胶质母细胞瘤的细胞系和免疫分类决定患者的

BritishJournalofCancer

IF：5.8

Publishedin.3.22

Introduction

胶质母细胞瘤缺乏预后标志物。肿瘤的内在特征和微环境都可能影响肿瘤的预后。本研究的目的是建立一个纯粹的胶质母细胞瘤细胞系和免疫分类，以阐明胶质母细胞瘤细胞和微环境各自对预后的作用。

图1

图2

我们的目标是产生一个纯肿瘤细胞内固有的GBM转录组特征。为此，我们假设胶质母细胞是由胶质母细胞类型的不同亚群组成的。

为了量化GBM样本是否包含这三种肿瘤细胞类型的不同比例，我们使用了一种改编自Cibersort的反卷积算法(见材料和方法)。患者样本来自TCGAGBM数据(n=)，作为实验集，在Rembrandt数据集(n=)上验证我们的观察结果。

利用这些从反卷积算法获得的细胞系估计，我们将患者分为三个不同的组。我们观察到一个代谢富集组，主要富集于间叶细胞肿瘤(n=81)，一个致癌富集组(n=)和一个神经元通讯富集组(n=)，这是由神经元，神经元，在致癌基因富集组中，神经元肿瘤和典型肿瘤富集神经元肿瘤(图2b)。在Rembrandt队列中也观察到类似的结果(图2c)。

我们观察到代谢富集组9名患者，致癌富集组76名患者和神经元通讯富集组95名患者。代谢富集组主要涉及间充质肿瘤，致癌富集组主要涉及神经元肿瘤。

然后，我们将这种GBM细胞系分类与经典的分子分类进行了比较。新的GBM细胞系分类与经典分类是独立的(TCGA组群和Rembrandt组群的卡方检验分别为p2.10?16和p=9.10?13)，这意味着新的分类与经典分子分类无关。

然后，我们在TCGA队列中测试这两种分类与操作系统和DFS的关联，在只有操作系统数据的Rembrandt队列中测试这两种分类与操作系统的关联。在TCGA队列中，经典分子分类与OS无显著相关性(图2d)。与间叶肿瘤相比，神经前肿瘤与显著较差的OS无关(风险比(HR)=1.16,95%可信区间(CI)(0.86-1.)，p=0.33)。

相反，在Rembrandt队列中，经典分子分类与OS显著相关(log-rankp=0.01)。然而，在该队列中，与间质肿瘤相比，脑膜前肿瘤与更好的OS并没有显著相关(HR=0.58,95%CI(0.30-1.)，p=0.11)(图2e)，这表明使用经典分子分类来判断患者预后存在困难。

在TCGA队列中，GBM细胞系分类与OS预后无显著相关性(log-rankp=0.16)，DFSlog-rankp=0.29)(图2f)。在验证队列中，分类与OS显著相关(log-rankp=0.02)。与TCGA队列相似，神经通讯富集组与较差的OS相关(与肿瘤富集组相比，HR=1.57,95%CI(1.08-2.28)，p=0.02)(图2g)。

图3

为了估计GBM样本中不同类型的免疫细胞，我们使用了一种改编自CIBERSORT的反卷积算法来估算肿瘤中的免疫细胞浸润。反卷积过程允许量化GBM肿瘤内的免疫细胞。估计结果显示，被分析的大多数肿瘤的浸润率都很低，因为大多数肿瘤的免疫细胞低于10%。

使用纯免疫细胞的转录组,我们可以估计量的源细胞(B细胞、NK、浆细胞,γδT细胞,Tfh,调节性T细胞(Treg),Th1、Th2,Th17,天真CD8,效应记忆CD8EMRACD8和中央内存CD8)和髓细胞(血浆,树突细胞,单核细胞的细胞,粒细胞,树突状细胞、1型巨噬细胞和2型巨噬细胞)。

我们在这两个队列中观察到，神经前区和经典的胶质母细胞瘤免疫细胞浸润最弱(图3a,b)。在淋巴室，B细胞和Treg是最常见的群体。Treg在神经肿瘤中更常见，因此表明在这些肿瘤中有更高的免疫抑制背景。重要的是，在所有GBM亚型中都发现了CD8亚群的弱浸润。在髓系人群中，巨噬细胞是最具代表性的人群。令人惊讶的是，1型巨噬细胞似乎比2型巨噬细胞更频繁。

