摘要
新抗原是细胞毒性T细胞抗肿瘤免疫应答的关键靶点,在影响肿瘤进展和免疫治疗应答中发挥重要作用。然而,对于新抗原和T细胞之间的相互作用如何最终影响癌团的进化,我们知之甚少。在这里,我们开发了一个层次贝叶斯模型,称为新抗原- t细胞相互作用估计(netie),以推断新抗原- cd8的历史+T细胞在肿瘤中的相互作用。Netie被系统地验证并应用于检查3219个肿瘤的分子模式,这些肿瘤来自18种癌症类型的小组。我们发现,随着时间的推移,免疫选择压力增加的肿瘤与具有激活相关表达特征的T细胞相关。我们还发现了免疫治疗后与治疗后新出现的肿瘤克隆相关的耗尽细胞毒性T细胞亚群。这些分析证明了netie如何能够询问个体新抗原库和肿瘤分子谱之间的关系。我们发现T细胞炎症基因表达谱(TIGEP)更能预测随着时间推移免疫压力增加的肿瘤患者的预后,这揭示了T细胞和新抗原分布之间的奇妙协同作用。总的来说,我们提供了一种新的工具,能够揭示新抗原在每个肿瘤发展过程中留下的印迹,并预测肿瘤在宿主免疫系统的进一步压力下将如何发展。
这是订阅内容的预览,通过你所在的机构访问
访问选项
订阅《自然》+
立即在线访问《自然》和其他55种《自然》杂志
29.99美元
每月
订阅期刊
获得1年的完整期刊访问权限
99.00美元
每期只要8.25美元
所有价格均为净价格。
增值税稍后将在结帐时添加。
税务计算将在结账时完成。
买条
在ReadCube上获得时间限制或全文访问。
32.00美元
所有价格均为净价格。
![](https://media.springernature.com/m312/springer-static/image/art%3A10.1038%2Fs41592-022-01644-7/MediaObjects/41592_2022_1644_Fig1_HTML.png)
![](https://media.springernature.com/m312/springer-static/image/art%3A10.1038%2Fs41592-022-01644-7/MediaObjects/41592_2022_1644_Fig2_HTML.png)
![](https://media.springernature.com/m312/springer-static/image/art%3A10.1038%2Fs41592-022-01644-7/MediaObjects/41592_2022_1644_Fig3_HTML.png)
![](https://media.springernature.com/m312/springer-static/image/art%3A10.1038%2Fs41592-022-01644-7/MediaObjects/41592_2022_1644_Fig4_HTML.png)
数据可用性
基线患者来自TCGA和我们之前研究的肾癌患者21.TCGA数据(表达、突变和存活)从TCGA消防软管网站(https://gdac.broadinstitute.org/,version2016012800.0.0)。TCGA HLA分型数据由Thorsson等人提供。55.对于治疗队列,我们从Cristescu等人那里收集了32例胃癌患者。42以及Kim等人。45;来自Anagnostou等人的8例NSCLC患者。46;105例HNSCC患者来自Cristescu等。42;352例黑色素瘤患者来自Cristescu等人。42,雨果等人。5刘等。47, Riaz等人。6范艾伦等人。48;IMmotion150队列157例RCC患者49苗等。7.这些原始报告中提供了关于获取数据的资料。内部MDACC患者的原始基因组数据已上传至欧洲基因组-表型组档案(EGA),并附有登录号EGAD00001008382而且EGAD00001008482.每个数据集的登录代码和链接列在补充表中4.源数据提供了这篇论文。
代码的可用性
netie R包可在https://github.com/tianshilu/Netie使用Apache许可证版本v.2.0。
参考文献
