Krooninen sairaus

tiivistelmä

Background

muuttunut koostumus immuunisolujen ääreisveressä on raportoitu liittyvän syöpäpotilaan säilymiseen. Kuitenkin analyysi kokoonpanon reuna-immuunisolujen ovat usein rajalliset retrospektiivinen selviytymisen tutkimuksissa käytettiin kallisteta verinäytteitä pitkäaikaisen seurannan, koska soveltamista virtaussytometrialla sellaisia ​​yksilöitä on ongelmallista. Tutkimuksen tavoitteena oli tutkia demonstroida dekonvolointia veripohjaisten geeniekspressioprofiilien (GEPs) arvioida mittasuhteet immuunisolujen ja määrittää niiden ennustetekijöitä arvot syöpäpotilaille.

Menetelmät ja tulokset

Täällä käyttäen GEPs perifeerisen veren mononukleaarisia soluja (PBMC) 108 ei-pienisoluinen keuhkosyöpä (NSCLC) potilailla, me deconvolved immuunijärjestelmän solujen mittasuhteet ja analysoitiin niiden ja potilaan selviytymistä. Univariate Kaplan-Meier-analyysi osoitti, että pieni osuus T-solujen merkitsevästi yhteydessä huonoon elossaololuku, kuten osuus T-auttajasolujen; kuitenkin vain osuus T-solujen oli itsenäisesti ennustetekijöitä potilaille jota monimuuttuja Coxin regressioanalyysiä (riskisuhde = 2,23; 95% CI, 1,01-4,92;

p

= 0,048). Ottaen huomioon, että muuttunut ääreisverenkierron koostumukset voivat heijastaa muuttuneen immuunivasteita kasvaimeen microenvironment, joka perustuu kudospohjaisia ​​GEPs NSCLC potilaiden, osoitimme Merkitsevä yhteys köyhien potilaiden kuolleisuus ja alhainen antigeenin esittelyn, joka on ratkaiseva rooli T-solujen lisääntymistä.

Johtopäätökset

Nämä tulokset osoittavat, että on mahdollista deconvolve GEPs alkaen varastoitujen verinäytteitä jälkikäteen selviytyminen analyysi korjauksilla immuunisolujen koostumuksesta, ja ehdottaa osuus T-solujen PBMC mikä saattaa heijastaa antigeenin esittelyn tasolla kasvain microenvironment voi olla ennustetyövälineenä merkkiaine pienisoluista keuhkosyöpää.

Citation: Qi L, Li B, Dong Y, Xu H, Chen L, Wang H, et al. (2014) Dekonvoluutio of geeniekspressioprofiilien arvokkaiden kallisteta verinäytteitä tutkimiseen Prognostic arvot Altered Peripheral immuunisolujen Osuudet syöpäpotilailla. PLoS ONE 9 (6): e100934. doi: 10,1371 /journal.pone.0100934

Editor: Sharon A. Glynn, National University of Ireland Galway, Irlanti

vastaanotettu: 27 tammikuu 2014; Hyväksytty: 1 kesäkuu 2014; Julkaistu: 24 kesäkuu 2014

Copyright: © 2014 Qi et al. 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.

Rahoitus: Tämä työ tukivat National Natural Science Foundation of China (Grant nro. 91029717, 81071646, 81372213 ja 81201822), ja Research Fund tohtorikoulutuskeskukseen of Higher Education of China (Grant nro 20112307110011). 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

