肝癌免疫细胞浸润模式及与预后的相关性分析

肝癌免疫细胞浸润模式及与预后的相关性分析程熠;吴莹莹;刘东伯;郭秋云目的研究肝癌免疫细胞的浸润模式,探索免疫细胞浸润与预后的关系.方TCGACibersort22K-MLog-RankTCGA424374506048319658Cibersort\"反卷积法\22P<0.05402例.K-M生存分析显示活化的肥大细胞、未活化的自然杀伤细胞、嗜酸性粒细胞组成比例高者预后差,活化的自然杀伤细胞比例高者预后更好.结论肝癌中存在各类免疫细胞不同程度的浸润,浸润性免疫细胞可以作为影响肝癌患者预后的因素.【期刊名称】《华中科技大学学报（医学版）》【年(卷),期】2019(048)003【总页数】5页(P276-280)【关键词】肝癌;免疫细胞浸润;预后【作者】程熠;吴莹莹;刘东伯;郭秋云【作者单位】华中科技大学同济医学院附属同济医院肿瘤中心,武汉430030;华中科技大学同济医学院附属同济医院肿瘤中心,武汉430030;华中科技大学同济医学院附属同济医院肿瘤中心,武汉430030;华中科技大学同济医学院附属同济医院肿瘤中心,武汉430030【正文语种】中文【中图分类】R735.7肝癌是指原发于肝脏的恶性肿瘤，主要包括肝细胞癌(hepatocellularcarcinoma，HCC)和肝内胆管癌(intrahepaticcholangiocarcinoma，ICC)两种组织学类型，70%～85%，本文中所提及肝癌均特指肝细胞癌。肝癌是全球第6484.178.23[2]。尽管已有手术、介入治疗、靶向药物等治疗手段，但肝癌的整体疗效不佳，目前尚缺乏有效的治疗手段。近年来随着免疫治疗的进展，肿瘤与免疫的相关性受到越来越多的重视，肿瘤中浸润的免疫细胞水平与肿瘤生长、进展和患者结局有关，是近年研究的焦点[3-4]。既往该方面的研究主要依靠免疫组化和流式细胞术，但此类方法依赖于对细胞表面标记物的识别，且流式细胞术需要分解组织，可能会导致细胞丢失或结果失真。Newman等[5]于2015年开发了生物学软件Cibersort，可以从复杂组织的基因表达谱中计算其免疫细胞组成，该方法在结直肠癌、肺癌、滤泡淋巴瘤中通过流式细胞术得到很好的验证，能大规模应用于基因表达谱数据的分析[5-6]。本研究利用癌症基因组图谱(thecancergenomeatlas，TCGA)中肝癌的表达谱数据，通过Cibersort软件计算其免疫细胞组成，并进一步分析其与肝癌预后的相关性。材料与方法数据来源TCGA(https：///)中下载基因转录本数据42437450据，包含性别、生存时间、生存状态、临床分期、肿瘤分级、TNM分期。Cibersort提取肝癌组织及正常组织转录本的mRNA表达谱数据，使用R语言limma包对数据进行校正，使用Cibersort软件“反卷积法”得到22种免疫细胞的占比数据，这些免疫细胞包括M1巨噬细胞(M1macrophages)、M2巨噬细胞(M2macrophages)、M0巨噬细胞(M0macrophages)、滤泡辅助性T细胞(TfollicularhelpercellsCD4T(restingmemoryCD4+TcellsCD4T(activatedmemoryCD4Tcells)、γδT细胞(γδTcells)、CD8+T(CD8+TcellsT(regulatoryTcellsCD4T(naiveCD4Tcells)、未活化的自然杀伤细胞(restingNKcells)、活化的自然杀伤细胞(activatedNKcells)、未活化的肥大细胞(restingmastcells)、活化的肥大细胞(activatedmastcellsB(memoryBcells)、静息态树突状细胞(restingdendriticcells(activateddendriticcellsB(naiveBcells)、单核细胞(monocytes)、中性粒细胞(neutrophils)、嗜酸性粒细胞(eosinophils)和浆细胞(plasmacellsP0.05免疫细胞构成与预后相关性分析根据免疫细胞水平中位值将患者分为高、低浸润组，采用K-MLog-Rank法计算其与生存的相关性，并绘制图形。结果肝癌样本临床信息TCGA424织374例，正常肝组织50例。每个样本检测基因位点60483个，提取其中的mRNA19658Cibersort种免疫细胞的占比数据，采用P0.054021。