PD-L1是PD-1抑制剂治疗的主要靶点之一。目前的许多研究使用PD-L1抗体来模拟免疫检查点抑制的效果，以研究其对免疫细胞活性的影响，以及其在不同肿瘤类型中的表达水平。还有一些研究使用细胞系或动物模型，评估潜在的PD-L1抑制剂对肿瘤生长和免疫反应的影响。总之，PD-L1在实验和课题设计中的应用为我们更深入地了解免疫调控和癌症治疗提供了有力的工具。今天馆长给大家带来一篇关于PD-L1的文章，这篇文章为大家提供了很好的参考模板。首先文章的研究背景具有现实临床意义，抓住预测免疫检查点抑制剂治疗反应对指导个体化治疗的这个话题。其次文章的研究内容新颖独特，利用盘状结构域受体2基因家族调控的基因表达签名来预测治疗反应的思路非常创新。并且文章研究采用多组数据集验证，统计方法充分严格。最后研究发现DDR基因签名可以区分不同的免疫微环境亚型，并预测治疗反应，具有良好的临床应用价值。这套流程抓住了审稿人的眼球，成功登上Top期刊！（ps：馆长这里有各种热点研究方向、提供特色数据库构建、免费思路评估、方案设计等服务，有需要的小伙伴快来扫码call我吧！）l题目：盘状蛋白结构域受体驱动的基因签名作为患者对抗PD-L1免疫检查点治疗反应的标记物l杂志：Journal of Clinical Investigationl影响因子：IF=15.9l发表时间：2022年10月 研究背景抗PD-1和PD-L1免疫检查点治疗（ICT）只对部分癌症患者有持久的反应，所以需要生物标志物来预测非反应者。当前的预测生物标志物如PD-L1过表达、肿瘤突变负荷（TMB）等都有局限性，因此需要改进或找出新的生物标志物。作者发现DDR2表达是小鼠模型中ICT反应的决定因素，并使用遗传和药理方法表明抑制DDR2可以增强小鼠的ICT反应。因此，他们推断由DDR2或其家族成员DDR1调节的基因表达签名可以区分患者对ICT的反应。研究思路主要结果1.膀胱癌中DDR1/2基因的表达作者将TCGA数据库中的膀胱癌患者根据DDR1和DDR2的表达水平分为4组。再收集每组患者的临床病理特征，包括性别、病理分期、T分期、复发状况、总生存状态和肿瘤分级。研究发现DDRhigh表达群体与特定的临床特征相关，例如DDR2high表达更常见于基质丰富的亚型。Table 1. Clinicopathological characteristics of TCGA BCa cohort by DDR expression levels作者利用TCGA膀胱癌数据集(n=259)，通过非监督聚类分析DDR1和DDR2的表达模式。计算DDR1和DDR2表达的Spearman相关系数。将样本按分子亚型进行分组，比较各组DDR1/2的表达分布。利用Kaplan-Meier分析比较DDR1/2高低表达组的生存曲线。研究发现DDR1和DDR2表达呈相反趋势（Spearman系数为-0.27）。DDR1high表达更多见于LumP亚型，DDR2high表达更多见于基质丰富亚型。DDR2high表达组总生存更短(HR=1.55,P=0.02)。Figure 1. Expression of DDR genes in human bladder tumors as a function of molecular subtype and clinical outcome2.DDR1high和DDR2high的膀胱肿瘤微环境作者利用GSEA比较DDR1high表达和DDR2high表达肿瘤富集的基因通路。并计算DDR1/2表达与23种免疫细胞积分的相关性。再利用DDR1/2表达水平和T细胞炎性基因表达谱（GEP）进行生存分析。研究发现DDR1high表达组富集上皮发育等通路，DDR2high表达组富集免疫相关通路。DDR1high表达与免疫“冷”肿瘤相关，DDR2high表达与免疫“热”肿瘤相关。DDR2low表达且GEPhigh表达组预后最好。Figure 2. Impact of DDR expression on gene set enrichment analysis, molecularly defined cellular composition, and T-cell-inflamed GEP in human bladder tumors作者将肿瘤样本分为DDR高低表达和GEP高低表达两组。