS和PFS相关（图6E）。

图6 炎症相关预后特征的构建和验证

6. 炎症风险特征对预后评估具有重要预测价值

作者制作了ROC曲线，以根据1年、3年和5年生存率评估炎症风险特征的预测有效性。此外，1年、3年和5年的ROC曲线下面积(AUC)分别为0.893、0.859和0.739，具有很强的预测意义（图7A）。作者还比较了基于LGG临床特征的炎症风险特征的预后效率，例如1p19q状态、等级、IDH状态、性别、MGMT启动子状态、年龄和ATRX状态。结果表明，与其他临床特征相比，炎症风险在预测预后方面表现***（图7B）。随后进行多因素和单因素Cox分析，以估计炎症风险特征对OS的独立预后意义。如图7C所示，单因素分析的结果表明，高炎症风险评分与不利的OS显着相关。与不利OS相关的其他参数包括1p19q状态、IDH状态、等级、年龄和MGMT启动子状态。图7D描述了多因素分析的结果，表明高炎症风险评分与相当不利的OS存在独立联系，这意味着它可以独立地作为LGG患者的预后预测因子（图7D）。

图7 LGG炎症相关风险特征的预后价值

7. 通过scRNA-seq分析验证炎症基因表达模式

为了进一步确认表达这些炎症基因的细胞的详细类型构成了TME中的风险特征，作者利用来自GSE70630的数据分析了LGG-scRNA-seq。通过UMAP共检测到4个细胞团，即AC样恶性细胞、单核巨噬细胞、OC样恶性细胞和少突胶质细胞（图8A）。结果显示，ABI1、ITGB8和PCDH7主要在恶性细胞中表达，而IFNGR2、MSR1和EMP3主要在单核巨噬细胞中表达（图8B和C）。此外，F3、DCBLD2和TNFAIP6在非肿瘤细胞和肿瘤细胞中均检测到低水平。