Krooninen sairaus

tiivistelmä

läsnäolo ja koostumus lymfosyyttien luonteenomaiset immuunivasteen on kytketty ennusteen kehittyneen munasarjasyövän. Tavoitteena on luoda uudenlainen assosiaatioita ennustetta ja ilmentymistä immuuni liittyvien geenien kautta fokusoitu näytön käyttämällä julkisesti saatavilla suuren suoritustehon määrityksissä. Pidämme transcriptome profiileja kehittynyt munasarjasyöpä potilaille havaittiin neljässä erillisessä tutkimuksessa jaettu löytö /validointi sarjaa (/). Keskitymme osajoukko lymfosyyttien markkereita, antigeenin esittelyä ja käsittely-geenit, T-solureseptorin liittyy kostimulatorinen /repressorigeenit ja syöpä kives (CT) antigeenejä. Me mallinnettu differentiaalikaavojen ja koekspressoimalla käyttäen näitä alaryhmiä ja testattu yhdessä kokonaiselossaolo. Viisitoista 64 immuuni liittyviä geenejä liittyy selviytymisen, joista 5 on toistettu validointi asetettu. Ilmaisu Näiden geenien määrittelee immunoreaktiivisen (IR) potilaiden alaryhmässä suotuisa ennuste. Fenotyyppinen karakterisointi immuunijärjestelmän osaston signaali sisältää ylössäätely merkkiaineiden CD8

+ T-solujen aktivaation näillä potilailla. Monimuuttujamenetelmin pienoismallit, huomaamme, että ilmaus 6 CT antigeenejä voi ennustaa IR aseman löytämisen ja validointi sarjoiksi. Nämä analyysit vahvistavat, että genomista lähestymistapa voi toistettavasti havaita lymfosyyttien signaaleja kasvainkudoksessa viittaa uudenlainen tapa tutkia kasvain microenvironment. Meidän haku on löytänyt uuden ehdokkaan ennustetekijöitä merkkiaineita, jotka liittyvät immuunijärjestelmän komponenttien ja paljastanut alustavia todisteita prognoosi- alaryhmien liittyvät eri immuunimekanismeja.

Citation: Eng KH, Tsuji T (2014) Differential antigeeniekspressiota Profiili ennustaa Immunoreaktiiviset osajoukon Advanced munasarjojen Syövät. PLoS ONE 9 (11): e111586. doi: 10,1371 /journal.pone.0111586

Editor: Rolf Müller, Philipps University, Saksa

vastaanotettu: 21 huhtikuu 2014; Hyväksytty: 25 syyskuu 2014; Julkaistu: 07 marraskuu 2014

Copyright: © 2014 Eng, Tsuji. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Data Saatavuus: Tällä kirjoittajat vahvistavat, että kaikki tiedot taustalla olevat havainnot ovat täysin saatavilla rajoituksetta. Tiedot ovat saatavilla TCGA Data Portal (https://cancergenome.nih.gov/) ja NCBI GEO verkkosivuilla (https://www.ncbi.nlm.nih.gov/geo/) käyttäen tunnisteita viitattu tekstissä .

Rahoittajat: CA016056 www.cancer.gov National Cancer Institute ydin avustuksen Roswell Park Cancer Institute. Roswell Park Alliance Foundation www.roswellpark.org/giving~~V palkinnon KHE. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

Viimeaikaiset, suurikapasiteettisten geeniekspressioprofilointi tutkimukset munasarjasyövän ovat tunnistaneet teema differentiaalisesti säännellyn immuunijärjestelmän molekyylejä liittyvät ennusteeseen [1], [2]. Havainto on sopusoinnussa yhä enemmän todisteita siitä, että munasarjan syövät ovat voimakkaasti immunogeenisiä: spontaani humoraalisen ja solutason immuunivasteen reaktioista kehittyy vastauksena tautiin [3], muodostavat ominaisuus epitoopit [4], ja niihin sovelletaan monimutkaisia ​​ylös- ja alas-sääntelyä immuunitapahtumasarjat [5], [6]. Aste kasvaimen tunkeutuminen isännän immuunisolujen on liittynyt hyvään ennusteeseen [7] sekä tasapainon lymfosyyttien alatyyppejä.

alatyyppejä lymfosyyttien ovat erilaisia ​​toimintoja, jotka liittyvät antigeenin tunnistus- ja immunosuppressiota [8] ja katsotaan olevan merkki dynaaminen ja kehittyvä vastaus syöpä [9]. Esimerkiksi, lisäys CD8

+ T-solujen havaittiin olevan yhteydessä hyvään ennusteeseen, mutta nousu säätelijä-T-solujen havaittiin torjumaan tätä etua [10]. Täten tutkimalla komponenttien munasarjakasvain microenvironment [11] on kriittinen kulma tunnistamiseksi ennustetekijöiden yhdistysten [12].