生存分析采用多重Log-rank检验，以DDRlow和GEPlow组作为基线。研究发现在TCGA数据集中DDR1low和GEPlow组预后最差。在IMvigor数据集中DDR2low和GEPhigh组预后最好。Table 2. Multiple log-rank tests were performed with DDRlow and GEPhigh group as baseline in TCGA BCa and IMvigora3.DDR表达与ICT响应的关联作者利用IMvigor210数据集分析DDR1/2表达与23种免疫细胞类型的相关性。利用热图和散点图显示DDR1和DDR2的表达模式。利用箱线图比较不同治疗反应组的DDR1/2表达水平。利用Kaplan-Meier曲线分析不同DDR表达对生存的影响。研究发现DDR1与“冷”肿瘤相关，DDR2与“热”肿瘤相关。DDR1/2的表达本身并不能预测治疗反应或生存。联合DDR和GEP也未显示生存差异。以上结果表明DDR1/2表达本身并不能预测抗PD-L1治疗反应，需要开发基于DDR的基因签名。Figure 3. Association of DDR expression with TME features and immune checkpoint therapy response in human BCa4.DDR驱动的基因签名的发展作者利用GSEA分析DDR1和DDR2分组在IMvigor210数据集中的KEGG通路富集。并统计不同分子亚型中DDR1和DDR2高分组的样本分布。研究发现DDR2high分组富集免疫相关通路，DDR1high分组富集代谢通路。LumP和Ba/Sq 亚型中DDR1/2高分组样本较多。以上结果表明基于DDR的表达签名可以反映免疫微环境特征和肿瘤分子亚型。Figure 4. Relationship of DDR gene signature scores with molecular pathways and tumor subtypes in bladder cancer5.评价DDR签名评分作为患者抗PD-L1反应的预测因素作者利用箱线图比较不同治疗反应组的DDR1和DDR2表达签名。利用Kaplan-Meier曲线分析DDR1和DDR2分组的生存差异。研究发现DDR1和DDR2表达签名在不同治疗反应组间表达差异有统计学意义。DDR1和DDR2的高分组与较短的生存时间相关。以上结果表明基于DDR的表达签名可以预测抗PD-L1的治疗反应和患者生存，提示这些签名具有预测价值。Figure 5. Association of DDR gene signature scores with immune checkpoint therapy response of bladder cancer patients作者通过统计学筛选方法优化DDR基因签名的组成。利用生存分析确定DDR签名的最佳截点。在独立的肺癌和膀胱癌数据集中验证DDR签名的预测价值。研究通过优化得到了DDR1和DDR2的基因签名模型。发现DDR签名可以预测各数据集中患者的生存。通过双盲验证确认了DDR签名在多种癌症中的预测价值。图6系统地优化和验证了DDR基因签名的预测能力，使这种签名方法具有了更好的适用性。Figure 6. Optimization and validation of DDR gene signature scores as predictors of tumor response to anti–PD-L1 therapy文章小结这是第一个利用DDR基因家族的差异表达和调控模式来预测治疗反应的文章。研究发现DDR1high表达与非T细胞浸润的免疫“冷”肿瘤相关，而DDR2high表达与T细胞浸润的免疫“热”肿瘤相关。研究开发了基于DDR1和DDR2的特异性基因表达签名，可以区分不同的免疫微环境和预测患者预后。不仅在膀胱癌中发现了这一预后预测价值，还通过独立数据集证实了这一签名在多种实体瘤中的通用性。这为DDR抑制剂联合免疫检查点抑制剂治疗提供了理论依据和临床转换方向，指导后续的临床试验设计。研究还采用了独特的双盲验证方法证明基因签名预测价值的可靠性。有进一步需要的朋友们可以找馆长做设计哦！馆长能从研究方向和思路方法上提供全方位的指导。
