中文网站
Nat Med | Multiomiczne podejście do mapowania zintegrowanego guza, odporności i mikrobiologicznej krajobrazu raka jelita grubego ujawnia interakcję mikrobiomu z układem odpornościowym
Chociaż w ostatnich latach badano biomarkery pierwotnego raka jelita grubego, obecne wytyczne kliniczne opierają się wyłącznie na zachodzeniu i wykryciu wad naprawy niedopasowania DNA (MMR) lub niestabilności mikrosatelitarnej (MSI) (oprócz standardowego testowania patologii) w celu ustalenia zaleceń dotyczących leczenia DNA (MMR). Naukowcy zauważyli brak związku między odpowiedziami immunologicznymi opartymi na ekspresji genów, profilem drobnoustrojów i zrębem nowotworów w grupie raka genomu raka (TCGA) Cohort i przeżycie pacjentów.
W miarę postępu badań, cechy ilościowe pierwotnego raka jelita grubego, w tym raka komórkowego, immunologicznego, zrębowego lub drobnoustrojowego raka, stwierdzono, że znacząco korelują z wynikami klinicznymi, ale nadal istnieje ograniczona zrozumienie, w jaki sposób ich interakcje wpływają na wyniki pacjentów.
Aby przeanalizować związek między złożonością fenotypową a wynikami, zespół naukowców z Sidra Institute of Medical Research w Katarze niedawno opracował i zatwierdził zintegrowany wynik (Microscore), który identyfikuje grupę pacjentów z dobrym wskaźnikiem przeżycia poprzez połączenie charakterystyki mikrobiomu i stałych odrzucenia immunologicznego (ICR). Zespół przeprowadził kompleksową analizę genomową świeżych mrożonych próbek od 348 pacjentów z pierwotnym rakiem jelita grubego, w tym sekwencjonowanie guzów RNA i dopasowaną zdrową tkankę jelita grubego, sekwencjonowanie całego egzomu, głębokie receptor komórek T i sekwencjonowanie genów rRNA 16S. Badanie zostało opublikowane w Nature Medicine jako „zintegrowany guz, immunologiczne i mikrobiomowe atlas raka jelita grubego”.
Artykuł opublikowany w Nature Medicine
Przegląd AC-ICAM
Naukowcy wykorzystali ortogonalną platformę genomową do analizy świeżych mrożonych próbek nowotworów i dopasowanej sąsiedniej zdrowej tkanki okrężnicy (pary norcowe) od pacjentów z diagnozą histologiczną raka okrężnicy bez terapii ogólnoustrojowej. W oparciu o sekwencjonowanie całego egzomu (WES), kontrolę jakości danych RNA i badanie kryteriów włączenia, dane genomowe 348 pacjentów zostały zatrzymane i wykorzystane do analizy niższej z medianą obserwacji wynoszącej 4,6 lat. Zespół badawczy nazwał ten zasób SIDRA-LUMC AC-ICAM: mapę i przewodnik po interakcjach-raka odpornościowo-raka-raka (ryc. 1).
Klasyfikacja molekularna za pomocą ICR
Uchwycając modułowy zestaw immunologicznych markerów genetycznych do ciągłego immunologicznego raka, zwany stałą odpornościową odrzucenia (ICR), zespół badawczy zoptymalizował ICR, skondensując go w 20-genowym panelu obejmującym różne typy raka, w tym czerniaka, raka pęcherza i raka piersi. ICR jest również związany z odpowiedzią immunoterapii w różnych typach raka, w tym raka piersi.
Po pierwsze, naukowcy zatwierdzili podpis ICR kohorty AC-ICAM, stosując podejście CO-klasyfikację opartego na genie ICR w celu sklasyfikowania kohorty na trzy klastry/podtypy immunologiczne: wysokie ICR (gorące guzy), średnie ICR i niskie ICR (zimne guzy) (ryc. 1B). Naukowcy scharakteryzowali skłonność immunologiczną związaną z konsensusem podtypów molekularnych (CMS), klasyfikacją raka okrężnicy opartej na transkryptomie. Kategorie CMS obejmowały CMS1/immun, CMS2/Canonical, CMS3/Metabolic i CMS4/Mesenchymal. Analiza wykazała, że wyniki ICR były ujemnie skorelowane z niektórymi szlakami komórek rakowych we wszystkich podtypach CMS, a dodatnie korelacje z szlakami immunosupresyjnymi i związanymi zręcznymi zaobserwowano tylko w guzach CMS4.
We wszystkich CMS liczba podzbiorów komórek naturalnego zabójcy (NK) i komórek T była najwyższa w podtypach wysokiej odporności ICR, z większą zmiennością w innych podgrupach leukocytów (ryc. 1C) .ICR podtypów immunologicznych w rakie kolorystycznej i PF.
Rycina 1. Projekt badania AC-ICAM, sygnatura genowa związana z odpornością, podtypy immunologiczne i molekularne oraz przeżycie.