immuunivasteita kasvainsolujen kasvaimen mikroympäristössä kriittisiä rooleja määritettäessä syövän etenemisen [1], [2]. Parempi käsitys näistä immuunivasteiden voisi paljastaa immuuni liittyviä markkereita, joita voitaisiin käyttää ositusta syöpäpotilaille, joilla on erilaiset riskit uusiutumisen tai kuoleman [3], [4]. Esimerkiksi korkea tiheydet kasvaimeen tunkeutuvia lymfosyyttejä ja dendriittisoluja liittyy pidentynyt hengissä erilaisia ​​maligniteetteja, mukaan lukien ei-pienisoluinen keuhkosyöpä (NSCLC) [5], [6], [7], paksusuolen ja peräsuolen syövän [8 ], [9], ja munasarjasyöpä [10], [11]; johtuvan niiden perustavaa laatua roolit kasvaimen vastaisen immuniteetin. On tunnettua, että immuunijärjestelmän solut reagoida dynaamisesti vaihtelut kasvaimen mikroympäristössä [12], [13], mikä seuraa jatkuvasti näitä vaihtelevia immuunivaste saattaa helpottaa syövän uusiutumisen tai huononeminen mahdollistamalla hoitomenetelmistä voidaan moduloida ajoissa. Kuitenkin immuuni liittyviä markkereita kasvaimen mikroympäristössä voidaan arvioida vasta kerran, aikaan kirurgisen resektion varten käytettävissä tapauksissa. Voittaa vika kasvainkudoksen analyysin prognostinen arvo muutoksia immuunijärjestelmän solun koostumus perifeerisessä veressä voitiin tutkia; muutokset immuunisolujen koostumus heijastaa monimutkainen immuniteetti sisällä kasvain microenvironment [14], [15], [16] ja olisivat edelleen mitattavissa jälkeen kirurgisen resektion. Itse asiassa, monet tutkimukset ovat osoittaneet, että muuttunut koostumukset perifeerisen immuunijärjestelmän solut, kuten lymfosyyttien osuus, neutrofiilien suhteessa, ja neutrofiilien-to-lymfosyyttien suhde perifeerisessä veressä, ovat mahdollisia markkereita hengissä syöpäpotilailla, mukaan lukien ne, joilla on NSCLC [17 ], [18], peräsuolen syöpä [19] ja varhaisen mahasyövän [20].

tunnistamaan mahdolliset ennustetekijöitä markkereita, retrospektiivinen tutkimukset käytetään laajasti [21], [22], [23], koska pitkällä -term seuranta syöpäpotilailla on melko kallista ja aikaa vievää. [24] Mahdollisia ennustetekijöitä markkereita yleensä validoitu käyttäen tulevaisuudentutkimuksista kliiniseen käyttöön [25]. Kudos tai veri näytteitä tyypillisesti kertynyt pitkällä aikavälillä, kunnes on olemassa selkeät tavoitteet tutkimuksessa. Esimerkiksi kun viimeaikaiset tutkimukset viittaavat siihen, että muutoksia geenien ilmentyminen tai epigeneettisellä voi kuljettaa tietoa, joka on ennustava hoitotuloksia, aiemmin kudos tai veri kallisteta näytteitä pitkän aikavälin seurannassa voidaan käyttää mikrosiruanalyysi tutkia prognostinen geeni tai metylointi paneelit [16], [26], [27]. On kuitenkin ongelmallista mitata suhteessa immuunisolujen niin pitkän aikavälin kallisteta verinäytteitä virtaussytometrialla, joka on rutiininomaisesti käyttää tuoreille verinäytteitä [28], koska ominaispinta-ala proteiineja immuunijärjestelmän solut voivat olla epästabiili pitkäaikaisessa kylmäsäilytys [29]. Näin ollen muut menetelmät arvioimiseksi osuudet eri immuunijärjestelmän solut siten arvokasta kertynyt verinäytteitä on tutkittava jälkikäteen selviytymisen analyysiä.

