文献解读｜肿瘤免疫的泛癌症蛋白质基因组学特征

尽管近几十年来免疫疗法在癌症治疗中取得了成功，但只有不到10%-20%的癌症病例表现出免疫检查点阻断的持久反应。为了提高免疫治疗的疗效，抑制多种免疫逃避机制的联合治疗越来越受到关注。为了更好地了解肿瘤组织中的免疫细胞监视和多种免疫逃避反应，使用CPTAC泛癌症蛋白质基因组学数据全面表征了十种不同癌症中1000多个肿瘤的免疫景观。基于对细胞类型组成和途径活性的综合学习，确定了七种不同的免疫亚型。彻底分类了与每个亚型相关的独特基因组，表观遗传，转录组学和蛋白质组学变化。进一步利用磷酸化蛋白质组学数据，研究了不同免疫亚型中的激酶活性，揭示了潜在的亚型特异性治疗靶点。这项工作的见解将促进未来免疫治疗策略的发展，并提高现有药物的精确靶向性。

WGS、RNA-seq

1. 多组学泛癌症数据

使用全基因组测序（WGS）、RNA-seq、定量蛋白质组学和磷酸化蛋白质组学，采用蛋白质基因组学方法分析了10种癌症患者的蛋白质组学样本。

2. 细胞类型组成的异质性及其与患者预后的相关性

泛癌肿瘤在肿瘤细胞百分比、免疫细胞和间质细胞方面表现出显著的异质性百分比。其中，CCRCC、LUAD、PDAC是免疫浸润程度最高的癌症，而CCRCC和PDAC也表现出更高的基质成分。相反，UCEC显示的肿瘤细胞百分比最高，但免疫和基质组成最低。

使用最近开发的反褶积算法估计了肿瘤微环境（TME）中的细胞类型组成分数。不同癌症之间存在广泛的细胞类型组成的异质性。CCRCC和LUAD的CD8+ T细胞浸润明显增加，而GBM、CO和UCEC的CD8+ T细胞分数较低。B细胞LUAD浸润较高，GBM、BR和UCEC浸润较低。GBM中CD8+ T细胞和B细胞的低存在与脑肿瘤中众所周知的现象相一致，即T细胞和B细胞的数量超过了小胶质细胞和巨噬细胞。另一方面，与其他癌症相比，单核细胞在CCRCC、GBM和OV中似乎更为富集。

不同细胞类型的百分比也被发现与不同癌症中的无进展生存率（PFS）相关，如CCRCC、LUAD、PDAC和UCEC。CD8+ T细胞的增加导致CCRCC、LUAD和PDAC患者的PFS更好，而UCEC患者的PFS更差。

3. 免疫亚型跨越10种癌症

首先根据来自泛癌症蛋白质组数据的单样本基因集富集分数将它们分为10个不同的免疫模块。除了髓系和淋巴细胞模块外，还有代表伤口愈合增殖、干扰素和TGFB/间质的特征组。根据蛋白质组学数据得出了每个肿瘤样本的模块活性评分。将它们与细胞类型组分一起进行聚类，以检测具有不同TME的免疫亚型。CD8+ / IFNG+包含来自所有10种癌症的肿瘤。嗜酸性粒细胞/内皮细胞在PDAC、LUAD和LSCC肿瘤中富集。

4. 免疫亚型与治疗反应之间的关系

通过利用基于CPTAC泛癌RNA-seq数据训练的免疫亚型预测模型，鉴定出344个肿瘤中的75个属于CD8+ / IFNG+。支持了CD8+ /IFNG+增强免疫治疗反应的概念。

为了验证免疫成分估计和推断的免疫亚型，分析了一个肿瘤子集，使用其他实验平台，包括IHC、MRM、TMA和多重免疫荧光染色图像实验进行验证。

将基于蛋白质基因组的免疫亚型与TCGA泛癌症研究确定的免疫亚型进行了比较。后应用TCGA免疫亚型分类CPTAC泛癌RNA-seq数据，这些结果并没有揭示癌症内部的免疫异质性。蛋白质基因组分析表明，每种癌症中有不同的免疫谱，这与现有文献报道这些癌症的不同免疫景观一致。

