近年來(lái)，子宮內(nèi)膜癌的發(fā)病率和死亡率不斷上升。CA125（基因符號(hào) MUC16）是眾所周知的子宮內(nèi)膜癌診斷和預(yù)后血清標(biāo)志物。高血清 CA125水平與不良預(yù)后相關(guān)。MUC16是子宮內(nèi)膜癌中最常見(jiàn)的突變基因之一。然而，MUC16 突變與子宮內(nèi)膜癌患者預(yù)后和疾病進(jìn)展之間的潛在關(guān)系和潛在機(jī)制仍不清楚。在本研究中，我們分析了TCGA數(shù)據(jù)庫(kù)中的全外顯子測(cè)序數(shù)據(jù)、RNA測(cè)序數(shù)據(jù)和患者的臨床信息，并證明 MUC16 突變狀態(tài)是子宮內(nèi)膜癌患者的獨(dú)立預(yù)后因素。體細(xì)胞MUC16突變患者總生存時(shí)間延長(zhǎng)。MUC16突變促進(jìn)了患者的抗腫瘤免疫反應(yīng)。細(xì)胞毒性免疫細(xì)胞介導(dǎo)的通路在MUC16 突變的子宮內(nèi)膜癌樣本中富集。NK 細(xì)胞中NO2 依賴(lài)的IL 12通路和T細(xì)胞毒性細(xì)胞表面分子兩條通路的升高與MUC16突變率較高和患者預(yù)后顯著相關(guān)。

圖1

圖1：MUC16在子宮內(nèi)膜癌中經(jīng)常發(fā)生突變。通過(guò)使用 mutect2突變檢測(cè)算法，對(duì)TCGA-UCEC項(xiàng)目中 530 例子宮內(nèi)膜癌樣本的外顯子組測(cè)序數(shù)據(jù)進(jìn)行分析。

(A)基于變異類(lèi)型的突變數(shù)量。

(B)基于變異分類(lèi)的突變數(shù)量。

(C)前十大突變基因的 OncoPlot。上面的條形圖表示每個(gè)患者的基因突變數(shù)量，而右邊的條形圖顯示每個(gè)基因的基因突變數(shù)量。突變類(lèi)型作為注釋添加到底部。注釋為 Multi_Hit 的變異體是指在同一樣本中發(fā)生一次以上突變的基因。

(D)基于單核苷酸變異 (SNV) 類(lèi)的 MUC16 基因突變數(shù)。

(E)MUC16 基因突變的餅圖出現(xiàn)在所示的外顯子中。

(F)MUC16 基因的棒棒糖圖。結(jié)構(gòu)域標(biāo)記氨基酸軸。突變類(lèi)型作為注釋添加到底部。

(G)所有患者、突變MUC16患者和野生型 MUC16 患者的突變數(shù)量。采用非配對(duì)雙尾 Student t檢驗(yàn)比較數(shù)據(jù)。條形代表平均值和 SEM。

圖2

圖2：MUC16 突變狀態(tài)、組織學(xué)分級(jí)和臨床分期是子宮內(nèi)膜癌患者的獨(dú)立預(yù)后因素。 

(A) 基于臨床分期分類(lèi)的子宮內(nèi)膜癌患者的 Kaplan-Meier 曲線(xiàn)和 Log-rank 檢驗(yàn)。

(B)根據(jù)組織學(xué)分級(jí)對(duì)子宮內(nèi)膜癌患者進(jìn)行 Kaplan-Meier 曲線(xiàn)和 Log-rank 檢驗(yàn)。

(C)基于 MUC16 突變狀態(tài)分類(lèi)的子宮內(nèi)膜癌患者的 Kaplan-Meier 曲線(xiàn)和對(duì)數(shù)秩檢驗(yàn)。

圖3

圖3：突變的MUC16參與子宮內(nèi)膜癌患者的抗腫瘤免疫反應(yīng)。158例突變型MUC16腫瘤樣本和 366 例野生型 MUC16 腫瘤樣本之間全局基因表達(dá)譜的基因集富集分析 (GSEA)。分析中使用GO術(shù)語(yǔ)注釋的基因集。 

• NES：標(biāo)準(zhǔn)化富集評(píng)分

• P：標(biāo)稱(chēng) P 值

• FDR：錯(cuò)誤發(fā)現(xiàn)率

MUC16 突變患者富集了代表免疫應(yīng)答 (A)、淋巴細(xì)胞活化 (B)、白細(xì)胞活化 (C)、適應(yīng)性免疫應(yīng)答 (D)、趨化因子介導(dǎo)的信號(hào)通路 (E) 和細(xì)胞對(duì) IFN-γ 的應(yīng)答 (F) 的基因集。

圖4

圖4：MUC16 突變參與細(xì)胞毒性免疫細(xì)胞介導(dǎo)的抗腫瘤反應(yīng)。 

(A)-(C) 使用規(guī)范路徑的GSEA，它是注釋的路徑，主要來(lái)自BIOCARTA、KEGG和 REACTOME數(shù)據(jù)庫(kù)，作為分析中的基因集。NES，標(biāo)準(zhǔn)化富集評(píng)分；P = 標(biāo)稱(chēng) P 值；FDR = 錯(cuò)誤發(fā)現(xiàn)率。 