Lu, T.等。CSiN评分评估肿瘤新抗原性结合克隆性和免疫原性来预测免疫治疗结果。科学。Immunol。21, eaaz3199(2020)。
谢辰,D.等。DNA修复基因突变作为超越肿瘤突变负担的免疫检查点抑制剂反应的预测因子。病房代表。1, 100034(2020)。
钟,A. S.等。免疫检查点抑制对肝细胞癌小鼠模型的肝癌预防是安全有效的。癌症上一页。Res。13, 911-922(2020)。
Lu, T.等。基于深度学习的T细胞受体-抗原结合特异性预测。Nat,马赫。智能。3., 864-875(2021)。
雨果,W.等。转移性黑色素瘤抗pd -1治疗反应的基因组和转录组特征细胞165, 35-44(2016)。
Riaz, N.等人。Nivolumab免疫治疗过程中的肿瘤和微环境演变。细胞171, 934 - 949。e16天(2017)。
苗,D.等。透明细胞肾细胞癌对免疫检查点治疗反应的基因组相关性科学359, 801-806(2018)。
赫尔曼博士等人。晚期非小细胞肺癌患者联合免疫治疗反应的基因组特征癌症细胞。33, 843 - 852。e4(2018)。
Matsushita, H.等。新抗原负荷、抗原提呈机制和免疫信号决定透明细胞肾细胞癌的预后。癌症Immunol。Res。4, 463-471(2016)。
米勒等人。高体细胞突变和新抗原负担与多发性骨髓瘤无进展生存期降低相关。血癌;7, e612(2017)。
Matsushita, H.等。在卵巢透明细胞癌中,影响预后的因素是每个体细胞突变新抗原的频率,而不是总体突变负荷或预测新抗原的数量。Oncoimmunology6, e1338996(2017)。
盖丁格,S.等。HLA I类抗原加工和呈递受损是肺癌获得性免疫检查点抑制剂耐药的机制之一。癌症。7, 1420-1435(2017)。
佐藤,Y.等。透明细胞肾细胞癌的整合分子分析。Nat,麝猫。45, 860-867(2013)。
蒋,T.等。肿瘤新抗原:从基础研究到临床应用。j .内科杂志。肿瘤防治杂志。12, 93(2019)。
Blass, E. & Ott, p.a.个体化新抗原治疗性癌症疫苗的发展进展。Nat. Rev. clinin。肿瘤防治杂志。18, 215-229(2021)。
李,S.等。新抗原特异性T细胞在癌症中抵抗免疫检查点疗法的特性。国家科学院学报美国27, 118(2021)。
罗斯等人。PyClone:肿瘤中克隆群体结构的统计推断。Nat方法。11, 396-398(2014)。
Deshwar, A. G.等。PhyloWGS:从肿瘤全基因组测序重建亚克隆组成和进化。基因组医学杂志。16, 35(2015)。
米勒,C. A.等。SciClone:推断克隆结构和跟踪肿瘤发展的空间和时间模式。公共科学图书馆第一版。医学杂志。10, e1003665(2014)。
Łuksza, M.等。新抗原适应度模型预测肿瘤对检查点阻断免疫治疗的反应。自然551, 517-520(2017)。
王,T.等。一种利用肿瘤移植解剖肾细胞癌肿瘤微环境的经验方法确定了预后炎症因素的缺失环节。癌症。8, 1142-1155(2018)。
萨勃拉曼尼亚,A.等。基因集富集分析:解释全基因组表达谱的一种基于知识的方法。国家科学院学报美国102, 15545-15550(2005)。
易,J. S,考克斯,M. A. & Zajac, A. J. t细胞衰竭:特征,原因和转换。免疫学129, 474-481(2010)。
Mehta, a.k., Gracias, D. T. & Croft, M. TNF活性和T细胞。细胞因子101, 14-18(2018)。
Tim-3是一种抗肿瘤免疫的负调节因子。咕咕叫。当今。Immunol。24, 213-216(2012)。
杨,Z.-Z。et al。LAG-3的表达定义了瘤内PD-1+ T细胞的衰竭,并与滤泡性淋巴瘤的不良预后相关。Oncotarget8, 61425-61439(2017)。
张,B.等。Nidogen-1表达与低度胶质瘤患者的总生存期和替莫唑胺敏感性相关。老化13, 9085-9107(2021)。
