|
导语 Comprehensive Analysis of the Immune Implication of ACK1 Gene in Non-small Cell Lung Cancer ACK1基因在非小细胞肺癌中的免疫意义的综合分析 一、研究背景 肺癌是最致命的实体恶性肿瘤之一，非小细胞肺癌（NSCLC）是主要的组织学类型，占所有病例的85％。免疫疗法是一种有希望的替代疗法，但只有一部分NSCLC患者可以从免疫疗法中受益。疗法激活的Cdc42相关激酶1（ACK1），称为酪氨酸激酶非受体2（TNK2），是一种细胞内非受体酪氨酸激酶，可以作为各种癌症的治疗靶标。位于3q29号染色体上的ACK1基因在几种类型的癌症中经常被扩增或突变，这通常会导致ACK1信号级联反应异常活动。迄今为止，ACK1致癌作用在肺癌中的作用机制仍然未知。 二、研究思路 三、结果解读 1 肺癌和正常组织中浸润性免疫细胞的景观 作者首先使用CIBERSORT方法提取并处理基因表达谱，系统描述了免疫细胞模式。与正常组织相比，原始B细胞，浆细胞，T细胞CD8，T细胞CD4记忆激活，T细胞滤泡辅助，T细胞调节（Tregs），巨噬细胞M1和树突状静息细胞的比例显着增加，而LUAD中的T细胞CD4记忆静止，NK细胞静止，单核细胞，巨噬细胞M0，巨噬细胞M2，活化的树突细胞，静止的肥大细胞，嗜酸性粒细胞和中性粒细胞减少。在LUSC也发现了类似的情况。与正常组织相比，浸润免疫细胞LUAD和LUSC有不同表达模式。此外，在LUAD中发现了免疫细胞之间的不同相关模式和LUSC，表明这两种组织学类型之间存在不同的免疫微环境。除此之外，B细胞和树突状细胞的浸润水平以及ACK1 / TNK2 mRNA的表达与LUAD的存活率显着相关，而CD4 + T细胞与LUSC的存活率相关。  图1.通过细胞类型鉴定评估22种免疫细胞浸润的比例 2 ACK1 / TNK2与免疫细胞之间的关联  图2.ACK1 / TNK2基因拷贝数与免疫细胞浸润水平之间的关联 接下来检查了ACK1 / TNK2对免疫系统的影响。在许多类型的癌症中，包括LUAD和LUSC，ACK1 / TNK2 mRNA表达水平均显着升高。免疫细胞浸润水平随着ACK1 / TNK2基因拷贝数的变化而变化。几种免疫细胞浸润水平似乎与ACK1 / TNK2基因拷贝数的改变有关，包括LUAD中的B细胞，CD4 + T细胞，巨噬细胞，嗜中性粒细胞和树突状细胞。在LUSC中发现了类似的结果。在LUAD中，一些免疫亚群与ACK1 / TNK2 mRNA水平呈负相关或正相关。相反，ACK1 / TNK2 mRNA水平与LUSC中各种类型的免疫细胞均呈负相关。  图3.ACK1 / TNK2表达水平与免疫细胞亚群之间的相关性 RNA-seq结果表明，A549细胞中ACK1基因的沉默激活了几种免疫相关的信号传导途径，包括T细胞受体，趋化因子，JAK-STAT和Toll样受体信号传导途径。这些结果进一步证实ACK1可能下调了肺腺癌的免疫反应。还分析了从CCLE下载的188个肺癌细胞的RNA-seq数据，通过平均ACK1 mRNA水平将细胞系分为ACK1高和ACK1低组。如图4E所示，GSEA分析表明ACK1与几种免疫相关的信号通路相关，包括T细胞受体信号通路，B细胞受体信号通路，FC epsilon RI信号通路，以及补体和凝血级联反应。  图4.与ACK1 / TNK2相关的免疫信号通路 作者还探讨了ACK1可能调节LUAD中免疫应答的信号传导途径。