Useat ryhmät ovat äskettäin ehdottanut dekonvoluutio menetelmiä arvioida osuudet immuunijärjestelmän solut perifeerisestä verestä, joka perustuu geenien ilmentymisen profiilit ja markkerigeenit, jotka on erityisesti ilmaistu immuunijärjestelmän soluihin [30], [31]. Osuudet arvioima dekonvoluutiolla menetelmiä korreloi voimakkaasti todellisia mittasuhteita heterotsygoottisessa verinäytteitä. Esimerkiksi dekonvoluutio ehdottama menetelmä GAUJOUX et al. aiemmin validoitu microarray aineisto heterogeenisten näytteiden tunnettujen mittasuhteet neljän solutyyppejä (Jurkat, IM-9, Raji, THP-1) [31]. Todettiin, että keskimääräinen absoluuttinen ero ja Pearsonin korrelaatiokerroin todellisen ja arvioidun osuudet olivat 0,05 ja 0,91, tässä järjestyksessä. Edullisesti geenien ilmentymiseen mRNA syrjäisillä kokoverta tai perifeerisen veren mononukleaaristen solujen (PBMC) on melko vakaa kylmäsäilytysolosuhteet koska matalissa lämpötiloissa estävät RNA: n hajoamisen [32], joten dekonvoluutio joita sovelletaan varastoitujen verinäytteitä jälkikäteen selviytymisen analyysiä. Dekonvoluutio menetelmiä on sovellettu tutkimuksessa eräiden immuunijärjestelmän sairaudet, kuten systeeminen lupus erythematosus [30], mutta ei mitään syöpätutkimuksessa.

Tässä tutkimuksessa käytettiin PBMC geeni-ilmentymisen profiilit 108 pienisoluista keuhkosyöpää osoittaa toteutettavuutta dekonvoluution menetelmän tutkimiseen ennustetekijöiden arvo muuttunut ääreisverenkierron koostumus syöpäpotilailla kallisteta verinäytteitä. Ensin arvioitiin osuudet eri immuunisolujen käyttämällä dekonvoluutiolla menetelmää ja totesi, että osuus T-solujen oli itsenäinen ennustetekijöitä merkkiaine pienisoluista keuhkosyöpää, jota monimuuttuja Coxin regressioanalyysi, oikaisun jälkeen muut mahdolliset ennustetekijöiden jotka olivat merkittäviksi univariate analyysi. Sitten saatu alustava todisteita olettaen, että alhainen antigeenin esittelyn kasvaimen mikroympäristössä saattaa olla merkittävä syy alentuneeseen T-solujen osuus ääreisveren osoittamalla johdonmukainen assosiaatio alhainen antigeenin esittelyä ja huono potilaan tuloksia.

Materiaalit ja menetelmät

Microarray data

aineisto on geeniekspressioprofiilien otettu ennalta kirurgian PBMC 108 NSCLC potilaiden selviytymisen tietoa on ladattu NCBI Gene Expression Omnibus (GEO, https://www.ncbi.nlm.nih.gov/geo/; sarja hakunumero GSE13255) [33]. Aineisto syntyi Genome Illumina ihmisen-6 v2.0 ilmaisu BeadChip; taulukot on aineisto oli kvantiili normalisoitu, ja tausta vähennettiin ilmaisun arvot, kuten aiemmin on kuvattu [34]. Koetin sarjat olivat selityksin käyttäen GPL6102 tiedoston. Probe sarjaa, joka ei vastannut yhtään geeniä ID ja ne, jotka täsmäsi useita geeni tunnuksia poistettiin. Kunkin näytteen ilmaisu intensiteetit koetinsarjojen että täsmäsi samaa geeniä ID laskettiin keskiarvot, kun ilmentymisen intensiteetti, että geenin ID. Kliiniset ominaisuudet potilasta yhteenveto taulukossa 1. Kuten on ehdotettu, että NSCLC potilaat eivät juurikaan vaikuta adjuvanttihoitoa [35], [36], kaikki potilaat katsottiin yhdessä seuraava analyysi.

kudospohjaisia ​​geeniekspression aineisto NSCLC (GSE11969) kattavia kliinisiä piirteitä valittiin tutkimaan assosiaatiota antigeenin esittelyä tasolla kasvainkudoksissa ja potilaan selviytymistä. Käytetyt menetelmät tuottaa ja normalisoida aineisto kuvattiin aiemmin [37]. Taulukko S1 yhteenveto kliinisen ominaisuudet potilaiden kudoksista aineisto.

