CC 生信人
之前铁死亡已经在科研界掀起过一波风浪,铁死亡常规分析的文章基本都已发表,但是铁死亡热度依然没有减退,小编也一直在寻找铁死亡新思路出,这不,Front Immunol(Q2, IF=7.561)铁死亡bulk RNA+scRNA分析的新思路就见刊了,bulk RNA+scRNA的分析也是近来的趋势,单独分析bulk RNA毕竟太过片面。
铁死亡激活评分模型有助于恶性胶质母细胞瘤化疗药物的选择并介导其与免疫细胞的串扰
导语
胶质瘤是中枢神经系统的侵袭性肿瘤,胶质母细胞瘤(GBM)是最恶性的类型。铁死亡是一种程序性细胞死亡,可以调节肿瘤对治疗的耐药性和肿瘤微环境的组成部分。然而,铁死亡、肿瘤免疫景观和GBM进展之间的关系仍不明确。在这篇文章中,作者使用bulk RNA-seq、单细胞RNA-seq以及作者自己的数据(Xiangya队列)联合分析,以揭示它们之间的关系。
背景
神经胶质瘤是中枢神经系统的恶性肿瘤。组织学上,胶质瘤可分为几类,包括星形细胞瘤、少突胶质细胞瘤、少星形胶质细胞肿瘤、室管膜肿瘤、混合神经元细胞胶质瘤(如神经节细胞胶质瘤)等。WHO IV级胶质瘤,也称为胶质母细胞瘤(GBM),是最具侵袭性的胶质瘤类型,GBM的中位总体生存时间小于14.6个月。尽管手术切除、放疗和化疗等治疗可以减缓肿瘤的进展,但是肿瘤的耐药性仍然是一个棘手的问题。
铁死亡是一种新的程序性细胞死亡形式,伴随着铁的积累、脂质氢过氧化和线粒体的变化,可以调节肿瘤对治疗的耐药性和肿瘤微环境的组成部分。铁死亡的调控是复杂的,其触发涉及多个调控因子。研究报道,铁死亡调节因子与肿瘤进展和肿瘤对治疗的敏感性相关,如肝细胞癌、肾细胞癌、乳腺癌、前列腺癌和膀胱癌等。然而,铁死亡、肿瘤免疫景观和GBM进展之间的关系仍不明确。
结果
铁死亡的激活与胶质瘤的亚型相关,FeAS模型具有较强的预后预测能力
作者首先通过进行共识聚类分析,将TCGA数据集中的样本聚类为cluster1和cluster2两组,并利用cluster1和cluster2之间的差异表达基因(DEG)构建了铁死亡激活评分模型(FeAS)(图1A)。铁死亡抗性相关基因(如GPX4、TFRC、FTH1和FTL)的表达上调,而铁死亡敏感相关基因(如AOLX12B、ACSL4和AKRs)的表达则下降(图1B)。TCGA数据集中样本的FeAS分布及相应的临床特征、铁死亡相关基因表达以热图展示,铁死亡抗性相关基因在高FeAS的GBM样本中也有高表达,并与恶性肿瘤临床特征相关(图1C)。总生存分析表明,高FeAS样本比低FeAS样本的生存结果更差(图1D-G)。而且,与以往基于铁死亡相关基因的公开预后模型相比,FeAS模型在预测患者生存结果方面的准确性高于其他模型和神经胶质瘤的病理分级(图1H)。综上所述,FeAS模型在预测神经胶质瘤的临床结果方面表现出最高的准确性,并可用于预测GBM的预后。
图1 FeAS模型的构建
高FeAS比低FeAS的GBM更具侵袭性
接下来,作者研究了FeAS与已报道GBM亚型之间的关系。结果显示,高FeAS的GBM更有可能被定义为间充质GBM或经典GBM(图2A)。接着,作者通过单细胞RNA-seq分析来探索FeAS与GBM细胞基因组特征之间的关系。肿瘤细胞比其他细胞显示出更高的FeAS,这意味着肿瘤细胞的铁死亡的失调(图2B)。GBM细胞的基因组特征与FeAS之间的关系表明,高FeAS组中含有更多的间充质(MES)样细胞,而其他亚型细胞在低FeAS组中富集(图2C)。图2D-F展示了GBM细胞的进化路径,从低FeAS GBM细胞到高FeAS GBM细胞的谱系与GBM细胞亚型的分化途径相似。综上所述,高FeAS GBM细胞比低FeAS GBM细胞代表了更具有侵袭性的GBM细胞亚型。总之,铁死亡在肿瘤细胞中是失调的,其激活与GBM细胞的亚型高度相关。
图2 铁死亡与GBM侵袭性之间的关系
在高和低FeAS GBM中转录因子差异激活
接下来,作者研究了高FeAS和低FeAS GBM细胞中转录因子的激活情况(图3A)。考虑到转录因子相互调控某些基因的表达,聚类了不同的模块(M1、M2、M3、M4、M5),每个模块代表了可能相互合作的转录因子。M1的高FeAS组和低FeAS组的患者均存在高RAS,M2的RAS与FeAS呈正相关,而M3和M5的RAS与FeAS呈负相关。M4的RAS在高FeAS组与低FeAS组之间的RAS分布无显著性差异(图3B-F)。进一步,作者在高和低FeAS各选取前10各转录因子进行GO和KEGG分析,结果显示,高低FeAS的转录因子分别富集在不同的通路中(图3G和补充图1和2)。
