基于免疫基因组学的胶质母细胞瘤亚型分类

# 基于免疫基因组学的胶质母细胞瘤亚型分类 ## 1. 引言 神经胶质瘤是中枢神经系统最常见且致命的主要恶性肿瘤。其中，IV级胶质母细胞瘤（GBM）患者的预后最差，5年相对生存率低于5%，且最终会复发。传统的胶质母细胞瘤治疗方法是手术切除，随后进行放疗并结合替莫唑胺化疗，但效果仍不理想。传统手术的局限性主要在于肿瘤的扩散和侵袭性，这使得无法完全切除浸润正常脑实质的细胞。因此，迫切需要新的疗法来改善患者的预后。 随着免疫检查点抑制剂的迅速发展，肿瘤免疫疗法如今被视为肿瘤学治疗的第五大手段，它补充了化疗、放疗、手术和其他靶向疗法。人类白细胞抗原（HLA）分子可以特异性结合候选肿瘤特异性新抗原，这些新抗原可能通过外显子组改变而表达。免疫疗法在非小细胞肺癌和黑色素瘤中的应用为治疗GBM提供了潜在线索。免疫细胞也存在于中枢神经系统内淋巴导管中，外周淋巴细胞和其他免疫细胞可以浸润中枢神经系统肿瘤，对现有的中枢神经系统肿瘤产生有意义的治疗效果，因此这种疗法有望使神经胶质瘤患者受益。 免疫检查点分子可以调节T细胞对自身抗原的免疫反应，但也像“刹车”一样限制了免疫系统对癌细胞的攻击。不同的免疫检查点有不同的作用机制。例如，GBM细胞可以通过分泌IL - 1、TGF - β和CSF - 1等免疫抑制因子来下调免疫活性。CD95、CD70、PD - L1等免疫抑制因子可以限制免疫功能的损害。PD1/PDL1在几种癌症的预后预测中并不适用，因此，为了探索相关的遗传特征，已经对几种癌症类型（如舌鳞状细胞癌）进行了基于免疫相关预后特征的单样本基因集富集分析（ssGSEA）。针对这些靶点的临床试验很少应用于胶质母细胞瘤患者，而且治疗效果远不尽如人意。 ## 2. 材料和方法 ### 2.1 数据收集 从TCGA数据库获取相关数据集，下载从发病到2021年5月4日所有GBM患者的RNA - seq数据以及数据库中包含的临床数据。 ### 2.2 聚类分析 ssGSEA算法基于29个免疫基因集，这些基因集包括与不同免疫细胞类型、功能、途径和检查点相关的基因。根据ssGSEA中免疫项目的富集分数进行一致性聚类，将GBM样本分为三个不同的组。使用ssGSEA对GBM样本中肿瘤浸润免疫细胞（TIIC）、功能或相关途径的活性和富集情况进行量化和评分。对聚类样本进行排序，对其余样本的分数进行排序，最终纳入501个样本进行后续分析。 ### 2.3 肿瘤成分评估 使用ESTIMATE算法估计每个样本的基质细胞含量和肿瘤纯度。分析每个样本中与人类白细胞抗原（HLA）相关的表面标志物。 ### 2.4 GO、KEGG通路和GSEA分析 为了了解不同免疫组之间涉及的主要功能和途径差异，使用基因本体论（GO）、京都基因与基因组百科全书（KEGG）和基因集富集分析（GSEA）来确定不同免疫组之间的主要差异，并检索细胞功能和信号通路。 ### 2.5 统计方法 使用R 4.1.2进行统计分析。使用t检验分析两组之间的均值差异。基于最小P值解释和计算基因的最佳截断点值。P < 0.01被认为具有统计学显著差异。 以下是研究流程的mermaid流程图： ```mermaid graph LR A[数据收集] --> B[聚类分析] B --> C[肿瘤成分评估] C --> D[GO、KEGG通路和GSEA分析] D --> E[统计方法分析] ``` ## 3. 结果 ### 3.1 癌症基因组图谱数据集中患者的临床信息