Kuitenkin vain harvat array-pohjainen ilmaisu tutkimukset ovat näytteitä sekä isännän reaktio sekä kasvain. Useimmat suuret havainnointitutkimukset [1], [2], [13], [14] pidetään vain kasvainkudoksessa koska niiden tavoitteena oli ennustetekijöiden mallintaminen; immuuni yhdistysten tehtiin

jälkikäteen

perustuvat vain rikastamiseen pääteltävä pieni joukko merkittäviä immuuni geenejä. Muut array perustuvat tutkimukset, jotka keskittyvät immuunijärjestelmän luonnehdinta olivat pieniä ja havaintoihin (n = 38) [15] tai asiassa kontrolli (n = 25, n = 25) [16]. Nämä tutkimukset osoittivat, positiivinen yhteys lymfosyytti-markkereita ja ennusteen ymmärtää, että otokseen kudos sisälsi joitakin microenvironment signaali.

Viime työn ilme paneelit on voidaan laskennallisesti erillinen kasvain, strooman ja immuunijärjestelmän osat näiden monimutkaisten kudosten. Esimerkiksi arvio algoritmi [17] käytetään 141-geenien arvioida osa ilmaisun signaalin johtuvat immuunijärjestelmän osastoon. Vaikka tämä lähestymistapa on auttaa estämään melun takia epäpuhdas näytteitä, tämän tutkimuksen totesi, että immuunijärjestelmän signaaleja ei näytä kuljettaa lievä yhteyksiä kliinisiin tuloksiin. Läsnäolon perusteella ja mahdollisten ennusteen arvioinnissa immuunijärjestelmän markkereita, me arveluihin, että ilmeinen yhdistykset voidaan jäljittää jäljellä lymfosyyttien RNA ja analysoida tarkemmin nämä merkit voidaan katsoa signaalin microenvironment. Näin ollen emme voi yksinkertaisesti mallintaa markkereita, joiden emme hyvin todennäköisesti immuuni-erityinen

a priori

.

Luotamme kaksi suuret ikäluokat Julkistiedon organisoitu löytö asettaa ja validointi set: 503 biobanked korkealaatuisesta serous munasarjasyöpään näytteitä Cancer Genome Atlas (TCGA) [2] muodostavat kohdennettua koulutusta ja etsintä asettaa ja kliinisesti-edustaja sekoitus 634 näytettä 3 Gene Expression Omnibus (GEO) tutkimukset [ ,,,0],1], [13], [14] muodostavat validointi asetettu. Kliiniset piirteet tiedot on kuvattu niiden alkuperäisessä papereita, mutta lyhyesti, kaikki potilaat näissä tutkimuksissa ovat kehittyneet, ensisijainen munasarjasyöpä (pieni määrä ensisijaisen vatsakalvon ja munanjohtimen validoinnissa set) ja sai adjuvanttia platinaa ja taksaania hoitoja leikkauksen jälkeen.

Tutkimme ensin spesifisyyden immuuni liittyvien geenien Imusolun kudoksiin ja sitten tutkia yksiulotteista ennustetekijöiden yhdistyksiä. Käyttämällä klusterointialgoritmeja, tunnistamme osajoukko syöpätapauksista korkean immuniteetin signaaleja ja osoitamme, että tämä osajoukko voidaan ennustaa kasvaimen ilmaus syöpää kivesantigeenien. Yhdessä nämä tulokset osoittavat, että merkittävä ennusteen arvioinnissa jää hyödyntämättä kasvaimen mikroympäristössä.

