https://mp.weixin.qq.com/s/S3BQf27al2vOAntN1E0alw三月11日发表在clinical cancer research（IF：8.9）杂志上的一篇关于头颈癌免疫浸润亚型文章。文章整合了多组学、多平台数据进行分析。
Integrative analysis of multi-omics data identified EGFR and PTGS2 as key nodes in a gene regulatory network related to immune phenotypes in head and neck cancer
多组学数据综合分析识别头颈癌免疫表型相关的调控网络中关键节点：EGFR、PTGS2
目的：肿瘤的恶性进展表现出免疫效应和耐受的紧密协调的平衡。然而驱动肿瘤免疫表型的形成和维持的分子原理仍有待阐明。
实验设计：基于PD-L1 and IFN-g表达相关的免疫细胞子集训练了新的分子分类器，该分类器可区分高（cluster A）或低细胞免疫毒性(sub-cluster B3)子集。该研究基于多组学数据综合性分析以确定遗传和表观遗传景观差异，以及对不同免疫表型之间差异表达基因的影响。使用 LASSO-Cox回归模型构建了免疫检查位点抑制（ICI）的预后基因标志。
结论：研究使用的数据突显了肿瘤免疫表型建立过程中遗传和表观遗传事件之间的复杂相互作用，并提供了ICI治疗失败风险较高的HNSCC患者可能是由于EGFR的抑制实验证据。
材料和方法
一、表达和临床队列
1、TCGA：33个独立TCGA癌症队列的RNA表达及临床数据：
https://portal.gdc.cancer.gov/；TCGA-HNSC蛋白表达数据：
https://www.tcpaportal.org/tcpa2、GEO：HNSCC转录组验证集：GSE39368 , GSE40774 , GSE65858，HIPO-HNC (GSE117973未公开）
3、TCGA-HNSC 功能性miRNA、lncRNA数据：
https://portal.gdc.cancer.gov/4、GEO细胞系数据：GSE45891
5、PD-1阻断治疗GEO转录组数据：GSE93157
二、CIBERSORT免疫细胞得分
CIBERSORT基于基因表达队列计算绝对免疫细胞评分（22细胞），
https://cibersort.stanford.edu/ 三、Lasso回归分析
用Lasso回归分析对于预后相关的差异基因进行优先级排序，构建了包含10个基因预后模型并GSE93157队列进行了模型的测试。
四、聚类分析
样本绝对免疫细胞评分值经过 ln(x + 1)转换，在经过Euclidean distance和Ward linkage进行聚类。ClustVis在线工具可视化热图。
五、体细胞突变分析
TCGA-HNSC体细胞突变数据获取：cBioPortal（
http://www.cbioportal.org/），经过MutSig分析得到q<0.05且体细胞突变频率> 5％的候选基因。比较它们在不同免疫表型之间的相对分布。体细胞突变模式由R包“ ComplexHeatmap”分析。
六、拷贝数变异分析
TCGA-HNSC拷贝数数据获取：
http://www.firebrowse.org/。Segment_Mean值>0.2为扩增，<0.2为缺失。IGV_2.4.19工具生成CNV summary图，R 包Rciorcos生成CNV圈图。
七、DNA甲基化分析
TCGA-HNSC DNA甲基化数据获取：
https://gdc.xenahubs.net/download/TCGA-HNSC.methylation450.tsv.gz/。使用R包wateRmelon对甲基化数据归一化，R包minfi筛选差异甲基化探针。
八、免疫组化染色（IHC）
使用兔的单克隆anti-EGFR抗体对HIPI-HNSC队列FFPE肿瘤切片进行IHC染色。Anti-EGFR抗体的特异性通过HNSC样本的连续FFPE组织切片的兔IgG同型对照抗体或无第一抗体的IHC染色证实。EGFR免疫分数是染色强度与阳性染色肿瘤细胞总数百分比的乘积，范围为0至100％。
九、统计
由SPSS Statistics 25软件和R软件（版本3.5.1以上）进行统计分析。P值<0.05被认为具有统计学意义。
十、研究批准
HIPO-HNC队列患者于2012年至2016年在德国海德堡大学医院接受治疗，根据海德堡大学伦理委员会批准的S-206 / 2011和S220 / 2016协议获取并分析患者样本，并书面所有参与者的知情同意。
结果
一、HNSCC样本中与PD-L1、IFN-g表达相关的分子免疫亚型
基于5个包含1106个样本的独立基因表达队列（训练集：TCGA-HNSC (n =500)、验证集：GSE117973、GSE39368、GSE40774 、GSE65858）使用CIBERSORT评估单个样本中不同免疫细胞比例。计算PD-L1(CD274)、IFN-g(IFNG)表达和免疫细胞比例之间的Spearman相关性（图1A）。Lasso回归分析筛选了上一步中与PD-L1、IFNG表达最相关的8种免疫细胞，最终得到5种用于后续分析。该研究还使用Meta分析确认了Lasso选择的免疫细胞类型的比例升高与各HNSCC队列中PD-L1、IFNG高表达显著相关。
--
修改:purplesoul FROM 120.236.174.*
FROM 120.236.174.*