《International Journal of Women's Health》:Identification of an Immunotherapy-Associated CD1c+CLEC10A+ Dendritic Cell Subset and Development of a Prognostic Model in Breast Cancer
编辑推荐:
摘要目的:理解哪些免疫细胞群体与免疫治疗疗效相关,对于改善乳腺癌治疗分层至关重要。本研究旨在从单细胞RNA测序(scRNA-seq)数据中识别与免疫相关的细胞亚群,并基于相关群体的特征基因开发一个预后模型。方法:研究人员重新分析了接受免疫检查点阻断治疗的乳腺癌
摘要目的:理解哪些免疫细胞群体与免疫治疗疗效相关,对于改善乳腺癌治疗分层至关重要。本研究旨在从单细胞RNA测序(scRNA-seq)数据中识别与免疫相关的细胞亚群,并基于相关群体的特征基因开发一个预后模型。方法:研究人员重新分析了接受免疫检查点阻断治疗的乳腺癌患者的scRNA-seq数据,以识别与治疗反应相关的细胞亚群。通过多重免疫组化验证了关键亚群在肿瘤组织中的存在。随后,利用该亚群的标志性基因,通过Cox回归和最小绝对收缩与选择算子(LASSO)分析构建了一个预后模型。该模型在两个独立GEO队列(GSE177043和GSE169246)中进一步评估。结果:一个由CD1c和CLEC10A共表达定义的肿瘤浸润性树突状细胞亚群在应答者的肿瘤中富集。基于该群体的转录特征,研究人员建立了一个肿瘤浸润性树突状细胞相关预后模型(TRPM)。低TRPM评分患者的生存期优于高评分患者。此外,低TRPM评分与较低的TP53突变频率、抗肿瘤免疫细胞(包括M1巨噬细胞、浆细胞、CD8+ T细胞和CD4+ T细胞)浸润增加、更免疫活跃的肿瘤微环境、更高的预测药物敏感性以及更好的免疫治疗获益相关。相比之下,高TRPM评分与较高的TP53突变率、M2巨噬细胞富集、免疫抑制表型、药物敏感性降低以及对免疫治疗的预测反应较差相关。在外部免疫治疗队列中,该模型显示出良好的预测性能,在GSE177043中AUC值为0.73,在GSE169246中AUC值为0.85。结论:TRPM可能作为一个有用的生物标志物,用于根据预后和可能的治疗获益对乳腺癌患者进行分层。该模型可支持个体化治疗决策,但仍需前瞻性临床验证。关键词:乳腺癌;免疫治疗;树突状细胞;CD1c;预后模型
**论文解读:基于CD1c
+CLEC10A
+树突状细胞亚群的乳腺癌预后模型构建与验证**
**研究背景与问题**
乳腺癌是全球女性中最常见的恶性肿瘤之一。尽管手术、内分泌治疗及放化疗是主要治疗策略,但免疫检查点治疗(ICT)的出现为乳腺癌治疗带来了新希望。然而,仅有少数患者能从ICT中显著获益,且缺乏有效的预测性生物标志物。现有标志物,如程序性死亡配体1(PD-L1)表达、肿瘤突变负荷(TMB)等,预测效能仍不理想,亟需更可靠的标志物以反映肿瘤免疫微环境(TIME)的复杂性。树突状细胞(DC)是启动适应性抗肿瘤免疫的关键抗原呈递细胞,但哪些DC亚群与免疫治疗反应相关尚不完全清楚。单细胞RNA测序(scRNA-seq)技术为解析肿瘤异质性和识别临床相关免疫细胞群体提供了强大工具。本研究旨在通过分析接受免疫治疗患者的scRNA-seq数据,识别与治疗反应相关的DC亚群,并基于其标志基因构建预后模型,以改善乳腺癌患者的风险分层和治疗决策。
**主要技术方法**
研究人员从公共数据库(EGAD00001006608,n=40)获取抗程序性死亡受体1(PD-1)治疗乳腺癌患者的scRNA-seq数据,并重新分析以识别与治疗反应相关的免疫细胞亚群。通过多重免疫组化(mIHC)验证关键亚群在肿瘤组织中的存在。利用癌症基因组图谱(TCGA,n=1089)和乳腺癌国际分子分类联盟(METABRIC,n=1904)队列的转录组和临床数据,通过Cox回归和最小绝对收缩与选择算子(LASSO)分析构建预后模型。在独立队列(GSE177043和GSE169246)中验证模型对免疫治疗反应的预测性能。此外,使用CIBERSORT、ESTIMATE、肿瘤免疫功能障碍与排斥(TIDE)等算法分析免疫特征,并利用pRRophetic预测化疗药物敏感性。
**研究结果**
**1. 识别与免疫治疗反应相关的树突状细胞亚群**
通过对scRNA-seq数据的重新聚类,研究人员在免疫细胞中识别出17个细胞簇。比较应答者(R)与非应答者(NR)的细胞比例,发现簇13(CD1c
+CLEC10A