Methods

Clinical and Gene Expression Data

TCGA on biorepository tutkimus korkealaatuisesta serous munasarjasyöpiä useista keskuksista Yhdysvalloissa ja sen kuvaus löytyy alkuperäinen artikkeli [2]. Osuvia analyysi, tässä tutkimuksessa tiukasti mukana munasarjojen esivaaleissa ja papillaarinen vakavasta histologialtaan. Näytteet perin arvioitiin vaiheen III-IV ja Grade 2,3 (myöhemmin uudelleen lavastettu jonka TCGA patologi) ja potilas sai adjuvanttia platinaa ja taksaania kemoterapian. Me hyväksyä, että näissä tapauksissa heijastavat puolueellinen mutta homogeeninen kliininen esitys todennäköisemmin saadaan johdonmukainen biologinen mekanismi.

kolme kliinistä aineistoja ladattiin NCBI GEO tietokantaan ja on kuvattu alla. Taulukko 1 on yhteenveto kliinisesti merkittäviä eroja tutkimuksessa.

GEO: GSE9891 on australialainen havainnointitutkimuksessa [14] enimmäkseen vakavien (227) munasarjasyöpä myös joitakin vatsakalvon (34) ja munanjohtimen ( 5) esivaaleissa. Ilmastointi on saavilla potilailla platina /taksoli ja poistamalla LMP näytteet, analysoimme näytteitä. Uusittavuuteen varten, teemme normalisoitujen tietojen GEO.

GEO: GSE32062 on japanilainen havainnointitutkimuksen [1] Näytteiden lukien 10 vertailunäytteet 193 toistuminen, 121 kuolemantapausta saatiin näytteitä analysoida. Adjuvantti platina /taksoli hoito kirjattiin kaikille potilaille.

GEO: GSE3149 on havainnointitutkimuksessa [13] Taulukoiden yhdistämisen jälkeen tarpeeton niistä. Merkittävä työ on on julkaistu vaikeuksista alkuperäisessä analyysi näistä tiedoista [18]; olemme toteuttaneet suositeltuja samankaltaisuus tarkastukset ja keskimäärin paneelit, kun ne näyttävät tulevan samasta potilaasta. Tämä analyysi alkaa GEO varastoitujen tietojen ja olisi immuuni tietojen muuntaminen ongelmat.

Biologinen aineisto, NCI-60 solulinjaa tiedot otettiin GEO: GSE5846 [19], jos kaikki solulinjat mitattiin alle hoitamatta olosuhteissa. Positiivisiksi kontrolleiksi munasarjan solulinjat, IGROV-1, OVCAR-3, OVCAR-4, OVCAR-5, OVCAR-8, SK-OV-3 ja NCI /ADR-RES; pitäisi ilmaista mitään immuuni markkereita. Negatiivisia kontrolleja me myös tutkia leukemia linjat CCRF-CEM, HL-60 (TB), MOLT-4, RPMI-8226, SR, ja K-562.

Candidate immuuni liittyviä ja syöpää Kivesten antigeeni geenit

kandidaattigeenit valittiin Kegg: Antigeeni käsittely ja esittäminen (hsa04612) keskittyen pinnalla reseptoreihin ja geenien solukalvon kuljetuksen. Pintamerkkiaineita ja yhteissääntelymekanismien molekyylien T-solureseptorin signalointireitin (hsa04660) lisättiin, vähennettynä sisäisen signalointimekanismeja (esimerkiksi: fosfolipaasit, toissijainen sanansaattajia, ja kinaasireaktiosarjojen), sillä nämä ovat epäspesifisiä ja niihin liittyvät muihin signalointireittejä. Cancer-kives-antigeenin geenit määriteltiin perustuen päällekkäisyyttä CT Database [20]. Täydellinen geeni luettelo annetaan taulukoissa S1 ja S4.

Kaikki geenit linjattiin käyttäen virallista geeni nimet kartoitettu käyttäen toimitettua GEO alustan merkintä (ts siihen liittyvän GPL-tiedosto) ja R paketti hthgu133a.db-2.8. 0 [21]. Expression arvot skaalataan ja keskitetty vertailukelpoiseksi poikki geenejä. Huomaa, että erittäin vaihteleva osat T-solureseptorin (TCA, TCB) ei voida mitata hybridisaatioon perustuvan oligonukleotidisirujen.

Computational Methods

Univariate yhdistysten suoritettiin verrannollinen vaaroja regressio . Ei aikaa katkaisu, vähentää vaikutusta pitkä eloonjääneitä, suoritettiin. Merkitys leikattiin ja asetettiin useita testaus, ellei toisin mainita. Raportoitiin FDR Laskelma perustuu odotetun määrän vääriä positiivisia olettaen, että kaikki testit ovat nolla.

