鑽石舞台

大家好！今天給大家介紹一篇2021年9月發表在The Journal for ImmunoTherapy of Cancer（IF：13.751）上的一篇文章。作者全面研究了原發性口腔鱗狀細胞癌的免疫細胞浸潤情況並構建預後模型。

Immune landscape and subtypes in primary resectable oral squamous cell carcinoma: prognostic significance and predictive of therapeutic response

原發性口腔鱗狀細胞癌的免疫情況和免疫亞型：預後模型和預測治療反應

請掃描下方二維碼

背景：癌症的免疫情況是影響疾病進展，預後和治療反應的關鍵因素。本研究作者全面描述原發性口腔鱗狀細胞癌（OSCC）的免疫細胞浸潤（TIIs）情況並構建預測預後和治療反應的模型。

1. 數據集獲取和下載

本研究包括訓練集，測試集和驗證集三個獨立數據集，訓練集包含130例患者，測試集包括131例患者，驗證集包括131例患者。

2. OSCC患者的12種亞型的TIIs比例和預後特徵

作者使用IHC和數字定量研究TIIs的特徵（圖1A），圖1B為TIIs亞型的IHC染色和定量情況。訓練集中TIIs亞群的密度在樣本間和樣本的不同區域具有很大差異（圖1C）。

圖1 OSCC樣本IHC

3. 使用SVM構建和驗證OSCC的基於免疫特徵的預後模型

作者基於SVM算法構建OSCC-SVM預後模型。作者整合20個候選特徵中的7個免疫特徵構建OSCC-SVM預後模型。OSCC-SVM高的患者CD8 IM,CD20CT,CD45RO IM和PD-1 CT較高，CD11b IM和CD11b CT較低。訓練集，測試集和驗證集中OSCC-SVM高的與OS和DFS較好有關（圖2A-2F）。OSCC-SVM預測OS和DFS的ROC曲線的AUC面積分別為0.755和0.741，比其他臨床病理參數較高（圖2G和2H）。測試集和驗證集的結果與之一致（圖2I-2L）。

圖2 OSCC-SVM的預後特徵和預測能力

χ2比例檢驗結果表明OSCC-SVM的貢獻度最大（圖3A-3C）。作者計算患者的免疫打分和T細胞及B細胞打分（TB）。ROC曲線和C-index表明OSCC-SVM的AUC高於免疫打分和TB打分（圖3D-3F）。

圖3 OSCC-SVM預測預後準確性較高

4. 評估TCGA-OSCC數據集的TIIs

作者使用ssGSEA評估TCGA-OSCC的免疫細胞浸潤水平。如圖4A所示，OSCC中TIIs浸潤存在顯著差異。根據X-tile將患者分為高浸潤組和低浸潤組。LASSO回歸分析篩選到14個特徵並構建預後模型（圖4B）。根據風險打分將患者分為低風險組和高風險組，KM分析表明高風險組OS較差（圖4C）。3年，5年的ROC曲線的AUC分別為0.731和0.711（圖4D）。GSE41613和GSE42743數據集的結果與之一致（圖4E和4F）。

圖4 基於TIIs構建預後模型

5. 基於TIIs風險打分預測治療反應的臨床價值

TCGA-OSCC數據集的高風險組對化療的效果更好，未接受化療患者的OS較差（圖4G），低風險組患者沒有受益於化療（圖4H）。作者使用IMvigor210，GSE91061和GSE78220數據集研究基於TIIs風險打分預測ICB免疫治療的效果。基於ssGSEA計算患者的TIIs風險打分，該打分將患者分為OS較好和OS較差兩組（圖4I，4K和4M）。風險打分較高的患者對免疫治療的反應較高（圖4J，4L和4N）。

6. OSCC患者基於免疫情況的一致性聚類

根據一致性聚類共鑑定到TCGA-OSCC樣本的兩個亞型（圖5A和5B）。328例OSCC患者分為兩個亞型，C1有151例樣本C2有177例樣本。如圖5B和5C所示，大多數TILs顯著富集在C1中，C1的OS較好（圖5D）。C1定義為immune-hot亞型，C2定義為immune-cold亞型。GSE41613和GSE42743數據集同樣可以分為immune-hot亞型和immune-cold亞型。為研究免疫亞型和OSCC分子亞型的潛在相關性，作者發現C1中有17.1%的非典型，31.8%的基底型，1.1%的經典型和50%的間葉細胞亞型，C2中有12.8%的非典型，50%的基底型，20.2%的經典型和17%的間葉細胞亞型（圖5E）。

圖5 OSCC免疫亞型和相關分子特徵及患者生存情況

本研究作者通過病理學方法和生信分析方法全面描述OSCC的免疫情況並使用機器學習構建基於TIIs的預後模型，可以將患者分為預後亞組和免疫治療反應亞組。作者鑑定到兩個免疫簇且預後具有顯著差異。本研究為OSCC分類提供有價值的信息。

多點好看，少點脫髮