确定了20种免疫刺激剂（C10orf54，CD27，CD86，ENTPD1，ICOSLG，IL2RA，IL6，LTA，TNFRSF13B，TNFRSF13C，TNFRSF14，TNFRSF18，TNFRSF25，TNFRSF4，TNFRSF8，TNFRSF9，TNFSF13B，TNFSF14，TNFSF15和TNFSF4）和15种免疫抑制剂（ADORA2A，CD160，CTLA4，HAVCR2，IL10，IL10RB，LAG3，LGALS9，PDCD1，PDCD1LG2，PVRL2，TGFB1，TGFBR1，TIGIT和VTCN1）与LUAD中的ACK1显着相关，使用癌症基因组学的cBioPortal查询了与这些免疫调因子紧密相关的50个顶级基因，并用GO注释这些基因。这些基因的KEGG通路富集分析表明，PI3K-AKT，Ras和T细胞受体信号通路与ACK1介导的免疫事件有关。  图5.鉴定和分析与ACK1 / TNK2基因相关的免疫调因子 3 ACK1相关免疫调节因子在肺癌中的预后意义 为研究LUAD中与ACK1相关的免疫调因子的预后价值，作者通过多元Cox回归分析得到LUAD中最佳的14个基因预后特征，表1列出了整合的基因生物学功能。  表1.预后标志中包括的基因功能 随后进行单变量Cox回归分析以评估这些基因与OS之间的关联。通过将每个基因的表达值和系数的乘积相加来计算风险评分，Kaplan-Meier生存曲线表明，低风险评分患者的生存期明显高于高风险患者。风险评分和阶段的曲线下面积（AUC）值分别为0.721和0.683。当风险评分和分期相结合时，AUC为0.778。  图6.35个ACK1相关的免疫调节因子和ACK1的预后基因验证 多因素Cox回归显示，在校正年龄，性别，阶段，T，M和N后，风险评分是NSCLC预后的独立预测因子。同样，35种与ACK1相关的免疫调节因子（C10orf54，CD27，CD28，CD40，CD40LG，CD48，CD70，CD80，CD86，CXCL12，CXCR4，ENTPD1，ICOS，IL2RA，KLRC1，KLRK1，LTA，MICB，NT5E，RAET1E，TMEM TMIGD2，TNFRSF13C，TNFRSF17，TNFRSF18，TNFRSF25，TNFRSF4，TNFRSF8，TNFRSF9，TNFSF13，TNFSF13B，TNFSF15，TNFSF4，TNFSF9，和ULBP1）和19个免疫抑制剂（ADORA2A，BTLA，CD96，CD244，CSF1R，CTLA4，HAVCR2，IDO1，IL10、IL10RB，KDR，LAG3，LGALS9，PDCD1，PDCD1LG2，PVRL2，TGFBR1，TIGIT和VTCN1）。这些免疫调节因子，在LUSC中产生了13个基因的预后标记。如Kaplan–Meier生存曲线所示，风险评分与LUSC的生存率以及单变量多变量Cox回归分析显着相关。  图7.TCGA肺癌队列中风险评分的预后价值 4 预后列线图 最后，作者在LUAD中构建了一个预后列线图，通过风险评分，分期、T，N，M，年龄和性别来预测患者个体的生存概率，并对列线图进行校准。校准曲线显示，诺模图预测的概率与3年和5年生存的理想参考线完全匹配。还使用C指数评估了诺模图的预测指数，该C指数量化了从诺模图得出的概率与实际死亡观察之间的一致性水平，预后列线图的C指数达到0.71。  图8.在LUAD中建立的预后列线图（含风险评分） 四、小结 作者首先比较了TCGA肺癌队列中癌组织和正常组织中免疫细胞的分布，发现肺癌免疫细胞浸润水平与肺癌中的ACK1基因拷贝数有关。通过公共数据库的188个肺癌细胞系的RNA-seq数据的基因集富集分析验证ACK1对免疫活性的影响，并基于ACK1相关免疫调节因子构建多基因预后模型。35个与ACK1相关的免疫调节因子和50个紧密相关的基因通路富集分析表明，PI3K-Akt和Ras信号通路参与其中。ACK1相关免疫调节因子构建的预后特征可以预测肺癌的总生存期，并通过预后列线图进行验证，表明ACK1可能是非小细胞肺癌（NSCLC）的潜在免疫治疗靶标。 |
|
|