Clustering analyysi TCGA Tieto perustuu täydellinen hierarkkinen klusterointi alle Euklidinen etäisyys. Alaryhmät poimittiin halkaisemalla puun 4 lehdet perustuu silmämääräisesti ja sisällä /välillä ryhmä neliöiden summa kriteerin. Cluster keskuksia käytettiin siementen k-means klusterointi algoritmia validointitiedot ja p-arvo raportoidaan tutkimuksesta ositetut 4-ryhmä log-rank-testi.

Tulivuori juoni käyttää kirjallisuuteen perustuvia pinta markkereita ja yhteistyötä sääntelyviranomaisten perustuvat yksinkertaiseen t-testiä. Korostettu geenit olivat merkittäviä yläpuolella Bonferronin p kohdalla ja oli biologisesti äärimmäisen kertaluokkamuutos arvoja.

Osittainen korrelaatioita laskettiin käyttäen luokan keskiarvot geenien osoitettu CD4, CD8, CD3, MHCI ja MHCII perustuvaa sarjaa. GeneNet algoritmi [22] avulla FDR ja kovaa kynnystysproseduuri absoluuttisessa korrelaatio käytettiin päättelemään Gaussian graafinen malleja.

päätellä puuttuvan solmut GGM, piilotettu solmu on täytettävä kolme ominaisuuksia. Käyttämällä MHCII – X – CD8 esimerkkinä: MHCII ja CD8 on ehdollisesti riippumattomia annetaan Gene X (p0.05); MHCII ja Gene X on ehdollisesti riippuvainen annettava kaikki muut geenit (Bonferroni p0.05); CD8 ja Gene X on ehdollisesti riippuvainen tietyn muista geeneistä (Bonferroni p0.05). Kukin näistä voidaan vähentää p-arvo selvitys tavallisilla lineaarista mallia teoriaa ja lisätään muuttujan analyysin.

ennustuksia Monimuuttuja logistisen regressiomallin oli luokiteltu immunoreaktiivisia luokkaan puhelut perustuvat kynnystämällä ennustetun arvon mallista . Tämä kynnys valittiin käyttäen herkkyys /spesifisyys leikkauspiste kaikissa validointi aineistoja.

Kaikki tilastollinen analyysi suoritettiin R tilastollisen ohjelmointikieli.

Tulokset

Geenien ilmentymiseen spesifinen lymfosyyttejä on mitattavissa tuumorinäytteissä

Havaitsimme, että valitut Imusoluspesifisen markkereita ovat läsnä mitattavia määriä näytteitä kasvainkudoksen meidän löytö asetettu. Jakauma keskimäärin ilmaisun (kuvio 1A) osoittaa tyypillisen multimodaalinen kuvio ilmaisun taulukot: alempi huippu heijastaa taustamelu geenejä, joita ei ole ilmaistu näytteen ja korkeampia huippu edustaa signaalia. Imusoluihin merkki CD45 on signaalin huipun ja on suhteellisen voimakkaasti ilmaistaan ​​(taulukko S2). Olemme arvelevat, että mitattavissa osa soluista kunkin näytteen sisällä lymfosyytti-RNA, joka edustaa kasvaimen mikroympäristössä.

musta punkkeja osoittavat tarkoittaa ilmaus immuuni liittyviä geenejä. CD45 on korostettu Imusoluspesifisen markkeri, että niissä on lymfosyyttien. Alaryhmä-pohjainen eloonjäämisennusteet (B) esitetään, että TCGA tiedot perustuvat hierarkkinen klusterointi suhteellisen ilmentymisen valitun T-solun geenit (C ja D). Neljä väripalkki vasemmalla tunnistaa alaryhmiin. Violetti osajoukko (n = 55, 11%), edustaa merkittävää eloonjäämishyötyä ilmentymiseen liittyvien kaikkien viiden geenejä.