ICR oddaje wzbogacone w guz, klonalnie wzmocnione komórki T
Doniesiono, że tylko mniejszość komórek T infiltrująca tkankę nowotworową jest specyficzna dla antygenów nowotworowych (mniej niż 10%). Dlatego większość komórek T wewnątrznowotworowych jest określana jako komórek T obserwatora (komórek T obserwatora T). Najsilniejszą korelację z liczbą konwencjonalnych komórek T z produktywnymi TCR zaobserwowano w subpopulacjach komórek zrębowych i leukocytów (wykrytych przez RNA-Seq), które można wykorzystać do oszacowania subpopulacji komórek T (ryc. 2A). W klastrach ICR (ogólna i klasyfikacja CMS) najwyższą klonalność immunologicznych SEQ TCR zaobserwowano w grupach podtypowych CMS1/immunologicznych podtypu ICR i CMS (ryc. 2C), przy najwyższym odsetku guzów o wysokości ICR. Używając całego transkryptomu (18 270 genów), sześć genów ICR (IFNG, STAT1, IRF1, CCL5, GZMA i CXCL10) było jednymi z dziesięciu najlepszych genów pozytywnie związanych z immunologiczną klonalnością SEQ TCR (ryc. 2D). Immunoseq TCR klonalność korelowała silniej z większością genów ICR niż korelacje zaobserwowane przy użyciu markerów CD8+ reagujących na nowotwór (ryc. 2F i 2G). Podsumowując, powyższa analiza sugeruje, że sygnatura ICR oddaje obecność wzbogaconych w nowotwór, klonalnie amplifikowanych komórek T i może wyjaśniać jej implikacje prognostyczne.
Ryc. 2. Mierniki TCR i korelacja z genami związanymi z immunologicznie, podtypami immunologicznymi i molekularnymi.
Skład mikrobiomu w tkankach zdrowych i raka jelita grubego
Naukowcy przeprowadzili sekwencjonowanie 16S rRNA za pomocą DNA ekstrahowanego z dopasowanego guza i zdrowej tkanki okrężnicy od 246 pacjentów (ryc. 3A). W celu walidacji naukowcy dodatkowo przeanalizowali dane sekwencjonowania genów 16S rRNA z dodatkowych 42 próbek nowotworów, które nie pasowały do normalnego DNA dostępnego do analizy. Po pierwsze, naukowcy porównali względną obfitość flory między dopasowanymi guzami a zdrową tkanką okrężnicy. Clostridium perfringens był znacznie zwiększony w guzach w porównaniu ze zdrowymi próbkami (ryc. 3A-3D). Nie stwierdzono istotnej różnicy w różnorodności alfa (różnorodność i obfitość gatunków w pojedynczej próbce) między próbkami guza i zdrowymi, a niewielkie zmniejszenie różnorodności drobnoustrojów zaobserwowano w guzach wysokich ICR w stosunku do guzów ICR-Low.
Aby wykryć istotne klinicznie powiązania między profilem drobnoustrojów a wynikami klinicznymi, naukowcy starali się wykorzystać dane sekwencjonowania genów 16S rRNA w celu zidentyfikowania cech mikrobiomu, które przewidują przeżycie. W AC-ICAM246 naukowcy przeprowadzili model regresji OS COX, który wybrał 41 cech o niezerowych współczynnikach (związanych z różnicową śmiertelnością), zwaną klasyfikatorami MBR (ryc. 3F).
W tej grupie treningowej (ICAM246) niski wynik MBR (MBR <0, niski MBR) był związany ze znacznie niższym ryzykiem śmierci (85%). Naukowcy potwierdzili związek między niskim MBR (ryzyko) a przedłużonym OS w dwóch niezależnie zatwierdzonych kohortach (ICAM42 i TCGA-Coad). (Ryc. 3) Badanie wykazało silną korelację między wycenami COCCI endogastrycznego i MBR, które były podobne w guza i zdrowej tkance okrężnicy.
Rycina 3. Mikrobiom w guza i zdrowych tkankach oraz związek z ICR i przeżyciem pacjenta.
Wniosek
Podejście wielomicowe zastosowane w tym badaniu umożliwia dokładne wykrywanie i analizę sygnatury molekularnej odpowiedzi odpornościowej w raku jelita grubego i ujawnia interakcję między mikrobiomem a układem odpornościowym. Głębokie sekwencjonowanie TCR nowotworu i zdrowych tkanek ujawniło, że działanie prognostyczne ICR może wynikać z jego zdolności do wychwytywania klonów komórek T specyficznych dla antygenu nowotworowego.
Analizując skład mikrobiomu nowotworu przy użyciu sekwencjonowania genu 16S rRNA w próbkach AC-ICAM, zespół zidentyfikował sygnaturę mikrobiomu (wynik ryzyka MBR) o silnej wartości prognostycznej. Chociaż ten sygnatura pochodziła z próbek nowotworów, istniała silna korelacja między zdrową jelita grubego a guza MBR Ryzyko, co sugeruje, że ta sygnatura może uchwycić skład mikrobiomu jelitowego pacjentów. Łącząc wyniki ICR i MBR, możliwe było zidentyfikowanie i potwierdzenie wielopomowego biomarkera studenckiego, który przewiduje przeżycie u pacjentów z rakiem jelita grubego. Multi-Omiczny zestaw danych badania stanowi zasób, aby lepiej zrozumieć biologię raka jelita grubego i pomóc w odkryciu spersonalizowanych podejść terapeutycznych.
Czas po: 15 czerwca-201023
Ustawienia prywatności