arviointi osuudet immuunisolujen PBMC

perusteella PBMC geeniekspressioprofiilit 108 pienisoluista keuhkosyöpää ja markkerigeenejä ilmentyy spesifisesti B-lymfosyytit, T-lymfosyytit, luonnolliset tappaja (NK) lymfosyytit, dendriittisolut (DC) ja monosyytit (lukuun ottamatta monosyyteistä johdettujen DC) dokumentoitu immuunivasteen Silico (IRIS) tietokantaan [38], arvioimme mittasuhteet viidestä immuunisolujen, jotka yhdessä muodostavat 100% PBMC, käyttäen muunneltua puoliksi valvottu nonnegative matriisi factorization menetelmä geeniekspression dekonvoluutiolla [31].

algoritmi olettaa, että lauseke intensiteetti geenin näytteessä voidaan mallintaa lineaarisena yhdistelmänä ilmentymisen intensiteettejä, että geenin kaikissa solutyypeissä, joka käsittää, että näyte. Lyhyesti, ilmaisulla intensiteetti

i

nnen geenin

j

th näyte on summa

i

nnen geeniekspression intensiteetit kaikissa

r

solutyyppejä näytteessä: (1) missä

w

se

on ilmaus intensiteetti

i

nnen geenin

t

th solu tyyppi ja

h

tj

on osuus

t

th solutyyppi

j

th näyte;

ε

ij

on satunnainen virhe.

Koska ei-negatiivinen maailmanlaajuinen geeniekspression matriisi

X

on

n

geenien

p

näytteiden ssKL algoritmi pyrkii löytämään noin matriisihajotelma yhtälö: (2) missä

W

on

n

×

r

matriisi edustavat geeniekspression profiilien

r

solutyyppejä ja

H

on

r

×

p

matriisi edustaa osuus profiilien

r

solutyyppejä heterogeeninen näytteissä.

Vastaavasti, arvioimme osuudet eri immuunijärjestelmän solut PBMC perustuu markkerigeenin immuunisolujen tunnettu HaemAtlas [39], joka luokittelee T-soluja T-auttaja-lymfosyyttien (Th) ja sytotoksisten T-lymfosyyttien (CTL) ja se sisältää myös B-solut, NK-solut, ja monosyytit (mukaan lukien DC: t ja muut monosyytit) käyttäen dekonvoluutio menetelmää.

Kaikki laskelmat suoritettiin käyttäen CellMix paketin R 2.15 0,3 ohjelmisto [40].

Survival analyysi

Kokonaiselossaoloaika (OS) määriteltiin aika, jona alkuperäisen kirurgisen resektion on kuolinpäivästä tai viime kosketus (sensuroitu). Sillä PBMC aineisto, me luokitteli potilaat kahteen ryhmään (Low vs. korkea), joka perustuu mediaani suhteessa kunkin immuunisolujen kaikkien näytteiden. OS arvioitiin jonka univariate analyysi käyttäen Kaplan-Meier menetelmällä, ja OS eroa ryhmien välillä määritettiin käyttäen log-rank-testi [41]. Liitot välinen kliiniset tekijät ja OS analysoitiin myös käyttämällä yhden muuttujan Kaplan-Meier-analyysi; tutkituista tekijöistä olivat histologinen alatyyppi (adenokarsinooma vs. levyepiteelikarsinooma), sukupuoli (mies vs. nainen), kasvain vaiheen (II-III vs. I), ikä (≥68 vuotta vs. 68), Race (valkoihoinen vs . Afrikkalainen amerikkalainen), tupakoinnista (entinen vs. tällä hetkellä), adjuvanttihoitoa (kyllä ​​vs. ei), ja COPD tila (hetkellä vs. poissa). Sillä ennustetekijöiden jotka todettiin merkittäviksi yhden muuttujan analyysiin, Coxin monimuuttuja regressioanalyysi [42] tehtiin määrittämiseksi itsenäisen ennustavat tekijät. Merkitys määriteltiin

p

arvo 0,05.