Vertailu GeneAtlas kudosten [23] osoittaa, että nimellinen toiminnan näiden ilmaisun array koettimet on lymfosyytti-erityinen. Mietimme koetin ilmentymistä munasarjojen NCI-60 solulinjaa [19] sulkea pois sitä mahdollisuutta, että geenit ilmentyvät tavallisesti kasvainkudoksessa (taulukko S2). Kun otetaan huomioon keskimääräinen kvantiili ilmaisun verrattuna muista antureista, pintamarkkerit CD64, CD1D, CD14, CD33, CD8a, CD16b, CD45 säilyttää alhaisella tasolla solulinjoissa versus mikropaloitelluista kasvain (kaikki alempi kuin 35. kvantiili, s). Lähellä puuttuminen IL6, IL12, IFNB1 ja IFNy (2.-25 quantile) esittää, että kyky mitata sytokiinisignaloinnin menetetään tässä in vitro -järjestelmää; On huomattava, että IL12 reseptori on mitattavissa, joten pinta markkereita eivät näy. Poikkeuksena tähän rakenteessa on, että CD4 on yli-ilmentynyt (51. ja 61. quantiles kasvaimen ja solu- näytteitä vastaavasti).

Tällä vahvistetaan, että toistettavissa immuuni signaali voidaan mitata näytteitä kasvainkudoksessa ja jatkamme olettaen että nämä merkit muodostavat edustavan läpileikkauksen kasvain ja immuunijärjestelmän vuorovaikutusta.

Toistettavissa assosiaatiot kandidaattigeenit ja eloonjäämiseen

Niistä 64 kandidaattigeeneihin, 15 ovat yhden muuttujan yhdistysten (pisteet testi p -arvo) ja yleiseen eloonjäämiseen (OS) leikkauksen jälkeen ja ensisijainen kemoterapiaa TCGA tutkimuksessa (taulukko S1). Lisäksi 5 näistä voidaan validoitu salaamisesta riippumattomat tutkimukset ().

Vahvistetut joukko voidaan järjestää toiminto: major histocompatibility complex (MHC) I geenejä, HLA-F ja HLA-G; MHCII geeni, HLA-syntymäaika; MHCI liittyvä kuljettaja, TAP1-; ja co-reseptorikompleksin alayksikköä, CD3D (TCR). Ekspression lisäämiseksi kunkin näiden transkriptien liittyy parempi eloonjäämisen (taulukko 2). T-solujen liittyvät geenit korreloi, mikä todennäköisesti selittää välillinen mutta positiivinen assosiaatio vaimennin HLA-DOB ja eloonjäämisen (Univariate HR = 0,74, 95% CI: 0,65-0,85, p). Me tutkimme monimuuttuja näiden geenien ilmentymistä seuraavaksi.

Käyttämällä hierarkkinen klusterointialgoritmi, löytö asettaa potilaat voidaan jakaa neljään ryhmään (kuvio 1 B), joka liittyy OS (p = 1.2E-05 ). Edustettuina heatmap kuviossa 1C, samanaikaista ilmentymistä kaikki viisi geeniä (värillinen violetti) koituu eniten hyötyä. Samanaikainen ilmentyminen kaikki viisi geeniä on sopusoinnussa T-solujen aktivaation, niin me pidämme korkean ilmentävien alaryhmä immunoreaktiivisen (IR) osajoukko.

aste ilmaisua ei liity vaihtelua huonoon ennusteeseen: alhainen lauseke kaikkien geenien (oranssi) ei ole huonompi kuin heterogeeninen kuvio korkea ja keskisuurten lauseke (keltainen) tai tasaisesti keskipitkän ilmaisu (vihreä alaryhmä). Tämä viittaa siihen, että puutteellinen ilmaus tahansa geeni riittää johtaa huonoon ennusteeseen.

määrittää validointi potilaita heidän samankaltaisin löytö sarja alaryhmä k-means klusterointi. Toisessa heatmap (kuvio 1 D), potilaista (sarakkeet) tilataan hierarkkinen klusterointi sisällä datajoukolla. Eli ryhmitelty alaryhmiä vahvistaa se havainto, että luokan tunnisteet tallennetaan validointi asetettu.

löytö tiedot, selviytymisen hyöty Voimakkaasti ekspressoivat (n = 55, 10%) on mediaani 70,9 kk (95% CI: 58,1-98,0) vs. 41,4 (36,9-45, p = 3.5e-05) OS; mediaani ilman taudin etenemistä (PFS) hyötysuhde on merkittävä (p = 3.1e-04) 30,4 (18,2-91,3) kuukautta verrattuna 16,4 (14,7-18). Tämä alaryhmä osuus 5% kuolemista havaittu aineisto ja 7% toistuvia tapauksia. Tämä etu on heikosti toistettu validointitiedot: (p = 0,0335) ja ero 64,0 kuukautta vs. 51 kuukautta mediaani. PFS ero ei ollut merkittävä validoinnissa set.