(A)在 MUC16 突變的患者中，一組代表參與淋巴和非淋巴樣細(xì)胞之間免疫調(diào)節(jié)相互作用的基因被富集。

(B)一組代表參與CD3和 TCRζ 鏈磷酸化的基因在 MUC16突變患者中富集。

(C)NK細(xì)胞中代表NO2依賴(lài)性 IL-12 通路的一組基因在 MUC16 突變患者中富集。

(D)突變型和野生型 MUC16 子宮內(nèi)膜癌樣本之間差異表達(dá)基因 (DEGs) 的火山圖。紅點(diǎn)代表上調(diào)基因，藍(lán)點(diǎn)代表下調(diào)基因。

(E)通過(guò)DAVID數(shù)據(jù)庫(kù)對(duì)差異表達(dá)基因進(jìn)行 BIOCARTA通路分析。跨越閾值線(xiàn)的藍(lán)條(P < 0.05) 代表突變和野生型MUC16子宮內(nèi)膜癌樣本之間顯著變化的通路。

圖5

圖5：NK 細(xì)胞中 NO2 依賴(lài)的 IL 12通路和T細(xì)胞毒性細(xì)胞表面分子兩條通路的層次聚類(lèi)分析。 

(A)和(C)無(wú)監(jiān)督的歐幾里德距離的層次聚類(lèi)和表達(dá)矩陣的 ward 鏈接，這些表達(dá)矩陣來(lái)自NK細(xì)胞 (A) 中 NO2 依賴(lài)的 IL 12 通路的17個(gè)基因和 524 個(gè)樣本（其中 158 個(gè)有 MUC16 突變狀態(tài)）中 T 細(xì)胞毒性細(xì)胞表面分子 (C) 的12個(gè)基因。行表示基因的同一性，列表示患者的同一性。每個(gè)腫瘤的 MUC16 突變狀態(tài)在每列正上方顯示。ClusterⅠ在這兩條通路中表現(xiàn)出較高的基因表達(dá)，ClusterⅡ表現(xiàn)出較低的表達(dá)水平。

(B)(A) 中無(wú)監(jiān)督分層聚類(lèi)所得聚類(lèi)的Kaplan-Meier 曲線(xiàn)。

(D)(C) 中無(wú)監(jiān)督分層聚類(lèi)所得聚類(lèi)的Kaplan-Meier 曲線(xiàn)。

圖6

圖6：MUC16 突變?cè)鰪?qiáng)子宮內(nèi)膜癌微環(huán)境中細(xì)胞毒性 T 淋巴細(xì)胞的浸潤(rùn)和抗腫瘤免疫。 

(A) 突變型和野生型 MUC16 患者之間的腫瘤樣本轉(zhuǎn)錄組免疫分析 數(shù)據(jù)表示為平均值±SEM，并通過(guò)非配對(duì)雙尾 Student t 檢驗(yàn)進(jìn)行比較。

(B)用歐幾里德距離和 ward linkage 對(duì) 524 個(gè)樣本的T細(xì)胞標(biāo)簽中 16 個(gè)基因和CD8 + T細(xì)胞標(biāo)簽中 36 個(gè)基因的表達(dá)矩陣進(jìn)行無(wú)監(jiān)督分層聚類(lèi)。行表示基因的同一性，列表示患者的同一性。每個(gè)腫瘤的 MUC16 突變狀態(tài)在每列正上方顯示。Cluster I 在這兩個(gè)標(biāo)簽中表現(xiàn)出較高的基因表達(dá)，Cluster II 表現(xiàn)出較低的表達(dá)水平。

(C)(B) 中無(wú)監(jiān)督分層聚類(lèi)所得聚類(lèi)的 Kaplan-Meier 曲線(xiàn)。

在MUC16突變患者的腫瘤微環(huán)境中觀察到細(xì)胞毒性T淋巴細(xì)胞水平升高，而非NK 細(xì)胞浸潤(rùn)。T細(xì)胞和CD8 + T細(xì)胞分子標(biāo)志物的高表達(dá)與MUC16突變率較高和患者預(yù)后較好相關(guān)。這些發(fā)現(xiàn)可能對(duì)潛在的子宮內(nèi)膜癌免疫治療方法提供更深入的認(rèn)識(shí)。

DOI：10.1080/2162402X.2018.1487914

參考文獻(xiàn)

[1].Ferlay J, Soerjomataram I, Dikshit R, Eser S, Mathers C, Rebelo M, Parkin DM, Forman D, Bray F. Cancer incidence and mortality worldwide: sources, methods and major patterns in GLOBOCAN 2012. Int J Cancer. 2015;136:E359–86. doi:10.1002/ ijc.29210. PMID: 25220842. 

[2].Siegel RL, Miller KD, Jemal A. Cancer statistics. CA Cancer J Clin. 2018;68:7–30. doi:10.3322/caac.21442. PMID: 29313949. 

[3].Baldus SE, Engelmann K, Hanisch FG. MUC1 and the MUCs: a family of human mucins with impact in cancer biology. Crit Rev Clin Lab Sci. 2004;41:189–231. doi:10.1080/10408360490452040. PMID: 15270554. 

[4].Hattrup CL, Gendler SJ. Structure and function of the cell surface (tethered) mucins. Annu Rev Physiol. 2008;70:431–457. doi:10.1146/annurev.physiol.70.113006.100659. PMID: 17850209.