Vastaavasti kudos-pohjainen aineisto, käytimme yhden muuttujan Kaplan-Meier-analyysi ja monimuuttuja Coxin regressioanalyysiä arvioida yhdistyksen välillä OS ja antigeenin esittelyä taso (matala vs. korkea) sekä kliiniset tekijät, kuten kasvain vaiheen (II-III vs. I), ikä (≥62 vuotta vs. 62 vuotta), histologinen alatyyppi (adenokarsinooma vs. squamous karsinooma vs. suuri karsinooma) ja sukupuoli (mies vs. nainen). Antigeeni esitys taso kasvaimen mikroympäristössä leimasi ilmaus intensiteetin major histocompatibility complex (

MHC

) geenejä, joiden kautta DC esittelevät kasvaimen antigeenin T-solujen reseptoreihin [43]. Me kerrostunut potilaat kahteen ryhmään (Low vs. korkea), joka perustuu ilmaisun intensiteetin

MHC

geenien käyttäen K-means klusterointi algoritmi Euklidinen etäisyys kahden näytteen, joka laskettiin seuraavasti: (3 ) jossa

m

on määrä

MHC

geenejä;

e

gu

ja

e

gv

ilmentävät intensiteetin

g

th geenin

u

th ja

v

th näytteet, vastaavasti.

tulokset

välinen assosiaatio osuudet immuunisolujen PBMC: ssä ja OS

Ensimmäinen, joka perustuu markkerigeenien ilmentyy spesifisesti B-solujen, T-solujen, NK-soluja, DC, ja monosyytit dokumentoitu IRIS tietokantaan, otimme modifioitu puoliksi valvottu nonnegative matriisi faktorointiparametreja tapa arvioida mittasuhteet immuunijärjestelmän solutyyppejä kussakin 108 NSCLC potilaat, joille PBMC ekspressioprofiileja oli saatavilla (katso materiaalit ja menetelmät). Kunkin immuunisolujen, me ositettu potilaat kahteen ryhmään, matala (alle mediaanin) ja korkea (suurempi tai yhtä suuri kuin mediaani), mukaan mediaani solun osuus potilaiden keskuudessa ja testattiin sitten ero OS ryhmien välillä käyttäen yhden muuttujan Kaplan-Meier-analyysi. OS: lla T-solujen Low ryhmässä oli merkittävästi huonompi kuin potilaiden T-solujen korkean ryhmä (log-rank

p

= 0,003; Kuva. 1). Osuudet B-solut, NK-solut, DC, ja monosyyttejä ei havaittu liittyvän käyttöjärjestelmän NSCLC potilaiden (log-rank

p

0,05, taulukko 2).

potilaat ositettu kahteen ryhmään perustuen mediaani T-solujen osuus joukossa pienisoluista keuhkosyöpää: matala (vähemmän kuin mediaani) ja korkea (suurempi tai yhtä suuri kuin mediaani). Keskimääräinen eloonjäämisaika (OS) arvioitiin käyttämällä Kaplan-Meier-analyysi.

p

laskettiin käyttäen log-rank-testi.

Tämän jälkeen perustuu markkerigeenit immuunisolujen ominaista HaemAtlas, arvioimme osuudet Th ja CTL-solut, B-solut, NK-solut, ja monosyyttien PBMC ja arvioi näiden yhteenliittymät mittasuhteet OS käyttäen yhden muuttujan Kaplan-Meier-analyysi. Potilaat, joilla on alhainen osuus Th-solujen ( mediaani) oli merkittävä huonompi OS kuin ne, joilla on suuri osuus Th-solujen (≥ mediaani, log-rank

p

= 0,009; Kuva. 2A), ja potilaat, joilla on alhainen osuus CTL-solujen marginaalisesti liittyy huonompi OS (log-rank

p

= 0,061; Kuva. 2B). Osuudet B-solut, NK-solut, ja monosyyttejä ei havaittu merkittävästi tai marginaalisesti liittyy OS NSCLC potilaiden (log-rank

p

0,05; tuloksia ei ole esitetty).

potilaat ositettu kahteen ryhmään sen mukaan, mediaani (A) Th solujen osuus ja (B) CTL solujen osuus PBMC joukossa pienisoluista keuhkosyöpää.

