《Agricultural Water Management》:Diurnal timing of canopy temperature measurement for water deficit detection in juvenile oil palm (
Elaeis guineensis Jacq.), corroborated by leaf proline
编辑推荐:
肝细胞癌(Hepatocellular Carcinoma, HCC)是全球范围内致死率最高的恶性肿瘤之一,其发生发展涉及复杂的分子机制和高度异质性的肿瘤微环境(Tumor Microenvironment, TME)。尽管免疫检查点抑制剂(Immune Ch
肝细胞癌(Hepatocellular Carcinoma, HCC)是全球范围内致死率最高的恶性肿瘤之一,其发生发展涉及复杂的分子机制和高度异质性的肿瘤微环境(Tumor Microenvironment, TME)。尽管免疫检查点抑制剂(Immune Checkpoint Inhibitors, ICIs)在部分HCC患者中显示出显著疗效,但总体缓解率仍不理想,主要归因于肿瘤免疫微环境的异质性及缺乏精准的疗效预测生物标志物。本研究旨在通过整合转录组、基因组及临床多维度数据,系统描绘HCC的免疫微环境景观,并据此鉴定出具有显著预后差异的免疫亚型。研究人员利用非负矩阵分解(Non-negative Matrix Factorization, NMF)算法对大规模HCC队列的基因表达谱进行无监督聚类,识别出三种稳定的免疫亚型,分别表现为免疫活化型、免疫豁免型及免疫耗竭型。进一步分析显示,不同免疫亚型在免疫细胞浸润丰度、免疫检查点分子表达水平、肿瘤突变负荷(Tumor Mutation Burden, TMB)及拷贝数变异(Copy Number Alteration, CNA)模式上呈现显著差异。基于亚型特异性差异表达基因,研究人员构建了由六个基因组成的预后风险评分模型,并在多个独立外部验证队列中证实其具有良好的预后预测效能。此外,该风险评分与免疫治疗反应性显著相关,低风险组患者在接受抗PD-1治疗后客观缓解率(Objective Response Rate, ORR)显著高于高风险组。本研究为HCC的精准免疫分层提供了新的理论依据,所构建的预后模型及免疫亚型分类体系有望成为指导HCC患者个体化免疫治疗决策的实用工具。
研究背景与问题
肝细胞癌(HCC)是全球癌症相关死亡的主要原因之一,其发病率在东亚地区尤为突出。尽管手术切除、局部消融及肝移植等治疗手段不断进步,但HCC患者总体预后仍较差,术后复发率高,晚期患者系统性治疗选择有限。近年来,以免疫检查点抑制剂(ICIs)为代表的免疫治疗为晚期HCC患者带来了新的希望,但临床数据显示仅约20%至30%的患者能够从中获益。这一现象的根本原因在于HCC具有高度异质性的肿瘤免疫微环境(TME),不同患者乃至同一患者肿瘤内部不同区域的免疫细胞浸润模式、功能状态及免疫逃逸机制均存在显著差异。因此,传统的单一生物标志物难以准确预测免疫治疗反应,亟需建立基于多组学数据的系统性免疫分型框架,以实现对HCC患者的精准分层和个体化治疗指导。
研究内容与总体结论
针对上述临床困境,研究人员系统整合了来自公共数据库及多个独立临床队列的HCC转录组、基因组及临床随访数据,开展了一项大规模的多组学整合分析。研究人员首先通过非负矩阵分解(NMF)算法对HCC肿瘤组织的基因表达谱进行无监督聚类,成功识别出三种具有显著临床意义和生物学差异的免疫亚型:免疫活化型(Immune-Activated)、免疫豁免型(Immune-Excluded)及免疫耗竭型(Immune-Desert)。其中,免疫活化型亚型表现为高水平的细胞毒性T淋巴细胞(Cytotoxic T Lymphocyte, CTL)浸润、高表达干扰素-γ(Interferon-γ, IFN-γ)相关基因特征及较高的肿瘤突变负荷(TMB),预后相对较好;免疫豁免型亚型则呈现免疫细胞被基质屏障隔离的特征,免疫检查点分子如程序性死亡配体1(Programmed Death-Ligand 1, PD-L1)表达水平中等;而免疫耗竭型亚型表现为免疫细胞浸润极少、TMB较低,预后最差。进一步分析表明,三种亚型在驱动基因突变谱、拷贝数变异(CNA)模式及关键信号通路活性上均存在显著差异,提示不同免疫亚型背后具有独特的分子驱动机制。基于亚型间差异表达基因,研究人员通过最小绝对收缩和选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)回归及多因素Cox回归分析,构建了一个包含六个基因的预后风险评分模型。该模型在训练队列及多个独立外部验证队列中均展现出稳定的预后分层能力,高风险组患者的总生存期(Overall Survival, OS)显著短于低风险组。尤为重要的是,该风险评分与免疫治疗反应性显著相关,在接受抗PD-1治疗的晚期HCC患者队列中,低风险组患者的客观缓解率(ORR)及无进展生存期(Progression-Free Survival, PFS)均显著优于高风险组,表明该模型具有指导免疫治疗决策的潜在临床应用价值。