表1肝癌样本的临床病理特征Table1Characteristicsoflivercancersamples变量例(%)年龄≤50岁12(30.0%)>50岁28(70.0%)性别男25(62.5%)女15(37.5%)肿瘤分级G14(10.0%)G217(42.5%)G316(40.0%)G43(7.5%)肿瘤分期Ⅰ17(42.5%)Ⅱ11(27.5%)Ⅲ12(30.0%)Ⅳ0(0.0%)肝癌中浸润免疫细胞情况4021)、2)以及肝癌组织样本中每种免疫细胞312是：M0(22.7±18.8)%、CD8+T(14.2±11.5)%、M2(12.8±7.5)%CD4T(11.7±8.3)%。可能由于样本量的局3可见在肝癌组织中，构成比相关系数较大的免疫细胞包括：M0(-0.68CD4TCD4TM2(0.58)。肝癌免疫细胞浸润与预后的关系根据免疫细胞占比中位值将患者分为高、低浸润组，采用K-MLog-Rank法计算其与生存的相关性，具有统计学意义(P<0.05)的细胞包括活化的肥大细胞、未活化的自然杀伤细胞、嗜酸性粒细胞、活化的自然杀伤细胞，其中活化的肥大细胞、未活化的自然杀伤细胞、嗜酸性粒细胞构成比例高者生存期短，活化的自然杀伤细胞构成比高者生存期长，K-M生存曲线见图4。图1所有样本中22种免疫细胞占比的柱状图Fig.1Histogramoftheproportionof22immunecellsinallsamples图2肝癌及正常组织中免疫细胞占比小提琴图Fig.2Violinplotsofimmunecellsinhepatocellularcarcinomaandnormaltissues讨论TCGACibersort22过复杂组织(例如大体积肿瘤)的表达谱统计估计细胞亚群的相对比例[5]。研究显示Cibersort好的一致性[5-7]。本研究发现在肝癌组织中浸润水平较高的免疫细胞类型是：M0巨噬细胞(22.7±18.8)%、CD8+T细胞(14.2±11.5)%、M2巨噬细胞(12.8±7.5)%、未活化的CD4+记忆性T细胞(11.7±8.3)%，与既往的研究符合度高。有研究显示与健康肝脏相比，肝细胞癌中活化的肥大细胞、单核细胞和浆细胞减少，静息的肥大细胞、总B细胞和幼稚B细胞、CD4+记忆静息T细胞和CD8+T细胞增加[7]。而本研究可能由于样本量的局限，未找到在肝癌样本及正常肝组织样本中表达具有统计学差异的免疫细胞。3Fig.3Correlationoftheproportionofeachimmunecellinhepatocellularcarcinomatissuesample4K-MFig.4K-Msurvivalcurveofpatientswithdifferentimmunecellproportion既往有许多研究对肿瘤微环境中免疫细胞构成与预后进行过研究。M2巨噬细胞及促炎性M1巨噬细胞与肿瘤的生长和扩散及免疫抑制微环境的形成有关[8-9]。高CD3+TCD8TCD45ROTCD4TNKCD57+细胞浸润提示预后良好[20BBM2TT[21-23BCD4+TCD8T往研究具有较高的一致性。本研究通过Cibersort软件利用基因表达谱数据推测肝癌的免疫细胞浸润模式，及其对预后的预测价值。这种方法为研究免疫细胞与肿瘤的关系提供了新的途径和线索，也为肿瘤的治疗及寻找疗效指标提供了新的视角。参考文献【相关文献】BrayF，FerlayJ，SoerjomataramI，etal.Globalcancerstatistics2018：GLOBOCANestimatesofincidenceandmortalityworldwidefor36cancersin185countries[J].CACancerJClin，2018，68(6)：394-424.ChenW，ZhengR，BaadePD，etal.CancerstatisticsinChina，2015[J].CACancerJClin，2016，66(2)：115-132.HainautP，PlymothA.Targetingthehallmarksofcancer：towardsarationalapproachtonext-generationcancertherapy[J].CurrOpinOncol，2013，25(1)：50-51.HanahanD，WeinbergRA.Hallmarksofcancer：thenextgeneration[J].Cell，2011，144(5)：646-674.NewmanAM，LiuCL，GreenMR，etal.Robustenumerationofcellsubsetsfromtissueexpressionprofiles[J].NatMethods，2015，12(5)：453-457.GentlesAJ，NewmanAM，LiuCL，etal.Theprognosticlandscapeofgenesandinfiltratingimmunecellsacrosshumancancers[J].NatMed，2015，21(8)：938-945.Rohr-UdilovaN，KlinglmullerF，Schulte-HermannR，etal.Deviationsoftheimmunecelllandscapebetweenhealthyliverandhepatocellularcarcinoma[J].SciRep ，2018，8(1)：6220.MantovaniA，AllavenaP，SicaA，etal.Cancer-relatedinflammation[J].Nature，2008，454(7203)：436-444.BronteV，BrandauS，ChenSH，etal.Recommendationsformyeloid-derivedsuppressorcellnomenclatureandcharacterizationstandards[J].NatCommun，2016，7：12150.FridmanWH，PagesF，Sautes-FridmanC，etal.Theimmunecontextureinhumantumours：impactonclinicaloutcome[J].NatRevCancer，2012，12(4)：298-306.FridmanWH，ZitvogelL，Sautes-FridmanC，etal.Theimmunecontextureincancerprognosisandtreatment[J].NatRevClinOncol，2017，14(12)：717-734.MlecnikB，BindeaG，AngellHK，etal.Integrativeanalysesofcolorectalcancershowimmunoscoreisastrongerpredictorofpatientsurvivalthanmicrosatelliteinstability[J].Immunity，2016，44(3)：698-711.GrabenbauerGG，LahmerG，DistelL，etal.Tumor-infiltratingcytotoxicTcellsbutnotregulatoryTcellspredictoutcomeinanalsquamouscellcarcinoma[J].ClinCancerRes，2006，12(11Pt1)：3355-3360.LadanyiA，MohosA，SomlaiB，etal.FOXP3+celldensityinprimarytumorhasnoprognosticimpactinpatientswithcutaneousmalignantmelanoma[J].PatholOncolRes，2010，16(3)：303-309.MahmoudSM，PaishEC，PoweDG，etal.AnevaluationoftheclinicalsignificanceofFOXP3+infiltratingcellsinhumanbreastcancer[J].BreastCancerResTreat，2011，127(1)：99-108.ZhangYL，LiJ，MoHY，etal.DifferentsubsetsoftumorinfiltratinglymphocytescorrelatewithNPCprogressionindifferentways[J].MolCancer，2010，9：4.TosoliniM，KirilovskyA，MlecnikB，etal.ClinicalimpactofdifferentclassesofinfiltratingTcytotoxicandhelpercells(Th1，Th2，Treg，Th17)inpatientswithcolorectalcancer[J].CancerRes，2011，71(4)：1263-1271.WinerdalME，MaritsP，WinerdalM，etal.FOXP3andsurvivalinurinarybladdercancer[J].BJUInt，2011，108(10)：1672-1678.LeffersN，GoodenMJ，DeJongRA，etal.Prognosticsignificanceoftumor-infilt