Yhteenvetona nämä tulokset viittaavat että osuudet T-solujen ja sen osajoukon Th-solut ovat mahdollisia ennustavat tekijät pienisoluista keuhkosyöpää.

osuus T-solujen PBMC: ssä on riippumaton prognostinen markkeri OS

monimuuttuja Coxin regressioanalyysiä oli suoritettu T-solun osuus, Th solu suhteessa ja kliiniset tekijät todettiin merkittäviksi yhden muuttujan analyysiin, kuten ikä ja kasvain vaiheen potilaista. Osuus T-solujen pysyivät merkitsevästi yhteydessä OS itsenäisenä ennustetekijä varten pienisoluista keuhkosyöpää (T-solut Low vs. T-solujen korkea ryhmään: riskisuhde [HR] = 2,23, 95% CI, 1,07-4,21;

p

= 0,048). Iästä ja kasvain vaiheen potilaista oli myös itsenäisesti ennustetekijöitä varten pienisoluista keuhkosyöpää monimuuttujakalibrointiin mallissa (taulukko 2).

Association of kudosten antigeenin esittelyä tasolla OS

Yksi tärkeimmistä lähteistä johtavan vähensi osuutta T-solujen PBMC saattaa olla alhainen antigeenin esittelyn tasolla DC kasvaimen mikroympäristössä; DC on ratkaiseva rooli T-solujen lisääntymistä toisen imukudoselimen, josta lisääntyneet T-solut siirtyvät ääreisverenkierron [44]. Niinpä seuraavaksi ratkaistava, onko taso antigeenin esittelyn DC kudoksissa voi ennustaa potilaiden hoitotuloksiin, joka koostuu T-soluille osuus PBMC.

kudospohjaisia ​​ilmentymisprofiili aineisto 139 NSCLC potilaiden, olemme soveltaneet kahden välineet klusterointialgoritmi (katso materiaalit ja menetelmät) ositusta potilaat kahteen

MHC

-aiheiset ryhmään sen perusteella ilmaisun intensiteetin

MHC

geenejä, jotka luonnehtivat taso antigeenin esittelystä DC kasvaimen mikroympäristössä. Potilaat, joilla on alhainen ekspressiokuviota

MHC

geenit kuuluivat

MHC

Low ryhmä, kun taas muut potilaat kuuluivat

MHC

korkea ryhmä, kuten kuvassa. 3A. Vuonna univariate Kaplan-Meier-analyysi, OS potilaista

MHC

Low ryhmässä oli merkittävästi huonompi kuin potilaista

MHC

korkea ryhmä (log-rank

p

0,001, Fig. 3B).

(A) Heat kartta

MHC

geenien pienisoluista keuhkosyöpää. Sillä kudosekspressiotutkimuksen aineisto varten NSCLC potilaat luokiteltiin kahteen

MHC

-aiheiset ryhmät (

MHC

korkea ja

MHC

Low), joka perustuu ilmaus intensiteettiä 18 havaittu

MHC

luetelluista geeneistä Table S2 kahdella-merkitsee clustering. Ilmaisu voimakkuudet

MHC

geenien luonnehtivat taso antigeenin esittelystä DC kasvaimen mikroympäristössä. (B) Kaplan-Meier käyrä potilaille ositettu kahteen

MHC

-aiheiset ryhmiä.

p

laskettiin käyttäen log-rank-testi. (C) jakautuminen relapsoivan potilaista

MHC

-aiheiset ryhmiä. Chi-neliö testiä käytettiin vertaamaan korrelaatio tason

MHC

geeniekspressiota ja uusiutumisen. Kaksi potilasta suljettiin pois, koska tiedot niiden uusiutuminen oli tuntematon.

