杂志：BloodCancerJournal
IF：8.
背景
目前DLBCL患者的临床风险分层是由国际预后指数（IPI）评分系统评估的。IPI系统开发已有二十多年，仅凭IPI无法区分低危和高危患者，制定个性化的治疗策略需要可用于确定DLBCL患者准确风险分层的预后因子。新浮现的证据指出肿瘤微环境（TME）在癌症启动，转移，进展及对治疗剂的响应中发挥重要作用，了解TME中免疫细胞的类型和作用在肿瘤的靶向治疗和改善患者的预后中至关重要。
方法
基于Reddy等人发表的例DLBCL患者的基因表达谱分析。对不同年龄，性别，IPI，起源细胞类型，治疗反应，以及诊断后2年的生存情况等各种临床特征及结局的DLBCL患者亚组的免疫细胞类型相对比例进行比较分析，以评估免疫浸润与预后之间的关系。使用由Dave等人描述的分析方法鉴定基因表达特征，以识别重要基因特征以确定用于预后预测的最佳基因特征集合，并建立一个风险预测模型。
结论
TME中明显可见嗜中性粒细胞，CD4+幼稚T细胞，CD8+T细胞，和M0巨噬细胞（图1）。良好的临床特征的患者往往显示出更高的CD4+幼稚T细胞，CD4+记忆T细胞，滤泡辅助性T细胞，调节T细胞，CD8+T细胞和M0巨噬细胞水平，单核细胞和M1-M2巨噬细胞减少。
图1:TME及肿瘤内的整体免疫细胞含量
图2:临床分层免疫细胞类型评估
通过单变量Cox模型将总共个基因鉴定为与训练集中患者的生存相关，通过分层聚类算法分别对相关基因进行聚类。实施Lasso方法以识别训练集上的重要基因特征以确定用于预后预测的最佳基因特征集合，并使用这些特征开发多变量Cox模型，制定了基于四个基因特征（有利特征1，2，不利特征1，2）的评分方法。根据预测得分的最佳临界值将患者分为高风险和低风险组，高分患者的总生存期显着低于低分患者。验证分析发现该模型在ABC，GCB，MYC和BCL2定义的已知临床风险组中能够区分不同亚组的患者，较临床亚群分层的预后作用更好（图3）。
图3:基于基因表达的生存模型
免疫细胞亚型与基因特征之间的相关性最强（图4），静止CD4+记忆T细胞，调节T细胞和M0巨噬细胞与有利特征正相关。免疫细胞含量与风险评分之间也有相似的相关性，KEGG通路富集分析表明，活化的树突细胞，嗜中性粒细胞，嗜酸性粒细胞，肥大细胞，单核细胞和M1/2巨噬细胞与有利特征呈负相关或与不利特征呈正相关。
图4:DynamicCutTreemethod识别的基因特征与肿瘤微环境中细胞类型丰度的相关性热图
链接：
