【学术笔记】Big Data Approach to Study Intercellular Signaling in Cancer Immunotherapy Resistance
记录人：罗策 曾泽贤实验室
2022年09月22日上午，受北大-清华生命科学联合中心、北大前沿交叉学科研究院定量生物学中心研究员曾泽贤邀请，美国国家癌症研究所(NCI)、国立卫生研究院（NIH）教授Peng Jiang在线上为大家带来一场题为“Big Data Approaches to Study Intercellular Signaling in Cancer Immunotherapy Resistance”的精彩报告，师生们在生命科学学院邓祐才报告厅共同聆听了本次线上报告。
曾泽贤研究员介绍Peng Jiang教授
Peng Jiang教授做报告与交流
【概要】
近年来，随着高通量技术的突破，大规模癌症组学数据迅速积累。数据的快速增长催生了癌症领域“大数据”这一不断发展的概念，其分析需要大量计算资源，并可能为基本问题带来新的见解（图一）。细胞因子对人体和癌症的细胞间通讯至关重要，是组织环境的状态的指示器，但由于细胞因子的半衰期短和功能的复杂性/冗余性，对细胞因子信号活性的研究仍然具有挑战性。尽管肿瘤免疫疗法已经在血癌的治疗上取得了重大突破，但是由于免疫抑制性微环境的影响，大多数免疫疗法仍难以在实体瘤的治疗中发挥作用，能够抵抗免疫抑制信号的T细胞的分子特征也不清楚。为了回答上述问题，Jiang教授利用癌症大数据开发了CytoSig和Tres两个计算框架。其中CytoSig整合分析了20591个细胞因子治疗响应的转录组数据，能够推断细胞因子和基因集之间的调控关系，并可靠地预测了人类炎症疾病和癌症中的细胞因子信号级联。利用CytoSig，他们发现了BMP6的新功能：作为一种抗炎因子抑制IL1B诱导的CXCL8和CCL2。Tres是一个预测肿瘤韧性T细胞的相互作用模型，可用于预测T细胞抗肿瘤功效的分子标志物和免疫治疗的效果。他们利用Tres鉴定了敲除FIBP基因的T细胞在体内和体外实验中都显著增强了肿瘤细胞杀伤能力。这表明Tres在识别T细胞有效性的生物标志物和实体肿瘤免疫治疗的潜在治疗靶点方面应用的潜力。这些工作为计算肿瘤免疫学和生物信息学的发展指出了新的研究方向，并为肿瘤免疫疗法的发展提供了新的技术和资源。
图一，大数据在癌症转化和基础研究中的应用。1
【精彩回顾】
实体瘤在免疫治疗中的响应率低
基于T细胞的癌症免疫疗法已经取得了显著的成功。阻断CTLA4和PD-1/PD-L1信号的免疫检查点抑制剂（ICIs）可在10-35%的不同肿瘤类型的患者中诱导应答，如黑色素瘤、非小细胞肺癌、头颈癌、胃癌、膀胱癌、泌尿系统癌、肾癌和肝癌。同样，经过扩增的肿瘤浸润淋巴细胞（TILs）的过继转移在20-25%的转移性黑色素瘤患者中产生了持久的响应。此外，细胞免疫疗法还包括工程化改造T细胞受体（TCR）或嵌合抗原受体（CAR）的T细胞，用于识别癌细胞位于细胞表面的靶点。然而，大多数实体瘤患者对ICI或TIL治疗无反应，CAR-T治疗仅对血液癌有效，但对实体瘤几乎无效。2
利用CytoSig模型和工具系统研究细胞因子信号活性
细胞因子活性研究面临三大挑战：1.细胞因子的释放是瞬时的；2.细胞因子的表达水平不等于其功能活性；3.细胞因子在功能上具有复杂性和冗余性。Jiang教授通过收集处理大量公开的细胞因子治疗数据集，以实现对不同的生物学背景下信号活性的建模。由于公开数据集中数据结构和注释信息具有高度异质性，他们克服重重困难，开发了一个数据整理框架（Framework for Data Curation，FDC，链接：https://curate.ccr.cancer.gov/），将大规模自动数据处理与自然语言处理功能相结合，辅助专家完成了大量注释实验设计的工作（图二a）。在整理分析了20591个细胞因子治疗响应的转录组数据后，Jiang教授开发了“细胞因子信号分析工具”（Cytokine Signaling Analyzer，CytoSig，链接：https://cytosig.ccr.cancer.gov）。该工具可以实现两大功能（图二b）：1.查询基因，得到调控该基因的细胞因子，或查询细胞因子，得到该细胞因子调控的下游基因；2.利用转录组数据，预测样本中细胞因子通路的活性。
图二，人类细胞因子-响应数据的整理框架。3
该工具可以预测细胞因子之间的调控级联和不同细胞因子对同一个靶点的共调节作用。他们利用CytoSig揭示了许多细胞因子的新功能。例如，此前没有研究报道BMP6是一种可以拮抗许多促炎靶标的抗炎分子，他们利用CytoSig发现BMP6可以有效抑制IL1B诱导的CXCL8和CCL2的表达，并通过实验验证了该预测结果（图三）。
图三，BMP6可抑制IL1B诱导的CXCL8和CCL2。3
他们接着构建了一个线性模型，可从基因表达数据中计算出细胞因子信号活性。该模型可有效预测抗细胞因子疗法的临床效果（图四）。
图四，CytoSig可预测抗细胞因子疗法的临床效果。
