大家好呀！今天给大家介绍一篇2021年6月发表在Oncogene(IF:9.867)上的一篇文章。癌症相关成纤维细胞（CAFs）是肿瘤微环境的重要组成部分，在癌症发展和耐药性中发挥重要作用。最近有研究表明CAFs由多种CAF亚型组成，但CAF异质性和亚型在癌症发展中的功能和作用尚不十分清楚。本研究作者使用细胞类型反卷积方法全面分析TCGA数据库中18种癌症的细胞类型。对CAF亚型的生存分析，肌成纤维细胞（myCAF）是9种癌症的预后不良因子。基于lncRNA的弹性网预测模型（LENP）进行分析，myCAF比例较高的患者对6种抗肿瘤药物的反应较差。此外，整合突变分析分别鉴定到有14和413个与myCAF和iCAF分化程度相关的基因。总的来说，作者的研究结果表明CAF亚型在患者预后和药物反应中的复杂作用并确定了CAF亚型分化中的驱动基因。

Cell-type deconvolution analysis identifies cancer-associated myofibroblast component as a poor prognostic factor in multiple cancer types

细胞类型反卷积分析鉴定癌症相关肌纤维母细胞组分作为多种癌症类型的预后不良因子

流程图：

结果：

1.TCGA样本与细胞类型基因表达的反卷积分析

CAF是肿瘤内部和周围的成纤维细胞的主要组分。为评估TCGA癌症类型中CAF的组成，作者使用ENCODE和BLUEPRINT作为参考panel（panel A）进行CIBERSORTx分析。panel A包括250例RNA-seq样本，分为34种细胞类型。在CAFs中权重最高的50个基因中COL1A2,COL1A1,COL3A1,COL6A2,COL6A1和COL6A3是已知的CAFs的标记基因。作者使用CIBERSORTx计算TCGA癌症类型的CTC打分。作者分析TCGA癌症类型的正常样本和癌症样本的CTC打分（图1A），有10类癌症的CTC打分具有显著差异。BLCA和UCEC的癌症样本的CTC打分显著低于正常样本，而其他癌症的癌症样本的CTC打分高于正常样本。

2.人类单细胞转录组数据用于反卷积TCGA样本

为研究TCGA样本中CAF的异质性和组成变化，作者分析了PDAC的scRNA-seq数据。该数据集共包括13个细胞类型，其中有2个CAFs亚型分别为myCAF和iCAF。将该数据集作为CIBERSORTx的参考panel（panel B）。为了验证作者结果的有效性，作者模拟了100个RNA-seq数据集并使用CIBERSORTx根据panel B进行反卷积。

3.肿瘤样本和正常样本中myCAF和iCAF的组成变化

作者基于panel B使用CIBERSORTx对TCGA样本进行反卷积。结果表明，14种癌症类型包括BRCA,BLCA,CHOL,COAD,ESCA,GBM,HNSC,LIHC,LUAD,LUSC,PRAD,READ,STAD和THCA的肿瘤样本的myCAF比例显著高于正常样本（图1B）。18种癌症类型的癌症样本iCAF的CTC打分显著低于正常样本（图1C）。图1D和图1E为myCAF和iCAF在癌症样本和正常样本的组成比例和CTC打分情况。panel A和panel B中有521个共有基因（图1F）。

4.myCAFs CTC打分较高与生存期较差有关

作者根据myCAFs CTC打分将每种癌症类型分为CTC打分高组和CTC打分低组。生存分析表明有9种癌症类型的两组生存情况具有显著差异。CTC打分高与预后不良有关。

5. myCAFs CTC打分较高与药物反应较差有关

为进一步研究myCAF和iCAF的潜在临床作用，作者研究CAF组成与抗肿瘤药物反应敏感性的相关性。作者基于一项lncRNA药物基因组研究获取患者对药物反应的数据。该研究构建了基于lncRNA的弹性网络预测模型（LENP）来预测抗肿瘤药物的反应敏感性。作者通过研究预测药物反应和生存时间的关系验证LENP模型。结果表明预测的药物耐药性与生存期较差显著相关。作者研究了11种TCGA癌症类型的药物基因组学数据，共531个样本。使用LENP模型预测IC50。根据IC50中位数将样本分为IC50高组和IC50低组并比较两组的myCAFs的CTC打分（图3A）。作者鉴定到有6种抗肿瘤药物在IC50高组和IC50低组之间的具有显著差异。说明myCAF组分较高的患者对抗肿瘤药物的敏感性较低，然而iCAF组分的药物敏感性没有显著差异。此外，作者的结果表明BRCA,LUAD和THCA中myCAF组分较高的样本对丝裂霉素C反应敏感性较差。因此，作者构建了丝裂霉素C靶基因，纤维相关基因和BRCA,LUAD和THCA突变基因的基因调控网络（图3B）。基于基因调控网络鉴定到与纤维相关的基因，MMP7和DCN。

6.CAF驱动基因导致myCAF和iCAF组分的显著变化

作者从TCGA数据库获取14种癌症类型的体细胞突变数据，作者使用双侧t检验检测突变组和野生组CAF亚组的CTC打分。与CAF组成显著变化相关的基因是CAF的驱动基因（图4）。作者在BLCA,HNSC和LUAD中共鉴定到14和413个与myCAFs和iCAFs相关的基因（图5A）。FGFR3是编码成纤维细胞生长因子受体3，是成纤维细胞的标记基因，可以作为BLCA中的myCAF相关基因。作者进一步比较了FGFR3-TACC3融合和未融合BLCA患者的myCAF组成（图5B）。

7.鉴定到的CAF驱动基因与成纤维细胞功能和ECM通路有关

作者对myCAFs和iCAFs的驱动基因进行GO和KEGG功能富集分析。myCAF驱动基因富集在纤维母细胞生长因子受体基质介导的FGFR3信号通路和磷脂酰肌醇3-激酶-akt信号通路等（图5C）。iCAF驱动基因富集在ECM结构组分和编码胶原蛋白等通路（图5D）。基于以上研究作者推断在肿瘤发展过程中iCAF可能被myCAFs激活（图5E）。myCAFs和iCAFs的驱动基因富集的通路和功能都与肿瘤微环境中ECM和成纤维细胞形成有关。这些结果进一步强调了在肿瘤发展中CAF亚型的作用。

结论：

大量的研究表明肿瘤微环境在肿瘤发生发展中起到重要作用。目前，亟待解决鉴定在肿瘤发展和转移中具有关键作用的细胞类型。已有研究表明，成纤维细胞在肿瘤发展中起到重要作用。本篇文章思路清奇，不同于常规的使用TCGA数据集构建预后模型的文章。作者从鉴定多种癌症类型的成纤维细胞比例入手，不仅发现不同癌症类型的成纤维细胞比例不尽相同而且发现癌症样本和正常样本的成纤维细胞比例不同。作者重点研究了myCAFs和iCAFs在18种TCGA癌症类型中的功能。作者应用RNA-seq和单细胞转录组的CAF表达矩阵的反卷积算法系统地研究肿瘤样本和正常样本中myCAF和iCAF的变化。此外，成纤维细胞还包含两个亚型，作者研究了这两种亚型与患者总生存期和药物敏感性的相关性。对于想发高分文章的同学们，这篇文章的分析思路还是十分值得借鉴的~

参考文献：

Cell-type deconvolution analysis identifies cancer-associated myofibroblast component as a poor prognostic factor in multiple cancer types[J]. Oncogene.