在间充质肿瘤中，我们观察到单核细胞的积累，这可能接近单核MDSCs。使用新的分子分类，与其他亚型相比，代谢富集肿瘤在免疫细胞中高度浸润(图3c,d)。肿瘤基因富集肿瘤高度浸润Treg细胞，而代谢富集肿瘤高度浸润巨噬细胞。

使用反卷积算法的分层聚类显示TCGA队列中有5个聚类(图3e)。在Rembrandt队列中，使用discovery队列中定义的组进行预测(图3f)。簇1和簇2高度富集于免疫浸润细胞。

虽然簇1在髓系和淋巴细胞中免疫浸润平衡，且Treg细胞数量较多，但簇2主要受髓系细胞侵袭。簇2是间质和代谢富集簇的特征。簇3和簇4有中度免疫浸润。这些肿瘤被Treg和Th2细胞高度浸润。后两种聚类与神经肿瘤和富致癌基因肿瘤有关。簇5是免疫细胞浸润最少的簇，在经典肿瘤和神经元通讯富集肿瘤中富集。这些估计表明，不同的分子亚群和细胞系分类亚群之间在免疫浸润方面存在差异。

图4

我们使用单变量Cox比例模型将每个免疫细胞作为连续变量进行测试，在所有TCGA队列患者中，只有中央记忆CD8T细胞与较差的OS相关(图4a)。在Rembrandt队列中，B细胞的高浸润与预后良好相关，而基质结构的高存在与预后不良相关(图4b)。

在亚组分析中，髓系细胞、巨噬细胞和m1型巨噬细胞的高浸润与TCGA组(DFS和OS)或Rembrandt组的不良预后重复相关。使用GBM细胞系分类，在癌基因富集组中，无论是TCGA组还是Rembrandt组，只有2型巨噬细胞的高存在与较差的OS相关(图4a,b)。

使用分子分类和免疫标记生成生存期的复合生物标志物

图5

表1

估计了一个包含新分类和免疫细胞比例的多变量LASSOCox模型。如前所述，经典分类对OS的作用在两个队列之间是不可重现的;因此，该分类在多变量预后模型中没有保留。

新分类和免疫细胞比例之间的相互作用被添加到模型中，因为我们早些时候已经表明，这些细胞的预后作用在不同的细胞系组中是不同的。使用该模型的线性预测中位数作为阈值，我们将患者分为两组。这些组与OS显著相关(中位OS14.5vs11.3,HR=0.,p=0.,n=)(图5a)。同样的模型和阈值应用于伦勃朗队列作为验证。再次，这两个危险组与OS显著相关(中位OS17vs21.9,HR=0.56,p=0.,n=)(图5b)。

最后，我们想检验我们的复合评分与用于确定预后的经典临床变量相比是否能够带来新的信息。临床变量如年龄、性别、6-O-Méthylguanine-ADNméthyltransférase(MGMT)甲基化和治疗类型仅适用于TCGA队列(没有患者存在IDH突变)。

我们建立了一个包含所有临床变量的多变量Cox模型，另一个以临床变量和我们的综合评分作为连续变量。我们的综合得分在模型中仍然非常显著(HR=6.,95%CI=2.;15.)，p=0.0，表1)。我们还对两种模型进行了方差分析(ANOVA)，显示包含临床变量和综合评分的模型优于单独包含临床变量的模型(ANOVAp=0.)。我们的数据强调，结合分子特征和免疫浸润量的估计可以用于解决胶质母细胞瘤患者的结果。

总之，我们证明了胶质母细胞瘤细胞系分类和免疫分类可以结合起来解决胶质母细胞瘤患者的预后问题，并可用于进一步的临床试验对患者进行分层。除了判断预后，这些数据也为选择有T细胞浸润的患者提供了一些线索，这些患者可能受益于检查点抑制剂。这样的分类也可以帮助我们发现需要靶向免疫抑制的肿瘤，如Treg或TAM，或具有免疫desert的肿瘤，可以从肿瘤疫苗中获益。

Rreference：Celllinesandimmuneclassificationofglioblastomadefinepatient’sprognosis

PMID：

DOI：10./s---y

转载请注明：http://www.gygengv.com/lblzz/13881.html