影响因子：9.043

研究概述：

卵巢癌（OV）是三种最常见的妇科恶性肿瘤之一，死亡率最高。最近的研究表明，OV中存在肿瘤内细菌。然而，肿瘤内微生物是否与肿瘤微环境（TME）有关，OV的预后仍然未知。本实验选取TCGA中373名OV患者的RNA测序数据以及临床和生存数据，根据功能基因表达特征（Fges）分为两种亚型。作者评估了肿瘤内微生物与OV预后之间的联系，并探索了肿瘤免疫与肿瘤内微生物分类群和功能之间的关系，发现富含免疫力和缺乏免疫力的TMEs之间的微生物群分布不同。肿瘤内微生物群是OV生存预后的一个独立预测因素。综合分析和细胞实验表明，肿瘤免疫与微生物密切相关。

如果想做类似的分析，可以添加微信联系小编咨询。

生信分析咨询

请扫描下方二维码

研究结果：

基于Fges的两种卵巢癌免疫亚型具有不同的TME特征

根据OV的分子特征可以聚集成两个不同的TME，称为免疫缺陷亚型（clust1）和免疫富集亚型（clust2）。（图1A）

差异分析显示，基线临床指标clust1和clust2之间没有显著差异（表1）。clust2患者的基质和免疫评分更高，肿瘤纯度较低（图1B），存在高比例的CD8 T细胞、活化的CD41记忆T细胞、M1型巨噬细胞(M1)、调节性T细胞、静息树突状细胞和静息肥大细胞(M0型巨噬细胞较少)（图1C），更高的肿瘤突变负担（TMB）和更多的新抗原，即体细胞非同义编码单核苷酸变体、免疫原突变和潜在的新抗原肽（图1D），以及更高的T细胞受体（TCR）和B细胞受体（BCR）多样性（图1E）。根据GO和KEGG富集分析，与免疫激活、调节和免疫异常引起的疾病相关的途径中，差异表达的基因（DEG）显著丰富（图1F和G）。

此外，生存率分析表明，clust2患者的总体生存率（OS）、无进展生存率（PFS）、疾病特异性生存率（DSS）和无疾病间隔（DFI）预后更好（图1H）。

不同的TME亚型表现出不同的肿瘤内微生物群特征

作者总共确定了30个门，包括6个古菌和24个细菌，其中Protebacteria是最丰富的门，假单胞菌是最丰富的属（图2A和B）。

β多样性分析表明，clust1和clust2的肿瘤内微生物分布不同（图3A），β多样性在clust1中个体之间差异更大（图3B）。基于LEfSe分析，58个物种被浓缩为主要来自假单胞菌的clust1，而11个物种被浓缩为clust2（图3C）。差异物种与Fges密切相关（图3D）。

clust1和clust2中的微生物因不同的KEGG途径而富集。clust1中含更多的通路，包括牛磺酸和低牛磺酸代谢（map00430）、PI3K-Akt信号通路（map04151）和磷脂酰肌醇信号系统（map04070）（图3E）。

肿瘤内微生物组与OV预后相关作者基于单变量Cox模型分析确定了736个物种作为OV的潜在预后生物标志物（图4A）。i）193个物种的丰度与OS显著相关，其中183个是风险因素，而10个是保护因素；（ii）219个物种与DSS显著相关，其中205个是风险因素，14个是保护因素；（iii）318个物种与PFS显著相关，其中194个是风险因素，125个是保护因素；（iv）288个物种与DFI显著相关，其中285个是风险因素，3个是保护因素（图4B）。基于与OS相关的微生物生物标志物，作者构建了一个由6个保护物种、26个风险物种的预测模型，可以高效预测测试集中OV患者的总体生存概率（图4C）。将测试组分为高风险组和低风险组，低风险组的生存时间更长（图4D）。由微生物组成的预后模型也显示了OV患者对PFS和DSS的巨大预后价值（图4E到G）。

多组学综合分析揭示了潜在的宿主-免疫相互作用32个预后微生物和7个免疫细胞之间的相关网络表明，clust1和clust2之间明显不同，5种免疫细胞与7个物种有显著关联（图5A）。

M1被确定为枢纽，与5个物种有关。M1富含clust2，并与两个保护物种Achromobacter deleyi和Microcella alkaliphila呈正相关，而与三个风险物种呈负相关：Devosia sp.LEGU1、Ancylobacter pratisalsi和Acinetobacter seifertii。高风险组和低风险组之间的差异分析显示，高风险组的M1比例高于低风险组（图5B）。M1和风险评分之间存在微弱负相关（图5B）。生存分析显示，高M1组（包括OS、DSS和DFI）的生存时间比低M1组长（图5C）。

作者使用WGCNA确定了28个基因模块（ME），分析了17个ME和7个与免疫细胞相关的预后物种之间的关系。斯皮尔曼秩相关网络分析（图5D）表明，10个ME与5个物种显著相关，其中3个物种（Achromobacter deleyi、Corynebacterium jeikeium和Acinetobacter seifertii）和3个ME（ME2、ME14和ME23）为枢纽。在与一些神经系统疾病和化学致癌物活性氧相关的KEGG途径中，ME2中的基因丰富（图5E）；ME14和ME23中的基因分别在剪接体途径和单纯疱疹病毒1（HSV-1）感染途径中丰富。

细胞实验证明了Acinetobacter seifertii对巨噬细胞迁移的抑制作用

与未经处理的ID8细胞相比，作为M1巨噬细胞标志物的TNFA和iNOS在接受Acinetobacter seifertii治疗的组中表达更多（图6A）。

Transwell实验中，使用Acinetobacter seifertii治疗的组，特别是ID8-As-10-Cell组中巨噬细胞的迁移明显减少（图6B-C）。

研究总结：

本研究中，作者根据TME的特征，将OV分为两种亚型，即富含免疫力和缺乏免疫力的亚型，前者预后更好。两种亚型之间的肿瘤内微生物群概况不同，肿瘤内微生物组是OV预后的独立预测因素，可以与免疫基因表达相互作用。M1与肿瘤内微生物密切相关，Acinetobacter seifertii可以抑制巨噬细胞迁移，这可能有助于OV患者的预后。