生信分析内容不够，多组学数据分析来凑！

今天小编要和大家分享的是去年12月发表在OncoImmunology（IF:5.869）杂志上关于免疫聚焦多组学数据分析前列腺癌的文章,更多生信人原创文章见：生信人。https://biosxr.gaptools.cn/#/

Immune-focused multi-omics analysis of prostate cancer: leukocyte Ig-Like receptors are associated with disease progression

前列腺癌免疫聚焦多组学分析：白细胞 lg样受体与疾病进展相关

一．研究背景

近年来，免疫检查点抑制剂的发展使肿瘤免疫治疗发生了巨大的变化。免疫检查点是一系列受体/配体，可以抑制或激活免疫细胞的功能。然而，到目前为止，前列腺癌(PCa)免疫疗法对晚期癌症疗效仍然是有限的。因此，今天分享的文章整合多组学分析研究了LILR家族基因，特别是LILRB1作为PCa免疫治疗靶点的潜力。

二．数据与方法

1.患者及数据集：作者从TCGA下载了498个样本的NGS RNA-seq，miRNA，甲基化，CNA，SNP数据，及从GDC下载了相关的临床数据。作者也从GEO下载了106例患者的RNA-Seq及临床数据。此外，作者也收集了温哥华前列腺癌中心（VPCC）中85例患者的RNA-Seq及临床数据作为验证集。

2.组学数据的处理：

1）RNA-Seq 数据：作者完全分析RNA-Seq数据，以避免数据处理中的变异性。同时使用共同的分析 pipeline确保转录组数据集综合分析的准确性。原始FASTQ文件使用FastQC定量Trimmomatic修饰。

2）miRNA 数据：作者对来自TCGA的level 3 NGS miRNA数据进行标准化，将标准化计数为零或NA的miRNA从miRNA数据集中删除。

3）甲基化数据：使用level 3的甲基化数据且选择β值，使用ß值评估甲基化水平，ß值表示甲基化和未甲基化等位基因之间的比率强度。

4）CNA数据：作者从TCGA下载level 3 DNA拷贝数数据，并使用Birdsuite进行处理。对数据进行清洗、标准化、分段和对数变换。

5）SNV 数据：作者使用VCFtools处理来自TCGA的level 3 SNV数据。

6）免疫基因集：分析所选择的免疫基因集由812个基因组成。这组基因来源于与免疫系统相互作用的肿瘤细胞anti-genome 的meta分析。

3.生存分析：作者使用cox风险比模型、K-M分析来进行生存分析。

4.免疫组化分析：作者使用免疫组化分析LILRB1表达。

三．主要内容与结果：BCR相关的特征

首先，作者为了识别与生化复发(BCR)相关的免疫基因相关特征，使用R包mixOmics 的sPLS-DA模型分析每种组学数据。最终，作者识别出51个mRNA, 44个miRNA, 36个甲基化位点，32个CNA和6个SNV。从图1中可以观察到mRNA, miRNA,及甲基化预测BCR发生的平衡错误率（BER）良好, 然而CNA 及SNV没有很好的预测BCR。接下来，作者将所有这些特征合并到一个数据集中，并执行一个通用的sPLS-DA分析，结果发现能够很好的预测BCR(图2)。

图1 来自TCGA 的单个组学数据集的sPLS-DA结果

图2 TCGA 组学数据集的sPLS-DA结果

接下来作者分析识别了mRNA的特征，发现一些特征与抗原加工与呈递有关，这其中包括HLA分子、杀伤细胞免疫球蛋白样受体、及LILR家族基因。由于LILR免疫调节因子家族，显示出作为癌症免疫治疗靶点的潜力，因此，作者进一步分析了30个LILR基因相关特征与BCR之间的关联。如图3所示，可以观察到在sPLS-DA分析中，仅30个LILR基因相关特征就可以预测BCR，表明这个家族的受体在PCa的进展中发挥了作用。

图3 TCGA 结合组学数据中LILR基因相关特征的sPLS-DA结果

接下来作者为了进一步验证LILR基因和BCR的相关性。作者整合171例肿瘤RNA-seq数据集分析使用Multivariate INTegrative (MINT)方法评估LILR基因与BCR的相关性。图4展示了来自LILR基因家族的5个基因(LILRB1、LILRB2、LILRB3、LILRB5和LILRA3)与BCR相关，证实了LILR基因与BCR之间存在关联。

图4 MINT分析结果

这一部分，作者为了进一步刻画LILR基因和BCR的关联，作者进行了K-M分析。图5a可以看到，正如MINT分析所揭示的，LILRB1是一个与BCR密切相关的基因，因为LILRB1 mRNA的高水平与较短的BCR生存相关。此外，也可以观察到高水平的LILRB2 mRNA也与较短的BCR生存相关，但这种关联不那么显著(图5b)。LILRB5 mRNA的高水平与较短的BCR生存几乎显著相关(图5d)，而LILRB3 mRNA单独表达与BCR生存无关(图5c)。生信人进一步研究发现，将这4个基因的mRNA水平加起来，与BCR生存的相关性并不比单独的LILRB1 mRNA更好(图5e)，说明LILRB1是这种相关性的主要驱动因素。此外，将LILRB1从组合中去除会极大地影响该关联显著性，这也支持了LILRB1的重要性。相反，高水平的LILRA3 mRNA与较好的BCR生存显著相关(图5e)。

图5 K-M分析LILR家族基因与BCR生存相关性

接下来，由于TCGA-GSE54460-VPC联合队列由高风险肿瘤组成，作者下一步试图确定这些基因与BCR的相关性是否在中危PCa样本队列中保持不变。因此，作者使用由144名男性组成的亚队列进行了新的Kaplan-Meier分析。图6(b-d)显示，高水平的LILRB2、LILRB3和LILRB5 mRNA水平与较短的BCR生存显著相关。接下来，作者整合LILRB1、LILRB2、LILRB3和LILRB5 mRNA水平发现其总和与BCR相关（图6e）。

图6 CPC-GENE RNA-seq 数据中分析LILR家族基因与BCR生存相关性

由于在中等风险队列中，LILRB1 mRNA水平与BCR之间没有统计学意义上的显著关联，作者推测LILRB1基因的表达可能与grade有关。而Spearman相关分析也显示，在TCGA-GSE54460-VPCC队列中，LILRB1 mRNA水平与grade相关，而在联合队列中，LILRB2、LILRB3、LILRB5、LILRA3 mRNA水平与grade无关。为了进一步评估LILRB1基因与BCR的关系，作者通过免疫组化方法分析了20例高危前列腺肿瘤中LILRB1蛋白的表达。结果在分散于肿瘤腺体间的免疫细胞中发现了LILRB1蛋白。肿瘤细胞或基质细胞均未表达该蛋白。K-M分析也发现 LILRB1+细胞浸润肿瘤临床结局更差（图7b）。

图7 BCR生存分析

到这里这篇文章的主要内容就介绍完了，文章使用PCa数据集进行了多组学分析，结合稀疏偏最小二乘判别分析、生存分析等生物信息方法识别了一系列与BCR密切相关的免疫特征。并对这些特征进行进一步分析最终确定一些候选分子靶点，这些分子靶点可以用于PCa的免疫治疗干预，而文章的亮点应该是整合了多组学数据进行分析，小伙伴们可以参考哦。生信人。https://biosxr.gaptools.cn/#