Как цитировать
Аннотация
Введение. В настоящее время не существует однозначно установленного молекулярного биомаркера для прогнозирования ответа на иммунотерапию у пациентов с меланомой кожи. Изучаются несколько потенциальных биомаркеров, включая сигнатуры генов интерферона (ISG) и экспрессию раково-тестикулярных антигенов (CTA).
Цель. Исследование для оценки взаимодействия между ISG и паттернами CTA у пациентов с меланомой кожи.
Материалы и методы. В работе использованы нормализованные данные полногеномного секвенирования, включающие уровни экспрессии 43 000 генов у 457 пациентов с кожной меланомой из открытых источников набора данных Калифорнийского университета в Санта-Крузе (UCSC).
Для анализа были выбраны раково-тестикулярные антигены CTA (n = 186) и интерферон-стимулированные гены ISG (n = 66); последние представлены как в полной, так и в сокращенной версии. Агломеративная кластеризация генов с использованием метода Уорда была выполнена отдельно для каждого набора генов. Статистический анализ взаимосвязей между кластерами включал следующие методы: критерий χ² Пирсона, коэффициент лямбда, коэффициент контингенции, коэффициент фи, τ Гудмана — Краскела, коэффициент неопределенности и анализ пропорций в столбцах.
Результаты. В полном и кратком наборах ISG было обнаружено четыре кластера (два кластера генов с высокой и два кластера с низкой экспрессией), которые были сильно коррелированы (λ 0,666, p < 0,0001). На первом уровне кластеризации было найдено шесть кластеров CTA (два с высокой, два со средней и два с низкой экспрессией генов), на третьем уровне — десять кластеров. Кластеры ISG и CTA не были связаны при сравнении на первом уровне кластеризации (p > 0,1). Сравнение третьего уровня кластеров CTA с краткой ISG показало слабую ассоциацию между двумя параметрами (симметричный коэффициент неопределенности 0,031, p = 0,003). Только два кластера CTA третьего уровня показали связь с ISG: один — с минимальной экспрессией CTA и высокой ISG, второй — с высокой экспрессией CTA и низкой ISG.
Выводы. Результаты исследования подтвердили наши предыдущие находки относительно профиля экспрессии CTA. Большинство кластеров не имели отношения к ISG. Необходимы дальнейшие исследования для понимания возможной роли паттернов экспрессии CTA и ISG в качестве прогностических и предиктивных факторов для иммунотерапии.
Библиографические ссылки
CTdatabase. Online database. Ludwig Institute for Cancer Research, Laboratorio National de Compulacao Cientifica. 2024.-URL: http://www.cta.lncc.br/ (01.06.2024).
Rozeman E.A., Hoefsmit E.P., Reijers I.L.M., et al. Survival and biomarker analyses from the OpACIN-neo and OpACIN neoadjuvant immunotherapy trials in stage III melanoma. Nat Med. 2021; 27(2): 256-263.-DOI: 10.1038/s41591-020-01211-7.-URL: https://www.ncbi.nlm.nih.gov/pubmed/33558721, https://www.nature.com/articles/s41591-020-01211-7.
Reijers I.L.M., Rao D., Versluis J.M., et al. IFN-γ signature enables selection of neoadjuvant treatment in patients with stage III melanoma. The Journal of experimental medicine. 2023; 220(5).-DOI: 10.1084/jem.20221952.-URL: https://rupress.org/jem/article-pdf/220/5/e20221952/1449193/jem_20221952.pdf.
Barrat F.J., Crow M.K., Ivashkiv L.B. Interferon target-gene expression and epigenomic signatures in health and disease. Nature immunology. 2019; 20(12): 1574-1583.-DOI: 10.1038/s41590-019-0466-2.-URL: https://pmc.ncbi.nlm.nih.gov/articles/PMC7024546/pdf/nihms-1556675.pdf.
Elnaggar M., Chaisuparat R., Ghita I., et al. Immuno-oncologic signature of malignant transformation in oral squamous cell carcinoma. Oral Surg Oral Med Oral Pathol Oral Radiol. 2023; 136(5): 612-622.-DOI: 10.1016/j.oooo.2023.07.009.
Bergamaschi C., Terpos E., Rosati M., et al. Systemic IL-15, IFN-γ, and IP-10/CXCL10 signature associated with effective immune response to SARS-CoV-2 in BNT162b2 mRNA vaccine recipients. Cell Rep. 2021; 36(6): 109504.-DOI: 10.1016/j.celrep.2021.109504.-URL: https://pmc.ncbi.nlm.nih.gov/articles/PMC8299183/pdf/main.pdf.