+树突状细胞)在应答者中显著富集。该亚群高表达主要组织相容性复合体Ⅱ类(MHCⅡ)分子和cDC2相关标志物(如CD1C、CD1E、FCER1A),表明其具有强抗原呈递能力。多重免疫组化证实了乳腺癌组织中CD1c
+CLEC10A
+树突状细胞的存在。
**2. 构建TRPM评分系统**
从CD1c
+CLEC10A
+树突状细胞亚群中筛选出423个差异表达基因(DEGs),经TCGA和METABRIC队列生存分析交集后得到45个预后相关基因。通过LASSO-Cox回归,最终保留5个基因(BTG1、SERPINA1、RPS29、FLT3、IGKC)构建肿瘤浸润性树突状细胞相关预后模型(TRPM)。TRPM评分计算公式为:TRPM评分 = ?0.3176×BTG1表达 - 0.1601×SERPINA1表达 - 0.2971×RPS29表达 - 0.2792×FLT3表达 - 0.0796×IGKC表达。多变量Cox回归证实TRPM为独立预后因子。Kaplan-Meier分析显示,低TRPM评分组的总生存期(OS)显著优于高评分组(TCGA: p=5.452×10
-8;METABRIC: p=1.241×10
-7)。ROC分析显示,TRPM预测1年、3年、5年生存的AUC值分别为0.803、0.721、0.709。
**3. 验证TRPM模型中的代表性基因**
多变量Cox分析表明,模型中5个基因均为独立保护因素。在TCGA数据集中,BTG1在肿瘤组织中的表达显著低于癌旁组织,且经90对配对样本的免疫组化验证。BTG1和FLT3的表达随疾病进展而下降,且高表达与更好的预后相关,支持了TRPM模型的稳健性。
**4. TRPM亚群的分子特征**
差异表达分析显示,低TRPM组富集与PD-L1表达和PD-1检查点通路相关的信号通路,以及B细胞、T细胞和自然杀伤(NK)细胞介导的细胞毒性通路。基因本体(GO)分析显示免疫相关功能富集。体细胞突变分析显示,高TRPM组中TP53等基因突变频率更高,而低TRPM组中PIK3CA、CDH1等突变更常见,表明两组基因组改变模式存在差异。
**5. 不同TRPM亚群的免疫特征**
CIBERSORT分析显示,低TRPM组中CD4
+ T细胞、CD8
+ T细胞、初始B细胞、静息树突状细胞、活化NK细胞和浆细胞比例更高;高TRPM组中M0和M2巨噬细胞富集。低TRPM组的基质评分、免疫评分和ESTIMATE评分显著更高,而肿瘤纯度更低,表明其具有更免疫活跃的微环境。
**6. TRPM亚群的化疗反应**
在GSE20181和GSE163882新辅助化疗队列中,应答者的TRPM评分显著低于非应答者。低TRPM组患者化疗反应率更高,且生存预后更优。药物敏感性预测显示,低TRPM组对紫杉醇、氟尿嘧啶、阿霉素等多种化疗药物更敏感。
**7. 不同TRPM亚群的免疫治疗获益**
低TRPM组中多个免疫检查点分子(如CTLA4、LAG3、PDCD1、TIGIT)表达更高,PD-L1评分更高,而TIDE评分和MDSC评分更低,表明其更可能从免疫检查点阻断治疗中获益。在GSE177043和GSE169246免疫治疗队列中,低TRPM组表现出更好的OS和更高的反应率。ROC分析显示,TRPM预测免疫治疗反应的AUC值在GSE177043中为0.73,在GSE169246中为0.85,且优于PD-1和PD-L1。
**讨论与结论**
讨论部分指出,本研究通过scRNA-seq识别出与免疫治疗反应相关的CD1c
+CLEC10A
+树突状细胞亚群,并基于其标志基因构建了TRPM模型。该模型能有效区分乳腺癌患者的免疫状态、基因组改变、化疗敏感性及免疫治疗反应。低TRPM评分与免疫活跃的微环境、更好的预后及治疗应答相关,而高TRPM评分则与免疫抑制表型相关。TRPM在外部队列中表现出优于传统标志物的预测性能,提示其作为患者分层生物标志物的潜力。但研究存在局限性,如基于回顾性数据、样本量较小、机制未完全阐明等,需前瞻性研究验证。
**研究结论翻译**:总之,本研究鉴定了一个在免疫治疗应答的乳腺癌患者中富集的CD1c
+CLEC10A
+树突状细胞亚群。基于该群体的标志基因,研究人员建立了一个五基因预后模型TRPM,该模型能根据生存、免疫环境、分子特征、化疗敏感性和可能的免疫治疗获益有效地对患者进行分层。低TRPM评分与更活跃的抗肿瘤免疫微环境、更好的预后和增强的治疗反应性相关。与PD-1和PD-L1相比,TRPM在分析的队列中显示出更强的免疫治疗结局预测性能,支持其作为患者分层候选生物标志物的潜力。进一步的前瞻性研究和功能研究对于验证其临床效用和阐明CD1c
+CLEC10A
+树突状细胞亚群的生物学作用至关重要。