Tres模型可利用T细胞转录组数据预测免疫治疗效果
Jiang教授对CytoSig数据库中的数据集进行详细分析后发现，T细胞增殖信号和免疫抑制信号呈显著负相关关系，更重要的是，他们发现这种相关性依赖于其他基因的表达，如：IL7R高表达或FIBP低表达的T细胞，受到免疫抑制信号的影响更小。基于此，Jiang教授构建了一个相互作用检验模型：Tres（Tumor-resilient T cell model，链接：https://resilience.ccr.cancer.gov），用于预测基因表达对T细胞在免疫抑制信号下增殖能力的影响（图五）。Tres打分值与已发表的肿瘤浸润淋巴细胞持久性特征具有一致性。
图五，免疫抑制信号和T细胞增殖的相关性依赖于其他基因的表达。2
接下来，Jiang教授利用来自19种癌症、168个肿瘤样本的单细胞测序数据（无免疫治疗信息）对Tres模型进行训练，得到肿瘤抗性T细胞分子特征的中位数表达值向量（median Tres signature），并在批量RNA测序（bulk RNA-seq）T细胞基因表达数据集上进行验证，发现Tres分子特征可准确预测病人对免疫治疗的响应（图六）。
图六，Tres打分值可预测免疫治疗效果。2
他们进一步研究发现，与现有T细胞有效性分子特征相比，Tres模型在免疫治疗响应预测上准确率最高（图七）。
图七，Tres比其他T细胞有效性分子特征的预测效果更好。2
敲除T细胞中的FIBP基因能增强T细胞的杀伤能力
通过对Tres模型的进一步研究，他们发现T细胞中FIBP基因的高表达与临床疗效差显著相关，FIBP是T细胞抗肿瘤疗效的排名最前的负向调控标记物。而FIBP此前并未被报道在T细胞肿瘤免疫过程中发挥重要作用。他们接下来使用人类和小鼠的T细胞检验FIBP基因敲除对T细胞抗肿瘤能力的影响。他们使用CRISPR技术敲除了NY-ESO-1 TCR的T细胞和小鼠Pmel-1 T细胞的FIBP基因，然后将NY-ESO-1 T细胞和人源癌细胞系A375、Mel624共培养，将Pmel-1 T细胞和小鼠癌细胞系B16-mhgp100共培养，检测癌细胞生长和细胞因子的释放水平（图八）。
图八，FIBP基因敲除对T细胞抗肿瘤能力影响的实验设计。2
实验表明，FIBP敲除的T细胞对肿瘤细胞的杀伤能力和IFNG、TNFA细胞因子的释放量都提高了，达到了和阳性对照基因CBLB一样的效果（图九）。
图九，FIBP敲除的T细胞在体外实验中的杀伤能力显著增强了。2
接下来，他们通过小鼠体内荷瘤、清除淋巴，再回输FIBP敲除后的T细胞，最后检测肿瘤大小的系列实验，证实了FIBP敲除的T细胞在体内环境中也具有更好的抗肿瘤功效（图十）。
图十，FIBP敲除的T细胞具有更好的体内抗肿瘤功效
FIBP敲除抑制了T细胞的胆固醇代谢
为了深入了解FIBP对T细胞的抑制作用，他们在小鼠Pmel-1 Fibp KO和Rosa26（阴性对照基因） KO T细胞中进行了RNA测序，通路富集分析表明，Fibp KO排名靠前的所有通路都与胆固醇代谢的下调有关（图十一）。与Rosa26 KO的小鼠相比，Fibp KO下调了多种胆固醇生物合成酶的表达，如Hmgcs、Sqle以及细胞表面受体Ldlr，调节了胆固醇摄入，上调了胆固醇外排泵Abca1的表达（图十一）2。这些结果表明，FIBP KO可抑制胆固醇代谢并促进抗肿瘤T细胞反应。
图十一，FIBP敲除抑制了T细胞的胆固醇代谢2
Jiang教授的此次讲座，生动展示了癌症大数据在肿瘤免疫中的应用，他提出的CytoSig数据库和Tres模型能够对细胞因子信号活性和T细胞有效性分子特征做出准确预测，并预测免疫疗法的响应率，此外，他还发现了FIBP具有成为实体肿瘤免疫治疗靶点的潜力。
【参考文献】
Jiang, Peng et al. “Big data in basic and translational cancer research.” Nature reviews. Cancer 1–15, (2022). doi:10.1038/s41568-022-00502-0.
Zhang, Yu et al. “A T cell resilience model associated with response to immunotherapy in multiple tumor types.” Nature medicine 28, 1421–1431 (2022). doi:10.1038/s41591-022-01799-y.
Jiang, Peng et al. “Systematic investigation of cytokine signaling activity at the tissue and single-cell levels.” Nature methods 18, 1181-1191 (2021). doi:10.1038/s41592-021-01274-5.
转自：“生命科学联合中心”微信公众号
如有侵权，请联系本站删除！