图3 高、低FeAS GBM细胞转录因子激活差异
补充图1
补充图2
高FeAS GBM中免疫相关通路的选择性激活
基于对TCGA数据库中GBM样本的GSVA算法的GO和KEGG富集分析表明,高FeAS GBM样本与免疫相关通路的激活相关(图4A和B)。通过单细胞RNA-seq分析验证GO/KEGG富集分析,可以得到类似的结论(图4C和D)。与此同时,基于bulk RNA-seq和单细胞RNA-seq进行GSEA分析(图4E和F),bulk RNA-seq分析的结果表明,高FeAS GBM样本中自然杀伤细胞增殖、白细胞介素-6介导的信号通路的负调控、高样本中巨噬细胞分化等通路;在低FeAS GBM样本中,谷氨酸分泌的正调控、谷氨酸受体信号通路的调控等通路被激活。在单细胞RNAseq分析中,炎症细胞凋亡过程、巨噬细胞相关通路、自然杀伤细胞趋化性、小胶质细胞和T细胞活化在高FeA SGBM细胞中高度富集。因此,高和低FeAS GBM样本之间的免疫景观可能不同,这也可能导致了不同的临床结果。
图4 GBM中基于bulk RNA-seq和单细胞RNA-seq的生物功能分析
GBM的FeAS影响巨噬细胞、树突状细胞、NK细胞和T细胞的富集
GBM样本的免疫景观图显示,高FeAS与ESTIMATE评分、免疫评分和基质评分正相关,而与肿瘤纯度负相关(图5A)。低FeAS GBM样本中,具有较多的M2巨噬细胞、激活的记忆CD4+T细胞和活化的NK细胞浸润和Th1细胞富集;而高FeAS样本中M1巨噬细胞和未成熟树突状细胞的浸润率较高(图5B和C)。这些结果表明,肿瘤微环境中不同的FeAS改变了巨噬细胞、T细胞、树突状细胞和NK细胞的浸润,确切地说,高FeAS GBM样本的微环境比低FeAS更受抑制。
图5 基于Bulk RNA-seq分析的肿瘤免疫景观
免疫细胞和高FeAS GBM细胞之间的新型配体-受体对
虽然大多数GBM样本被归类为淋巴细胞耗尽亚型,但高、低FeAS GBM样本之间的免疫细胞浸润率仍有差异。因此,作者通过单细胞RNA-seq分析检测免疫细胞和GBM细胞之间的通信。如图6所示,高FeAS细胞可以通过PARs信号通路(PRSS3-F2R,图6A)、TWEAK信号通路(TNFSF12-TNFRSF12A,图6B)、ncWNT信号通路(WNTSA-FZD3,图6C)、RESISTIN信号通路(RETN-CAP1,图6D)、VISFATIN信号通路(NAMPT-(ITGA5+ITGB1),图6E),TRAIL信号通路(TNFSF10-TNFRSF10B,图6F)等接收来自幼稚T细胞、巨噬细胞、树突细胞的信号。综上所述,与低FeAS GBM细胞相比,高FeAS GBM细胞与巨噬细胞、小胶质细胞、幼稚T细胞和树突状细胞的通信更为活跃,这可能解释了免疫景观方面的差异。
图6 高和低FeAS样本之间的新型配体-受体对的差异
高FeAS GBM细胞的潜在靶向治疗药物
如图7所示,作者根据FeAS模型分别从不同的数据库筛选了潜在靶向药物并进行了药物敏感性预测,而相应的化合物可能是未来GBM处理的新选择。
图7 基于FeAS模型的潜在靶向药物
结论
在该研究中,作者建立了一个基于GBM样本中铁死亡相关基因的评分模型(FeAS)。高FeAS样本比低FeAS样本显示出更积极的生长模式和更差的临床结果,具有不同FeAS的肿瘤细胞与免疫细胞的通信也有所不同,这意味着铁死亡的激活可能调节免疫细胞的功能,并预测了新的潜在化合物。综上所述,FeAS模型可以评估GBM的侵袭性,调节与免疫细胞的串扰,并为化疗提供建议。
铁死亡的热度是毋庸置疑的,毫不夸张的说现有的文章中每个铁死亡思路基本各个癌型都能看见发表。目前的局限在于没有新颖的分析思路。因此,生信人除结合其它文章设计了铁死亡bulk RNA+scRNA思路外,还根据最近一些高分文章设计了其它个性化的新颖思路分享给大家,感兴趣记得关注,拼手速的时候到了,错过可能又是一年。