Орехов А.В. Марковский момент остановки агломеративного процесса кластеризации в евклидовом пространстве. Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. 2019; 15(1): 76-92.-DOI: https://doi.org/10.21638/11702/ spbu10.2019.106.-URL: http://hdl.handle.net/11701/15652. [Orekhov A.V. Markov moment for the agglomerative method of clustering in Euclidean space. Petersburg University Applied Mathematics Computer Science Control Processes. 2019; 15(1):76-92.-DOI: 10.21638/11702/ spbu10.2019.106.-URL: http://hdl.handle.net/11701/15652 (in Rus)].
Hartigan J.A. Clustering Algorithms. New York, London, Sydney, Toronto: John Wiley & Sons Inc. Press. 1975; 351.-URL: https://books.google.ru/books?id = cDnvAAAAMAAJ.-ISBN: 9780471356455.
Everitt B.S., Landau S., Leese M., Stahl D. Cluster Analysis. Chichester, West Sussex, UK: John Wiley & Sons Ltd. Press. 2011; 330.-URL: https://books.google.ru/books?id = w3bE1kqd-48C.-ISBN: 9780470978443.
Murtagh F., Legendre P. Ward’s Hierarchical Agglomerative Clustering Method: Which Algorithms Implement Ward’s Criterion? Journal of Classification. 2014; 31(3): 274–295.-DOI: 10.1007/s00357-014-9161-z.-URL: http://dx.doi.org/10.1007/s00357-014-9161-z.
Orekhov A.V. Quasi-Deterministic Processes with Monotonic Trajectories and Unsupervised Machine Learning. Mathematics. 2021; 9(18): 2301.-URL: https://www.mdpi.com/2227-7390/9/18/2301.
Binnewies M., Roberts E.W., Kersten K., et al. Understanding the tumor immune microenvironment (TIME) for effective therapy. Nature medicine. 2018; 24(5): 541-550.-DOI: 10.1038/s41591-018-0014-x.-URL: https://www.ncbi.nlm.nih.gov/pubmed/29686425.
Wu B., Zhang B., Li B., et al. Cold and hot tumors: from molecular mechanisms to targeted therapy. Signal transduction and targeted therapy. 2024; 9(1): 274.-DOI: 10.1038/s41392-024-01979-x.-URL: https://www.ncbi.nlm.nih.gov/pubmed/39420203.
Bulgarelli J., Tazzari M., Granato A.M., et al. Dendritic Cell Vaccination in Metastatic Melanoma Turns "Non-T Cell Inflamed" Into "T-Cell Inflamed" Tumors. Frontiers in immunology. 2019; 10: 2353.-DOI: 10.3389/fimmu.2019.02353.
Maleki Vareki S. High and low mutational burden tumors versus immunologically hot and cold tumors and response to immune checkpoint inhibitors. Journal for immunotherapy of cancer. 2018; 6(1): 157.-DOI: 10.1186/s40425-018-0479-7.-URL: https://www.ncbi.nlm.nih.gov/pubmed/30587233.
Naik A., Lattab B., Qasem H., Decock J. Cancer testis antigens: Emerging therapeutic targets leveraging genomic instability in cancer. Mol Ther Oncol. 2024; 32(1): 200768.-DOI: 10.1016/j.omton.2024.200768.-URL: https://www.ncbi.nlm.nih.gov/pubmed/38596293.
Gibbs Z.A., Whitehurst A.W. Emerging Contributions of Cancer / Testis Antigens to Neoplastic Behaviors. Trends in cancer. 2018; 4(10): 701-712.-DOI: 10.1016/j.trecan.2018.08.005.-URL: https://www.ncbi.nlm.nih.gov/pubmed/30292353.
Kurtenbach S., Sanchez M.I., Kuznetsoff J., et al. PRAME induces genomic instability in uveal melanoma. Oncogene. 2024; 43(8): 555-565.-DOI: 10.1038/s41388-023-02887-0.-URL: https://www.ncbi.nlm.nih.gov/pubmed/38030788.
Ayabe R.I., Seo Y.D., Melendez B., et al. Correlation of cancer testis antigen expression with high type-I interferon signal and prognosis in small bowel neuroendocrine tumors. Journal of Clinical Oncology. 2024; 42(3_suppl): 596-596.-DOI: 10.1200/JCO.2024.42.3_suppl.596.-URL: https://ascopubs.org/doi/abs/10.1200/JCO.2024.42.3_suppl.596.
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
© АННМО «Вопросы онкологии», Copyright (c) 2025