Assosiaatio immunoreaktiivisia alaryhmä ja immuunijärjestelmän markkereita

TCGA analyysi vahvisti joukon geneettisen osajoukkojen [2] tunnistettiin aiemmassa tutkimuksessa [14] . Korkeat ekspressio alaryhmässä (lila, n = 55), joka liittyy niiden IR alaryhmä (38/55, 69%) (p) (taulukko 3). Oranssi alaryhmä (n = 39) on enimmäkseen proliferatiivinen (31/37, 84%). Molemmat yhdistysten pitää validoinnissa tietoja TCGA alatyyppejä. Kaiken kaikkiaan tämä viittaa siihen, että hierarkkinen klusterointi johdettu alaryhmä on mielekäs ja että se vivahteiden TCGA alatyyppiä jälkimmäisen havaittiin olevan merkittävää selviytymisen yhdistyksiä. Huomaa, että meidän tutkimus keskittyy IR osajoukko ja me ei yritä mallintaa muille TCGA alatyyppeihin.

tutkinut ero ilmaus standardin immunologian merkkiaineiden hyvään ennusteeseen alaryhmä. Kuvio 2 piirtää muutos ilmaisun poikki ennusteen alaryhmissä verrattuna tilastollista näyttöä molemmissa aineistoja. Näillä merkeillä merkitsevät tulehdusreaktio välittämä rekrytoimalla CD45

+ solut: CD8

+ solujen ja antigeeniä esittelevät solut (APC). Ei muutosta CD4 ilmaisu viittaa siihen, että on todennäköisesti olla piileviä taustan läsnä CD4

+ T-solujen ja että eri toiminta johtuu aktivointi (edustaja ero

ICOS

ilme). Poissa ovat NK-solut (CD56

+) vahvistavat ajatusta, että prosessi on osa immuniteetin.

Merkit vahvojen biologisia ja tilastollinen merkitsevyys (t-testi Bonferroni p0.001) on valittu löytö asettaa ja korostettu molemmissa tontteja.

arveluihin, että nämä havainnot ovat yhdenmukaisia ​​kanssa immunoediting käsite. Hyvä ennuste ryhmä edustaa tasapainoa, jossa esiintyvyys APC: iden ja aktivoitujen CD4

+ solujen rekrytoida CD8

+ T-solujen säilyttämiseksi immuniteetin.

Prognostiset koekspressoimalla viittaa T-solujen aktivaation

päätellä toiminnallisia vuorovaikutuksia immuuni liittyviä geenejä, teimme koekspressoimalla analyysi, jossa esitetään yhteenveto korrelaatio IR alakonsernin ja heikkoon ennusteeseen alaryhmien graafisesti. Reunoja näissä Gaussian graafinen mallit (GGMs) ovat tilastollisia välinen riippuvuus immuunijärjestelmän komponenttien (kuvio 3A, 3B); positiivinen riippuvuus merkitsee, että molemmat osat ovat mukana ja ovat todennäköisesti vuorovaikutuksessa ja negatiiviset reunat tarkoita toisensa poissulkevia toiminto tai tukahduttamisen.

Blue reunat ovat positiivisia mielleyhtymiä ja punainen ovat estävä yhdistyksiä. Korostettu oranssi reuna voidaan poistaa huomioimalla riippumaton joukko geenejä. CD8 ja MHCII array ilme erilliset hyvän ja huonon ennusteen alaryhmiä discovery (C) ja validointi (D) aineistoja. MHCII ilme on positiivisesti ennustetekijöiden mutta sisältyy CD8 ilmentäviä näytteissä. Varjostus lisätään korostamiseen.

Kuten ero ilmentymisanalyysiä, CD4 ja MHCII korreloivat IR alaryhmä eikä huono ennuste alaryhmiin. Yhdenmukaisia ​​sen raportoitu toiminta, RFX perhe (

RFX5

,

RFXANK

,

RFXAP

) transkriptiotekijöiden ”ilmaisun kasvaa yhtäpitävästi nousun kanssa MHCII ilmaisun [24]. IR alaryhmässä, kaksi reunaa tarkoita anti-korrelaatio CD4 ja MHCI mikä tarkoittaa toisensa poissulkevia toiminto; ja korrelaatio CD8 ja MHCII (kuvio 3C, 3D), joka näyttää vastoin spesifisyyttä MHC luokkiin.