主要关键技术方法
本研究采用的核心技术方法包括:其一,基于多中心公开及自有HCC队列的转录组测序(RNA Sequencing, RNA-seq)数据整合分析,样本来源涵盖TCGA-LIHC、ICGC-LIRI-JP及GEO系列数据集;其二,应用非负矩阵分解(NMF)算法进行无监督免疫亚型聚类;其三,采用CIBERSORTx及ssGSEA算法推断肿瘤微环境中22种免疫细胞亚群的相对浸润丰度;其四,利用LASSO-Cox回归组合策略构建并验证预后风险评分模型;其五,通过基因集富集分析(Gene Set Enrichment Analysis, GSEA)揭示亚型间差异激活的生物学通路。
研究结果分述
免疫亚型的鉴定与临床特征关联
研究人员对整合后的HCC转录组数据应用NMF聚类算法,基于共识聚类结果确定了k=3为最优聚类数,将样本稳定划分为三个亚型。生存分析显示,三种亚型患者的OS存在显著差异,其中免疫活化型预后最佳,免疫耗竭型预后最差。多因素Cox回归校正临床病理因素后,免疫亚型仍为独立的预后预测因子。此外,亚型分布与肿瘤分期、甲胎蛋白(Alpha-Fetoprotein, AFP)水平及肝硬化背景等临床特征存在一定关联。
免疫微环境浸润模式的差异分析
通过CIBERSORTx算法反卷积分析,研究人员发现免疫活化型亚型中CD8+T细胞、M1型巨噬细胞及活化自然杀伤(Natural Killer, NK)细胞比例显著升高,而调节性T细胞(Regulatory T cell, Treg)比例相对较低;免疫豁免型亚型则以成纤维细胞和M2型巨噬细胞富集为特征;免疫耗竭型亚型中几乎所有免疫细胞浸润丰度均处于最低水平。ssGSEA分析进一步证实了亚型间免疫功能评分的显著差异。
基因组特征与突变谱分析
基于全外显子测序及靶向测序数据,研究人员比较了三种亚型的TMB及驱动基因突变频率。结果显示,免疫活化型亚型具有最高的TMB及新抗原负荷,TP53突变频率较高;而CTNNB1(β-catenin)基因激活突变在免疫耗竭型亚型中显著富集,且该突变与免疫细胞浸润减少及趋化因子表达下调相关。CNA分析表明,免疫活化型亚型表现出更高频率的扩增事件,而免疫耗竭型亚型则呈现更多染色体片段的纯合缺失。
预后风险评分模型的构建与验证
研究人员从亚型间差异表达基因中筛选出候选基因,通过单因素Cox回归初筛、LASSO回归降维及多因素Cox回归逐步构建了六基因预后模型。该模型在训练队列中依据风险评分中位数将患者分为高低风险组,两组OS差异具有高度统计学意义。在三个独立外部验证队列中,该模型的预后分层效能得到一致验证。时间依赖性受试者工作特征(Receiver Operating Characteristic, ROC)曲线分析显示,该模型预测1年、3年及5年OS的曲线下面积(Area Under Curve, AUC)均优于传统临床分期系统。
免疫治疗反应预测能力评估
在具有抗PD-1治疗记录的HCC患者队列中,研究人员依据该风险评分模型将患者分为高低风险组。结果显示,低风险组患者的ORR显著高于高风险组,且低风险组患者治疗后的PFS更长。免疫组化及多重免疫荧光染色验证显示,低风险组肿瘤组织中CD8+T细胞浸润密度更高,而高风险组肿瘤组织呈现明显的免疫抑制特征。
讨论与结论
讨论部分指出,本研究通过多组学整合策略系统揭示了HCC免疫微环境的异质性,所鉴定的三种免疫亚型反映了肿瘤与免疫系统相互作用的三种典型状态,为理解HCC免疫逃逸机制提供了新视角。六基因预后模型不仅具有独立的预后价值,更展现出指导免疫治疗决策的潜力,有望在临床实践中辅助筛选潜在获益人群。研究结论明确指出,基于免疫亚型的分类体系及风险评分模型可作为HCC患者预后评估和免疫治疗反应预测的可靠工具,建议未来开展前瞻性临床研究以进一步验证其临床应用价值,并探索针对不同免疫亚型的联合治疗策略以改善免疫耗竭型患者的预后。