杨,C.等。转录组分析发现ARHGAP家族是膀胱癌肿瘤促进免疫浸润和纳米力学特征相关的新型生物标志物。前端细胞开发生物学。9, 657219(2021)。
冯强,李丽娟,李敏,王欣。基于免疫基因组谱的胶质瘤免疫分类。j .神经炎症17, 360(2020)。
格里芬,G. K.等。SETDB1表观遗传沉默抑制肿瘤固有免疫原性。自然595, 309-314(2021)。
吕旭,李国刚,乔强。宫颈癌免疫分型的鉴定及多组学数据的综合分析。j . Transl。地中海。19, 200(2021)。
陈旭,苏超,任松,周成,姜涛,周成,KEAP1突变作为免疫治疗结果的生物标志物的泛癌分析。安。Transl。地中海。8, 141(2020)。
比顿,J.等。TP53, STK11和EGFR突变预测肺腺癌中肿瘤免疫谱和抗pd -1的反应。中国。癌症Res。24, 5710-5723(2018)。
谢哲,等。基因集知识发现与丰富。咕咕叫。Protoc。1, e90(2021)。
Voronov, E. & Apte, R. N.通过干预白细胞介素-1生物学靶向肿瘤微环境。咕咕叫。制药。Des。23, 4893-4905(2017)。
迪纳雷洛,南卡罗来纳州自身炎症教科书(eds Hashkes, P. J.等人)711-725(施普林格,2019)。
Dang, H. x等人。ClonEvol:肿瘤测序中的克隆排序和可视化。安。肿瘤防治杂志。28, 3076-3082(2017)。
刘,B.等。在肺癌抗pd -1治疗过程中,暂时性单细胞示踪显示前体衰竭T细胞克隆复活和扩增。Nat。癌症3., 108-121(2022)。
巴恩斯,T. A.和阿米尔,E. HYPE或HOPE:肿瘤浸润免疫细胞的预后价值。Br。j .癌症118, e5(2018)。
Melero, I., Rouzaut, A., Motz, g.t. & Coukos, G. t细胞和nk细胞浸润实体肿瘤:有效的癌症免疫治疗的关键限制因素。癌症。4, 522-526(2014)。
左松,魏敏,王珊珊,董娟,魏娟。免疫细胞浸润的泛癌分析与肺腺癌预后的关系。Immunol前面。11, 1218(2020)。
Cristescu, R.等人。基于PD-1检查点封锁的免疫治疗的泛肿瘤基因组生物标志物科学12, 362(2018)。
Şenbabaoğlu, Y.等。透明细胞肾细胞癌的肿瘤免疫微环境特征鉴定预后和免疫治疗相关的信使RNA特征。基因组医学杂志。17, 231(2016)。
O’donnell, t.j., Rubinsteyn, A. & Laserson, U. MHCflurry 2.0:通过结合抗原处理改进了MHC i类肽的泛等位基因预测。细胞系统。11, 418-419(2020)。
金,S. T.等人。转移性胃癌PD-1抑制临床反应的综合分子特征Nat,地中海。24, 1449-1458(2018)。
Anagnostou, V.等。非小细胞肺免疫检查点阻断过程中新抗原景观的演变癌症。7, 264-276(2017)。
刘,D.等。转移性黑色素瘤患者PD1阻断临床结果的整合分子和临床建模Nat,地中海。25, 1916-1927(2019)。
范艾伦,e.m.等人。转移性黑色素瘤对CTLA-4阻断反应的基因组相关性研究科学350, 207-211(2015)。
麦克德莫特,d.f.等人。在肾细胞癌中atezolizumab单独或联合贝伐单抗与舒尼替尼反应的临床活性和分子相关性Nat,地中海。24, 749-757(2018)。
Cristescu, R.等人。胃癌分子分析确定了与不同临床结果相关的亚型。Nat,地中海。21, 449-456(2015)。
米切尔,T. J.等。透明细胞肾细胞癌进化中的里程碑事件时序:tracerx renal。细胞173, 611 - 623。e17(2018)。
Salichos, L., Meyerson, W., Warrell, J. & Gerstein, M.从单个样本中估计肿瘤进化的生长模式和驱动因素。Commun Nat。11, 732(2020)。
Lu, T.等。克服单细胞rna测序数据在谱系重建中的表达缺失。细胞的代表。34, 108589(2021)。