selittää tätä, etsittiin puuttuvat geenit, joiden sisällyttäminen kaaviossa poistaisi nämä reunat. Puuttuva yhteys CD8 ja MHCII on

GZMA

proteaasi kuvastaa aktiivisuutta sytolyyttisen T-soluja. CD4 ja MHCI päättelemme, että CCR5, sytokiinireseptorin liittyvät aktivaation T-solut, puuttuu. Yhteinen havainto on, että transkripti, jotka voivat otettava huomioon toimien ohella T-solujen aktivaation. Merkityksellisyys Näiden geenien tukee tilastollista merkitystä transcriptome laajuinen haku (oikaistu) ja spesifisyys valittujen geenien ilmentymistä lymfosyyttien kudoksissa.

Keskittyminen CD8 ja MHCII ilmaisun, toteamme, että hyvää ennustetta ryhmä voidaan määritellä korkea MHCII ilmaisu jossa CD8 ilme vaihtelee; CD8 ilmentyminen on rajoitettu, kun MHCII ilmentyminen on alhainen. Sen vuoksi oletamme, että luokan II MHC-aktivaatio CD4

+ T-soluja tarvitaan tunkeutumisen CD8

+ T-solut, jotka tarjoavat suojaa.

immunoreaktiivisuus ennusti syöpään kiveksissä antigeenin profiilit

tutkineet yhdistyksen IR alaryhmä kanssa syöpä kives (CT) perheen antigeenit [20]. Nämä geenit ovat usein yli-ilmentynyt syövän soluissa ja indusoi spontaanin immuunivasteita, jotka tekevät niistä ensisijainen tavoite immunoterapian [25]. Erityisesti CT-antigeenin ekspression uskotaan vaikuttavan IR osajoukko säätelemällä T-soluvasteita munasarjakasvain mikroympäristössä. Löytö sarja paneelit mitattuna 98 CT antigeenejä (taulukko S4), joista 3 liittyi IR osajoukkoon (Bonferroni p):

CEP290

,

CTNNA2

,

TMEFF1

.

Koska jäsenyyden IR luokka on binary, käytimme logistinen regressio mallintamaan monimuuttujatestauksen joukko antigeenejä liittyy IR tilan. Taulukko S3 on regressio taulukon malli sovi käyttää BIC-pohjainen portaittain valinta. Täällä,

CEP290

,

CTNNA2

,

TMEFF1

, ja

TEX15

ilmaisun todennäköisyys pienenee, että potilas on IR luokassa. Antigeenit

ZNF164

ja

MAGEA3

lisätä mahdollisuus. Muut kuin

CTNNA2

, joka on kaksi kertaa niin tärkeää kuin

MAGEA3

, muut geenit ovat suunnilleen sama vaikutus. Itsenäisessä tietoja, ennustuksia tässä mallissa liittyvät vahvasti k-means johdettu yhdistysten (HR = 3,96, 95% CI: 2,59-6,14, p = 1.47e-11) viritetty vastaava herkkyys ja tarkkuus (0,66) annettiin kohtalainen esiintyvyys (140/634, 20,5%).

edelleen kerrostunut potilaiden IR alaryhmä hyviin ja huono ennuste perustuu OS 33,5 kuukauteen (yleinen tutkimuspopulaatiosta mediaani). Joukko 16 antigeenejä sisältää liitto 3 IR osajoukko geenien ja antigeenit, jotka liittyvät ero selviytymisen. Kuvio 4 on lämpökarttana käsittää keskiarvo ilmentymistä 16 geenien jaettu kolmeen luokkaan. Ensimmäinen luokka (oranssi) ilmentyy ei-IR tapauksissa ja voi heijastaa toiminnan immunosuppressiivisen elementtejä. Toinen (violetti) ilmaistaan ​​IR syövissä mutta joka ei liity ennustetta. Kolmas (syaani) ilmentyy voimakkaasti IR tapauksissa hyvää ennustetta ja saattaa osoitti immuunijärjestelmää stimuloivia vaikutuksia. Toimiva hypoteesi voisi olla nähdä, jos T-solut vastata toinen joukko antigeenejä (

ZNF165

,

CEP55

,

ATAD2

,

MAGEZ3

,

CTAGE5

) on sääntelyn fenotyypit.