与单个癌症研究相比，泛癌免疫亚型分析允许通过借用不同癌症的信息来识别新的免疫亚型。对于一组470个癌症中经常发生突变的基因，评估了它们的突变谱和免疫表型之间的关联，包括细胞类型比例、免疫通路模块和免疫亚型。共鉴定了102个基因，它们的突变显示与至少一种免疫表型显著相关

5. 拷贝数变异改变与免疫表型的关联

检测了各种免疫表型和基因水平拷贝数变异（CNVs）之间的关联，发现Chr3p、4p、5p和9p富集了这种关联。具体来说，Chr3p包含最多数量的基因（n = 467），这些基因的CNV与CD8+ T细胞和巨噬细胞浸润显著相关。有报道称，一部分预后良好的CCRCC患者具有CD8+ T细胞效应标志物表达水平升高和低水平的拷贝数丢失。这与观察到的Chr3p缺失与CD8+ T细胞信号呈负相关以及CD8+ T细胞浸润与CCRCC患者PFS呈正相关相一致。

多项研究表明，种系基因变异可以在形成TME方面发挥重要作用。利用基因表达（eQTL）和蛋白表达（pQTL）以及WGS数据进行了QTL分析，发现了显著的调控基因（egene）和/或蛋白（pProteins）。在eGenes和pProteins中富集的基因集包括多种免疫途径，如补体和凝血级联、中性粒细胞脱颗粒和细胞对化学应激的反应。

6.DNA甲基化与免疫亚型的关联

基于基因水平的DNA甲基化数据，发现了一组基因，显示其DNAm和免疫亚型之间的泛癌症关联或癌症特异性关。特别是对于大量的基因，它们的DNA甲基化与HNSCC中的CD8/IFNG相关。与RNA/蛋白表达和免疫亚型之间的关联相比，DNAm和免疫亚型之间的关联方向基本相反，因为基因水平的DNAm通常会导致基因和蛋白表达的下调。烟草使用和表观遗传学之间的联系已经得到证实，并已经对多种癌症进行了调查。为了研究吸烟对TME的影响是否通过表观遗传改变来介导，作者进行了中介分析，以确定与吸烟相关的DNAm对HNSCC、LSCC和LUAD中TME的影响。作者关注了160个基因，这些基因的DNAm在泛癌症或癌症特异性分析中显示与免疫亚型相关，并对69个基因确定了显著的中介效应。69个基因中有13个基因的DNAm先前被报道与正常肺组织中的吸烟有关。从该分析中出现的一个感兴趣的基因是PYCR1，其DNAm与LUAD和HNSCC中的吸烟特征最显著相关。同时，PYCR1的DNAm水平在CD8+ /IFNG+中较高，而在CD8/IFNG中较低HNSCC、LUAD和LSCC。有人认为，PYCR1的表达可能有助于免疫抑制微环境。研究结果表明，吸烟诱导的PYCR1低甲基化在促进这一结果方面的作用。

7. 不同免疫亚型中的激酶激活

磷酸化蛋白质组学数据提供了一个独特的机会来表征不同免疫亚型中的激酶激活，揭示了重要的TME机制。基于激酶库，发现CD8+ /IFNG+中上调的磷酸位点在MAPKAPKs、IKKb和TBK1调控的底物中显著富集。这组激酶被发现在多种癌症的CD8+ /IFNG+肿瘤中持续被激活，包括GBM、LSCC和PDAC。另一组在CD8+ /IFNG+中活跃的激酶是AKT激酶。通过KEA3的富集分析显示了它们在CD8+ /IFNG+中的激活。根据激酶库，周期蛋白依赖激酶，包括CDK1和CDK2，在CD8/IFNG和CD8/ IFNG+中被激活，表明这些肿瘤中更高比例的细胞正在积极增殖。

