掃碼聯系客服
細胞衰老（CS）定義為細胞周期的不可逆停止，越來越多的證據表明衰老微環境與癌癥的發生發展有關。因此，研究不同癌癥類型中CS的作用十分重要，有助于改善針對腫瘤的衰老靶向治療。這篇文章主要是研究33種癌癥類型和29種正常組織的CS狀態并整合單細胞數據集研究CS相關表型。
結果：
1.在泛癌水平下描述衰老景觀
作者收集來自164個細胞系（1259個基因）的復制性細胞衰老基因集并使用GSVA評估樣本中CS相關的正相關基因和負相關基因活性，將CS打分定義為兩種活性的差異（圖1A）。CS打分與致癌基因的表達水平負相關，包括Myc和E2F調控基因，而與腫瘤抑制基因的表達水平正相關，包括RB調控基因（圖1B）。接下來，作者使用TCGA數據庫的33種癌癥數據分析不同癌癥類型的組織特異性衰老水平（圖1C）。其中，來源于泌尿系統，腺體和軟組織的癌細胞的CS打分較高，而來自生殖器官的腫瘤的CS打分較低。此外，作者分析GTEx數據庫不同組織的CS打分，結果與之類似（圖1D）。CS打分分布表明組織類型可能是影響癌癥衰老程度的重要因素。此外，原發性腫瘤的CS打分較低但與正常樣本相比差異較大（圖1E）。
2.衰老水平與癌癥類型特異性基因組變異有關
隨后，作者研究衰老水平與CNVs和SNVs的相關性。其中，CS打分與CNV打分顯著負相關，癌癥類型特異性分析表明CS打分與20種癌癥存在顯著相關性（圖2A）。接下來，作者分析不同癌癥類型中CNV的擴增和缺失與CS打分的相關性（圖2B和2C）。對于SNV來說，作者使用多元線性回歸模型鑒定到CS打分與15種癌癥類型顯著相關（圖2D）。由于PRAD的CS水平較高，因此作者進一步分析PRAD的低CS組和高CS組的突變差異情況。其中低CS組的患者微衛星不穩定性（MSI）較高，錯義突變是主要的突變類型。為了研究驅動基因突變在高CS組和低CS組的差異情況，研究兩組種突變水平最高的癌基因（圖2E和2F）。此外，作者鑒定到PRAD中CS水平與DNA修復缺陷和腫瘤干性指數顯著相關（圖2G）。
3.衰老微環境與癌癥特異性免疫特征相關性
由于細胞衰老特征是釋放過多的衰老相關分泌表型（SASP）因子來促進腫瘤免疫的，因此作者評估衰老水平與SASP相關細胞因子的關系（圖3A）。CIBERSORT分析表明，在大多數癌癥類型中，總免疫細胞浸潤豐度與CS打分顯著相關，而特異性免疫細胞浸潤水平具有癌癥類型特異性（圖3B）。此外，作者鑒定CS打分與免疫檢查點表達水平的相關性，其中高CS組中PD-L1的表達水平和蛋白水平在PRAD和SKCM中較高（圖3C）。免疫細胞溶解活性（CYT）打分是評估T細胞細胞毒性的指標同樣是預測免疫反應的生物標志物。結合PD-L1蛋白表達水平和CYT打分發現，有5種癌癥類型的CS打分與兩者正相關（圖3D）。為驗證CS打分與免疫細胞浸潤水平和免疫分子特征的相關性，作者對72例PRAD患者進行免疫組化染色，結果表明p21（廣泛使用的衰老標志物）表達與PD-L1和CD45顯著正相關（圖3E和3F）。
4.單細胞分析解釋衰老異質性和相關免疫信號
為研究腫瘤微環境中CS水平是否存在異質性，作者分析了10個scRNA-seq數據集，包括97440個細胞。不同數據集中不同細胞類型的CS水平類似（圖4A），基質細胞中CS打分較高而惡性細胞的衰老程度較低。為分析腫瘤內CS異質性對腫瘤微環境的影響，作者進一步分析了PRAD患者的scRNA數據集，包括33100個細胞。其中，前列腺微環境中CS打分存在細胞間異質性（圖4B和4C）。癌細胞中高CS組和低CS組中的DEGs的富集分析表明，衰老癌細胞中免疫相關通路顯著富集，包括抗原呈遞，免疫調節相關作用和干擾素-α/β信號（圖4D）。高CS的癌細胞中HLAs較多（圖4E）。作者使用CellPhoneDB分析細胞-細胞互作，高CS和低CS組中癌細胞會與相鄰細胞進行交流（圖4F）。
5.衰老水平可以預測免疫治療反應
作者分析治療前和治療后的惡性細胞中的CS打分變化，對于同一例患者無反應者的惡性細胞CS打分在治療后顯著降低，而有反應者的CS打分在治療后顯著增加（圖5A-5D）。接下來，作者研究8個ICB治療組的542例患者的CS打分對于預測免疫治療反應的能力。CS打分可以準確預測免疫治療反應，其中AUC為0.68（圖5E），結果優于TIDE的預測結果（圖5F）。
6.衰老水平預測PRAD免疫治療反應和預后
對于PRAD來說，高衰老水平與OS較長有關（圖6A和6B）。其中Gleason打分，T分期和N分期較高的患者CS打分較低（圖6C和6D）。一致性聚類將PRAD患者分為兩組（圖6E），簇2的OS較好（圖6F）。PRAD患者的?；鶊D如圖6G所示。KEGG中免疫通路的富集水平如圖6H所示。
7.構建和驗證PRAD的衰老預測因子
作者使用三種機器學習算法從CS基因中進行特征選擇（圖7A）。將TCGA-PRAD數據集作為訓練集，其余4個PRAD數據集作為驗證集。使用LASSO，隨機森林RFB和XGBoost分別篩選到10,3和21個顯著基因。其中3個共有基因，包括SPAG5,TACC3和TROAP，并基于這3個基因使用Cox回歸分析構建模型。根據CS打分中位數將患者分為高打分組和低打分組，低打分組的預后較差且病情進展較快（圖7B-7F）。TCGA-PRAD患者的腫瘤分級越差，CS打分越低（圖7G）。此外，使用IHC染色驗證CS模型的預測價值（圖7H和7I）。CS打分與腫瘤分期較低和Gleason打分顯著相關（圖7J和7K）。
結論：
CS在衰老和癌癥中都是一個重要的細胞過程，在本研究中作者構建了量化CS的計算方法并揭示CS與癌癥類型的基因組特征，免疫表型和臨床結局的相關性。此外，在不同數據集中作者鑒定到3個CS基因可以預測患者生存情況，說明他們可能是預后的生物標志物?？偟膩碚f，基于CS水平的計算指標，作者構建了一個可以理解腫瘤微環境中CS相關調控的框架，并可以指導進一步的實驗和生物標志物的鑒定。