keskustelu

Olemme analysoineet ilmentyminen 64 T-solu- koreseptorissa ja antigeenin esittely /käsittely geenien kehittynyt serous munasarjasyöpä tavallisella univariate näyttö ja analyysi niiden co-ilmaisua. Nämä analyysit määritellä osajoukko munasarjasyövän tapauksissa ennusteen mielekästä ilme liittyy T-solujen aktivaation ja aiemmin määritellyn immunoreaktiivisia alaryhmä [2]. Toisin kuin edellinen työ [17], [26], alaryhmä voidaan tunnistaa toistettavasti vain 5 geenien verrattuna yli sata. Tämä tehokkuus tulee alunperin immunologisia näkökulmasta. Me vähentää merkittävästi Ylimääräisen geenejä, mutta kaupan kyky tehdä yleiseurooppalainen munasarjasyöpään geneettinen luonnehdinta. Tämän seurauksena emme tee väitteen tai yrittää mallintaa kuin immunologisia signaaleja.

Meillä on nyt pieni joukko merkkejä ja antigeenejä, jotka voivat tehdä translaation ja biologisten merkkiaineiden työtä helpommin toteutettavissa immunoterapiassa. Mitä tulee käyttöön CT antigeenejä, olemme löytäneet joukon joka ennustaa ei-immunogeenisiä syöpiä (oletettavasti, ne, joilla on alhainen T-solujen aktivaation) ja joukko, joka saattaa olla kohteena saarto tyyppi immunoterapiaa. Molemmat biologisiin tutkimuksiin tarkistaa sääntelytoimintaa T-solujen näissä tapauksissa ja retrospektiivinen kliinisissä tutkimuksissa voi olla seuraava tutkiva askel. Me spekuloida, että joukko IR erityisiä CT antigeenejä stimuloivat immuunivasteita (esim rekrytointi aktivoidut T-solut), mutta eivät ole riittävän immunogeenisiä aiheuttavan kasvaimen hävittämiseksi immuunireaktion. Vaihtoehtoisesti tämä ryhmä voi pyytää sekoittaa vaikutuksia: indusoimaan immuunivasteita samalla edistää syövän etenemiseen.

Inferentially, olemme hyväksyneet löytö /validointi puitteet, jonka avulla voimme tehdä alustavia vahvistukset ja välttää liiallista tulkinnassa korkea-ulotteinen esineitä . Tiedot ovat rajallisia luonteen ilmaisun tietojen kasvainnäytteet; luotamme arveluihin, että jopa sen jälkeen mikrodissektion, analysoitiin näytteitä säilyttää osan lymfosyyttien geneettistä materiaalia. Koska tämä vaikutus näyttää itsenäisesti useita tutkimuksia, nämä havainnot voidaan soveltaa joissa käytetään tällä alustalla ja ovat vähemmän todennäköisesti edellyttää erän vaikutus bias. Lisäksi tämä työ motivoi tutkinnan jäsennellysti analysoida jäljellä strooman signaalin kasvain näytteet ja siksi päätellä geneettisen vuorovaikutuksen kasvaimen mikroympäristössä.

tukeminen Information

Taulukko S1.

univariate yhdistysten välillä geenejä ja eloonjäämiseen mitattuna pisteet testi p-arvo.

doi: 10,1371 /journal.pone.0111586.s001

(PDF) B Taulukko S2.

Tissue erityinen quantiles ilmaisun Imusoluspesifisen markkereita. Alhainen quantiles tarkoita suhteellisen alhainen tai ei ilmaisua.

Doi: 10,1371 /journal.pone.0111586.s002

(PDF) B Taulukko S3.

Palautuminen pöytä monimuuttuja logistisen regressiomallin avulla antigeeniekspressiota ennustaa immunoreaktiivisia luokan asemaan.

doi: 10,1371 /journal.pone.0111586.s003

(PDF) B Taulukko S4.

Luettelo tunnistettu syöpää kives (CT) antigeenejä.

doi: 10,1371 /journal.pone.0111586.s004

(PDF) B

Kiitokset

Tulokset julkaistaan ​​täällä ovat kokonaan tai osittain perustuu tuottamien tietojen Cancer Genome Atlas pilottihanke perustettu NCI ja NHGRI. Tietoa TCGA ja tutkijat ja laitokset, jotka muodostavat TCGA tutkimusverkosto löytyy https://cancergenome.nih.gov/.