8. 与免疫亚型相关的激酶和转录因子调控

通过将ChEA362应用于CPTAC泛癌RNAseq数据，获得了每个肿瘤样本的转录因子（TF）活性评分，并进一步将这些TF评分与激酶活性评分联系起来，以检测不同免疫亚型中的活性细胞信号调控。其中一组与免疫相关的TFs，被鉴定为受到具有特定酪氨酸激酶的免疫模块的正调控，同时也受到来自糖酵解激酶模块的MYO3B和PDK1/3/4的负调控。为了计算验证糖酵解激酶模块和免疫TF模块之间的负相关性，利用了基于细胞系的CRISPRCas敲除数据。首先，发现敲除PDK1/3/4和MYO3B可诱导几种细胞环境中先天免疫系统相关基因的表达。在不同的细胞系中发现，CEBPB的靶点与PDK1/3/4和MYO3B CRISPR-Cas敲除后上调的基因集之间存在显著的重叠。PDK1/ 3/4和MYO3B对CEBPB活性有抑制作用。

重点研究了33种激酶，它们在不同的癌症中显示出一致的激活模式。在多种肿瘤中，与热肿瘤细胞和免疫/基质细胞相比，冷肿瘤细胞中酪氨酸激酶（即FYN、LYN和LCK）的激活程度较低，对于GBM，与热肿瘤细胞和免疫/基质细胞相比，冷肿瘤细胞中FYN的激活程度更高。在GBM中，FYN在肿瘤细胞中比在免疫/基质细胞中具有更高的活化。这些发现与既往文献一致，即FYN在胶质瘤细胞中的表达可以降低抗胶质瘤的免疫应答，而下调其可以减少肿瘤细胞的增殖。与冷肿瘤细胞和免疫/基质细胞相比，热肿瘤细胞中CDK19、CDK20和PTK2（FAK）的活化更高。值得注意的是，FAK在大多数癌症的热肿瘤细胞中被发现更容易被激活，而在LUAD和LSCC中的差异显著。

9. 免疫亚型的组织病理学评估

利用数字扫描的肿瘤H&E图像建立卷积神经网络模型来预测免疫亚型。使用AUC比较性显示，对于大多数癌症，泛癌症模型的表现优于组织特异性模型。这可能是因为组织特异性模型可能不能提供足够的训练多样性。另一方面，当汇集在一起时，可以更有效地了解不同组织的相关形态学特征，这表明区分冷和热的整体免疫形态学可推广到胰腺癌水平。为了直观地检查模型的识别能力，使用tSNE从最后一个卷积层和聚类图像块中提取了潜在特征。细胞的形状、大小和其他核特征有助于区分冷肿瘤和热肿瘤。细胞类型分数和预测概率之间的相关性显示，已知免疫细胞与图像预测为热细胞之间呈正相关，经病理学家回顾，与非免疫细胞类型呈负相关。tSNE图与细胞类型分数的叠加证实了热样本中免疫细胞的浓度，以及冷样本中非免疫细胞的浓度。

在泛癌水平上，肿瘤细胞的面积、轴长/小长度、直径和周长与细胞因子表达通路和冷/热免疫标记呈负相关，这表明炎症细胞因子可能限制了肿瘤细胞的生长，导致细胞面积、直径和周长更小。

参考文献：

Petralia F, Ma W, Yaron TM, Caruso FP, Tignor N, Wang JM, Charytonowicz D, Johnson JL, Huntsman EM, Marino GB, Calinawan A, Evangelista JE, Selvan ME, Chowdhury S, Rykunov D, Krek A, Song X, Turhan B, Christianson KE, Lewis DA, Deng EZ, Clarke DJB, Whiteaker JR, Kennedy JJ, Zhao L, Segura RL, Batra H, Raso MG, Parra ER, Soundararajan R, Tang X, Li Y, Yi X, Satpathy S, Wang Y, Wiznerowicz M, González-Robles TJ, Iavarone A, Gosline SJC, Reva B, Robles AI, Nesvizhskii AI, Mani DR, Gillette MA, Klein RJ, Cieslik M, Zhang B, Paulovich AG, Sebra R, Gümüş ZH, Hostetter G, Fenyö D, Omenn GS, Cantley LC, Ma'ayan A, Lazar AJ, Ceccarelli M, Wang P; Clinical Proteomic Tumor Analysis Consortium. Pan-cancer proteogenomics characterization of tumor immunity. Cell. 2024 Feb 29;187(5):1255-1277.e27. doi: 10.1016/j.cell.2024.01.027. Epub 2024 Feb 14. PMID: 38359819; PMCID: PMC10988632.