Day4:基于随机辅助树突状细胞的 MIND-DC 试验中微生物群相关代谢重编程对黑色素瘤患者临床结果的影响
information:
time:2024/02/23
journal:nature communication IF=16.6
Objective:
肿瘤免疫监视在黑色素瘤中发挥着重要作用，促进了免疫治疗策略的发展。所以作者想找影响黑色素瘤生存的预测因子（外周代谢物和肠道微生物）。
Results:
fig1A-B: 两个采样点的粪便样本的微生物群组成与 2年的无复发生存期（recurrence-free survival (RFS)） 相关联，并发现Faecalibacterium prausnitzii与预后良好有关。
fig2AB: 火山图和主成分分析 (PCA) 显示两个时间点之间血清代谢物的差异。
Fig2C: 为了评估这些早期变化的临床相关性，作者使用所有代谢物的unsupervised hierarchical clustering研究了哪些代谢特征与 2Y-RFS 相关
Fig2D: the above-mentioned medium and long chainacylcarnitines and FA linolenic acid,acetylated polyamines as well as BCAAs and γ-glutamyl dipeptides 在单变量分析中，T1 时与 2Y-RFS 呈负相关。
Fig2E: 根据 13 个最相关的 FA（fatty acids） 丰度总和的中位数进行生存分析，T2 时高于 FA 中位数的水平（p = 0.025，右）和 T1 时的水平高于 FA 中位数（p = 0.055，左）与较短的 RFS 相关
这些研究结果表明，时间和/或治疗扰乱了脂质合成或降解的微妙且预先存在的不平衡，在单不饱和和多不饱和以及饱和脂肪和羧酸代谢水平上，与黑色素瘤复发同时发生。
fig3A: 与 nDC 组相比，PL 组中随机分配的患者表现出健康相关和免疫原性 MGS F. prausnitzii SGB15322、Blautia Massiliensis SGB4826 and Dorea formicigerans SGB4575 的高表达
Fig3B: nDC 治疗组往往含有较高比例的缺乏普拉梭菌属的个体。 （图3B）和更具体地说，F. prausnitzii 的不同 SGB 或与 PL 臂相比，这些 SGB 的相对丰度较低.healthy volunteers (HV, n = 5345), patients into PL arm (n = 31), all patients with melanoma into MIND-DC trial (MEL, n =88)andnDCarm(n =57)
Fig3CD: 做单菌与预后的关系。根据前面找到的和复发相关的菌（Gemmiger formicilis和L. pectinoschiza）做生存分析，越高生存越差。高低是和均值相比得出的分类。一些细菌缺乏或丰度较低（F. prausnitzii ）与预后不良相关。但是，大多数其他共生菌与预测有或没有 nDC 的 RFS 无关
Fig4A: 为了评估这种宏基因组偏差是否也转化为 T1 时两个治疗组之间不同的代谢模式，作者使用supervised hierarchical clustering重新分析了 PL 和 DC 组的the mass-spectrometry-based MB profiles。
Fig4BC: 在 nDC 组中， T1 处对应于primary conjugated biliary acids的簇中存在差异，这在 T2 时得到了证实。
Fig4D: 为了确定 BA 和 FA 中的这些扰动是否转化为临床相关差异，作者比较了T1时期 PL 和 nDC 组中 2YnoR 和 2Y-R 之间每种代谢物的最显著浓度差异，并做了生存分析。高表达的acylcarnitines C12:0 and C14:1 ，linolenic acid（亚麻酸）仅与 nDC 组的复发显著相关,与主要的primary BA cholic acid相反，它与不复发相关。但在PL组没有这个结果。
这里作者也说到了，虽然做了随机化，但是还是不可避免两组本身在BA FA上的差别。后面也有XGBoost进行了计算，确实有差异。
Fig5A: 发现初级 BA、FA、多胺和酰基肉碱以及其他研究中有意义的一些通路，包括色氨酸代谢、维生素 B3（葫芦巴碱、1-甲基烟酰胺）是 T1 时 2Y-RFS 的预测因子
Fig5B: 在 T1 时应用了整合 宏基因组 和临床特征的相同分析，但在 T2 时获得了更好的 2Y-RFS 预测。不过这里的T2-T1/T1是什么意思？难道不是整合所有数据的结果是最好的嘛？
Fig5C: circosplot 中描绘的多组学整合模型强调了许多不良预后参数之间的正相关性，以及肿瘤分期和 T1 时与较好预后相关的因素（如cholic acid, polyamines and Ruminococcaceae bacterium SGB14899）之间的负相关性。不是很明确那个折线图的意义。
Fig6A：做了pearson 相关性，看F.p和血清代谢物的关系，T2 时FA高于中值的水平与 nDC 组的早期复发相关，但在PL中没发现。
Fig6B: T1 时低水平的acylcarnitines, i.e., lauroyl-L-carnitine (C12:0) or myristoylcarnitine (C14:1) 与 PL 组 RFS 延长相关
Fig6C: 根据both F. prausnitzii relative abundance and acylcarnitine estimates，对样本重新分类，高F. prausnitzii低acylcarnitine与良好生存有关。
Summary：
两个时间点，两种治疗策略的血清和stool样本，分别测序代谢和宏基因组。先比较两个时间点之间的差异，再比较两个治疗策略上的差异。然后结合临床数据，代谢和宏基因组做预测，找生物标志物。但是好像没有解决掉本身分组一开始就存在的FA BA不平衡问题。
Data:
what the mehod about the research:
144 patients with stage IIIB/C melanoma to adjuvant treatment with autologous natural dendritic cell (nDC =95) or placebo (PL=49)
serum and stool samples
time point: baseline,after 4 weeks of therapy,
metabolomics (MB) and metagenomics (MG)
data available:
The Metagenomics data generated in this study have been deposited in the European Nucleotide Archive (ENA) database under accession code PRJEB66197. The Metabolomics data generated in this study have been deposited in the Mendeley Data database under accession code DOI 10.17632/nzb653783h.1 [https://data.mendeley.com/ datasets/nzb653783h/1]
Sth to learn:
Using the XGBoost algorithm, coupled to a model explainer based on SHapley Additive exPlanations (SHAP) values for model interpretability（分类器）
Record some words for writing
The gut microbiota composition, influencing peripheral and tumoral immune tonus, earned its credentials among predictors of survival in melanoma.
as prespecified exploratory analysis
abundance of specieslevel genome bins (SGBs) was estimated 估计了物种水平基因组箱（SGB）的丰度
overruling those observed between the treatment groups（推翻观点）
A exhibited a relative over-representativity of health-related and immunogenic xxx compared with/to the B（A相较于B高表达）
以上均个人观点，欢迎讨论。禁止转载，如有需要，请简信联系作者！
共有 0 条评论