Eden, E., Navon, R., Steinfeld, I., Lipson, D. & Yakhini, Z. GOrilla:用于发现和可视化排序基因列表中丰富的GO术语的工具。BMC Bioinf。10, 48(2009)。
索尔松,V.等人。癌症的免疫图景。免疫力48, 812 - 830。e14灯头(2018)。
确认
我们感谢A. Gouru和A. Passey对手稿校对的帮助。本研究由美国国立卫生研究院(NIH)资助(资助号CCSG 5P30CA142543, 1R01CA258584, 5P30CA142543和U01AI156189授予T.W., R01CA234629授予J.Z.),德克萨斯州癌症预防研究所(资助号CPRIT RP190208授予T.W., CPRIT RP160668授予J.Z, RP160668授予I.W.),德克萨斯大学MDACC(医生科学家计划,J.Z.和肺癌登月计划,A.R.),德克萨斯大学癌症基金会MDACC(机构研究资助,A.R.),万基洪肺癌研究基金(A.R.),外显子20集团(A.R.)和瑞克珊娜抗击肺癌基金会(A.R.)。资助者在研究设计、数据收集和分析、发表决定或手稿准备中没有任何作用。
作者信息
作者及隶属关系
贡献
T.L.进行了所有的分析。T.W.监督了这项研究。s.m.h.、j.v.h.、p.a.f.、i.w.、A.R.和J.Z.提供了内部测序数据。Y.H.和Y.W.在科学和写作方面提供了重要的意见。t.l., S.P.和T.W.写了这篇论文。
相应的作者
道德声明
相互竞争的利益
作者声明没有利益竞争。
同行评审
同行评审信息
自然方法感谢匿名审稿人对本工作的同行评议所作的贡献。主要处理编辑:Madhura Mukhopadhyay,与自然方法团队。
额外的信息
出版商的注意施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。
扩展数据
图2免疫选择压力的变化与肿瘤及肿瘤克隆的基因型相关。
(一)Wilcoxon检验P值最小的顶级基因,比较肿瘤克隆在每个基因突变和不突变时的免疫压力变化。(b)免疫压力变化箱线图(交流)在肿瘤克隆中有或没有突变SETDB1而且FN1.(c)基因中富集GO项,Wilcoxon检验P值<0.05。中的箱线图(b),方框边界表示分位数范围,胡须延伸到不超过四分位数范围1.5倍的最极端数据点,方框中间的线表示中位数。
图3多区域抽样的其他MDACC肺癌患者共享肿瘤克隆和私有肿瘤克隆的免疫选择压力评分。
误差条的中心表示推断的免疫压力变化(交流),误差条表示95%置信区间。
图4进一步验证Netie分类对患者预后的意义(a,b) INisp和DEisp患者TIGEP与总生存期之间的相关性的多变量分析。
(一)INisp病人,(b)DEisp病人。在CoxPH模型中检验了TIGEP与总生存期之间的相关性,并对病理分期、性别、年龄和肿瘤类型进行了多因素调整。
扩展数据图5图中进行的分析4,但与PhyloWGS和SciClone进行的克隆性推断(a),或MHCflurry预测的新抗原(b)。
以TCGA LUAD队列为例。
源数据
图1 .来源数据
统计源数据。
图2 .来源数据
统计源数据。
图3 .源数据
统计源数据。
图4 .来源数据
统计源数据。
图1 .源数据扩展数据
统计源数据。
图2 .扩展数据
统计源数据。
图3 .扩展数据
统计源数据。
图4 .扩展数据
统计源数据。
图5 .源数据扩展数据
统计源数据。
权利和权限
根据与作者或其他权利持有人签订的出版协议,《自然》杂志或其许可方对本文拥有独家权利;作者对这篇文章接受的手稿版本的自我存档仅受此类出版协议的条款和适用法律的约束。
关于本文
引用本文
陆,T,朴,S,韩,Y。et al。Netie:推断肿瘤中新抗原- t细胞相互作用的演变。Nat方法(2022)。https://doi.org/10.1038/s41592-022-01644-7
收到了:
接受:
发表:
DOI:https://doi.org/10.1038/s41592-022-01644-7