Seuraavaksi teimme Coxin monimuuttuja regressio analyysin taso antigeenin esittelyn, kasvain vaiheessa ja ikä, joiden todettiin olevan merkittäviä univariate analyysi. Huomasimme, että ilmaus taso

MHC

geenit oli itsenäinen ennustetekijä OS oikaisun jälkeen kasvaimen vaiheen ja potilaiden iästä (

MHC

Low vs.

MHC

korkea: HR = 2,45, 95% CI, 1,51-3,99;

p

0,001; taulukko 3). Lisäksi olemme havainneet, että aaltomaisesti potilaat olivat merkitsevästi yliedustettuna

MHC

Low ryhmä (

p

= 0,03; khiin neliö testi, Fig. 3C).

keskustelu

tässä tutkimuksessa käyttämällä geeniekspressioprofiilien NSCLC potilaiden, osoitimme toteutettavuus dekonvolointia mittasuhteet perifeerisen immuunisolujen tutkia niiden ennustetekijöitä arvot syöpäpotilaille käytetään pitkäaikaista varastoitujen verinäytteitä , jotka ovat tärkeitä materiaaleja retrospektiivinen selviytymisen analyysiä. Tulokset viittasivat siihen, että osuus T-solujen PBMC on lupaava ennustetekijöitä biomarkkeri pienisoluista keuhkosyöpää. Meidän analyysi paljasti, että pieni osuus T-solujen merkitsevästi yhteydessä huonoon selviytymisen NSCLC potilaiden. Lisäksi dekonvoluutio menetelmää voidaan käyttää edelleen tutkia ennustavia arvoja tarkemman immuunijärjestelmän solujen osajoukkoja syöpäpotilailla perustuu samaan geeniekspressioprofiilit. Esimerkiksi analyysimme osoitti lisäksi, että pieni osuus yhden T-solujen osajoukko, Th-solujen, myös merkitsevästi yhteydessä selviytymisen NSCLC potilaiden. Vaikka osuus T-solujen oli ainoa itsenäinen ennustetekijöiden immuuni merkkiaine eloonjäämiseen säätämisen jälkeen muut mahdolliset ennustetekijöiden muuttujia. Koska molemmat Th-solujen ja CTL-soluilla on keskeinen asema kasvaimen vastaisen immuniteetin erityisesti osoittaa kasvainsolut ”ei-itse” [45], missä määrin kokonaisosuus T-solujen vähenee ääreisverenkierron voi tehokkaasti asteinen heikkeneminen immuunivasteen kasvainsoluja ja siten voi korreloida tarkasti potilaan selviytymisen. Verrattuna ennustetekijöiden geenin paneelit tunnistaa geeniekspressioprofiilien [16], [46], T-solujen osuus ääreisverenkierron voi olla hyväksyttävää, ennustetyövälineenä markkeri kliiniseen käyttöön, koska se on helppo havaita ja selitettävissä biologisiin periaatteisiin.

muuttuneen koostumuksen perifeeristen immuunisolujen saattaa johtua muuttuneen immuunivasteiden sisällä kasvain microenvironment. Siksi oletimme, että yksi tärkeimmistä lähteistä mikä puolestaan ​​vähentää T-solujen osuus PBMC voisi olla alhainen antigeenin esittelystä DC kasvaimen mikroympäristössä NSCLC potilaiden, sillä DC on keskeinen rooli T-soluproliferaatiota johdetussa lymfaattisessa elin, josta lisääntyneet T-solut siirtyvät perifeerisen veren (ja sen jälkeen kasvainkohtaan) [44], [47]. Yhdenmukainen tämän oletuksen, tuloksemme ilmeni, että alhaisen ekspressiotason

MHC

geenejä, joiden kautta DC esittelevät kasvaimen antigeenin T-solujen [43], [48], kasvainkudoksissa oli myös itsenäisesti ennustetekijöiden huono selviytyminen NSCLC potilaat. Tämä tulos tukee myös edellisen raportin, joka DC toimintahäiriö kasvainkudoksissa, joka on kriittinen mekanismi paeta immuunivalvonnan syöpäsoluja [48], on yhteydessä huonoon selviytymiseen pienisoluista keuhkosyöpää [7], [49]. Edelleen varmistamiseksi tämän oletuksen, meidän on samanaikaisesti määrittää geeniekspressioprofiilit kasvainkudoksessa, toisen imujärjestelmäelinten, ja ääreisverenkierron samassa kohortti pienisoluista keuhkosyöpää myöhemmissä tutkimuksissa. Tämä tulos viittaa myös siihen, että tulokset NSCLC potilaiden alhaisen antigeenin esittely DC, voitaisiin parantaa elvyttämiseen immuniteetti DC kasvaimen mikroympäristössä käyttäen immunoterapioiden kuten DC rokotteet [50]. Tiedetään, että kudos-pohjainen immuuni markkereita ovat rajalliset ja epävarmat kliiniseen käyttöön, sillä ne voivat vaikuttaa erot kasvaimen alueella, kuten keskus tai invasiivisia kasvaimen reuna-alueella, näytteenotto alkaen syöpä [51]. Havaitsemiseksi ennustetekijöitä markkereita (kuten T-solujen osuus) perifeerisessä veressä voisi välttää tämän ongelman. Lisäksi, koska reuna-prognostisia markkereita voidaan helposti havaita leikkauksen verinäytteitä syöpäpotilaista säännöllisin väliajoin, ne voivat myös antaa tietoja auttaa lääkäreitä moduloida hoitomenetelmistä potilaille ajoissa tulosten parantamiseksi. Siksi T-solujen osuus ääreisverenkierrossa, mikä saattaa heijastaa antigeenin esittelyä taso kasvaimen kudoksissa voi tulla lupaava biomerkkiaine ennustaa tuloksia ja seurata etenemisen pienisoluista keuhkosyöpää.

On huomattava, että osuudet immuuni solut arvioitiin dekonvoluutio menetelmällä juuri korreloi positiivisesti todellinen mittasuhteet monimutkaisten biologisten näytteiden [31]. Niinpä sen jälkeen käyttäen dekonvoluutio menetelmää arvioida immuunisolujen mittasuhteet muistilohkottuun verinäytteitä potilaiden ja tunnistaa ennustetekijöitä markkereita, suosittelemme, että mahdollisille tutkimukset tulisi hyödyntää virtaussytometria tulosten validointiin ja määrittää optimaalisen raja-arvot osuudet kliiniseen käyttöön. Erityisesti virtaussytometria suurten tulevaisuudentutkimusta on käytettävä määrittämään kliininen sovellettavuus T-solujen osuus PBMC ennustetyövälineenä merkkiaine pienisoluista keuhkosyöpää.

tukeminen Information

Taulukko S1.

Kliiniset ominaispiirteet NSCLC potilaiden kudoksessa aineisto. Huomautus: ”AD”, ”SCC”, ja ”LCC” edustavat adenokarsinooma, levyepiteelisyöpä ja suuri karsinooma, vastaavasti.

Doi: 10,1371 /journal.pone.0100934.s001

(PDF)

Taulukko S2.

MHC

geenien luettelon havaittu NSCLC kudoksessa aineisto. Huom:

MHC

geenien perhe, joita kutsutaan myös HLA (

HLA

), on pääosin jaettu kahteen alaryhmään: luokka I, luokka II;

MHC

I geenien läsnä antigeenejä TCR: t CTL-solujen ja

MHC

II geenien läsnä antigeenien TCR: t Th-solujen. Geenit ryhmittyivät käyttäen hierarkkinen klusterointi mukaan Euklidinen etäisyys ja järjestys oli yhteneväinen näkyy kuvassa. 3A.

Doi: 10,1371 /journal.pone.0100934.s002

(PDF) B