Integrated Analysis of Bulk and Single Cell Transcriptomic Sequencing Reveals Immune Patterns of T Cell Regulation and Prognostic Biomarkers in Glioblastoma

Technische Samenvatting: Geïntegreerde Analyse van Bulk en Single-Cell Transcriptische Sequenering in Glioblastoom

Probleemstelling
Glioblastoom (GBM) blijft de meest agressieve primaire maligne tumor van het volwassen centrale zenuwstelsel, gekenmerkt door een slechte prognose en een 5-jaars overlevingspercentage van minder dan 10% bij nieuw gediagnosticeerde patiënten. Ondanks standaardinterventies bestaande uit chirurgische resectie, radiotherapie en temozolomide-chemotherapie, beperkt de immunosuppressieve tumormicro-omgeving (TME) de effectiviteit van immunotherapieën zoals immuuncheckpointremmers (ICI's) en CAR-T-cellen ernstig. Er bestaat een kritische kloof in het begrip van de heterogeniteit van T-cellen binnen de GBM-micro-omgeving, hun interactiepatronen met andere celpopulaties, en de specifieke moleculaire mechanismen die hun disfunctie aansturen. Bij consequentie is er een dringende behoefte aan robuuste prognostische biomarkers en de ontwikkeling van modellen die gepersonaliseerde klinische interventies kunnen sturen.

Methodologie
Deze studie maakte gebruik van een multi-omics benadering waarbij bulk RNA-sequencing (bulk RNA-seq) en single-cell RNA-sequencing (scRNA-seq) data uit publieke repositories (TCGA, GEO) werden geïntegreerd. De analytische workflow verliep als volgt:

1. Identificatie van Core-genen via WGCNA: Weighted Gene Co-expression Network Analysis (WGCNA) werd uitgevoerd op bulk transcriptomische datasets (GSE4290 en GSE50161) om co-expressienetwerken te construeren. Modules die sterk gecorreleerd waren met de GBM-status werden geïdentificeerd, en hun intersectie met differentieel expressie-analyse leverde een set van 47 GBM-geassocieerde core-genen op.
2. Single-Cell Resolutie en Annotatie: scRNA-seq data (GSE162631) bestaande uit vier normale en vier GBM hersenweefsels werden verwerkt met behulp van het Seurat-pakket. Na strikte kwaliteitscontrole en dimensionaliteitsreductie (PCA, UMAP, t-SNE), werden cellen geclusterd en geannoteerd in zes belangrijke subtypen: endotheelcellen, fibroblasten, macrofagen, maligne cellen, microglia en T-cellen.
3. T-cel Specifieke Analyse: De 47 core-genen werden op de single-cell data gemapt met behulp van het UCell-algoritme om verrijking te bepalen. T-cellen werden geïdentificeerd als de primaire dragers van deze core-genen. Vervolganalyses omvatten:
   • Differentieel Expressie: Identificatie van 100 T-cel-specifieke differentieel tot expressie gebrachte genen (DEGs).
   • Trajectorie en Communicatie: Pseudotime trajectorie-analyse (Monocle 2) om T-cel staatsovergangen in kaart te brengen en CellChat-analyse om ligand-receptor interacties tussen T-cellen en andere stromale componenten te kwantificeren.
   • Functionele Verrijking: GO- en KEGG-pathway analyses om biologische functies te karakteriseren.
4. Subtypering en Prognostisch Modellering:
   • Consensus Clustering: TCGA-GBM monsters werden gestratificeerd in twee moleculaire subtypen (C1 en C2) op basis van de expressie van T-cel DEGs.
   • Immuun- en Drug Profiling: De subtypen werden geëvalueerd met behulp van ESTIMATE, meerdere immuun infiltratie algoritmen (CIBERSORT, XCELL, etc.) en voorspelling van medicijngevoeligheid (oncoPredict).
   • Constructie van Risicomodel: Een LASSO-Cox regressiemodel werd gebouwd met behulp van de T-cel DEGs om een 5-gen prognostische signatuur af te leiden. De prestaties van het model werden gevalideerd via Kaplan-Meier overlevingsanalyse, ROC-curves en onafhankelijke verificatie op eiwitniveau via de Human Protein Atlas (HPA) database.

Belangrijkste Bijdragen en Resultaten

• Identificatie van T-cel Centrische Core-genen: De studie identificeerde succesvol een set van 47 core-genen geassocieerd met GBM. Single-cell analyse toonde aan dat T-cellen de hoogste verrijkingsscores voor deze genenset vertoonden onder alle cellulaire componenten, wat hun centrale rol in het GBM-immuunlandschap benadrukt.
• Mechanistische Inzichten in T-cel Uitputting: Pseudotime analyse toonde aan dat T-cellen in GBM evolueren langs een traject naar terminale uitputting, gekenmerkt door verminderde cytotoxiciteit en de abnormale upregulatie van immunoglobuline genen (bijv. IGHA2, IGHG2). Cel-cel communicatie analyse onthulde dat fibroblasten de primaire bron zijn van inkomende signalen naar T-cellen, waarbij de COL-familie (collagenen) fungeert als een krachtige regulator van T-cel CD44 en integrine receptoren, wat wijst op een mechanisme van matrix-gemedieerde immunosuppressie.
• Moleculaire Subtypering (C1 vs. C2): De studie definieerde twee onderscheidende GBM subtypen op basis van T-cel genexpressie:
  • C1 Subtype: Gekenmerkt door een hogere expressie van immuuncheckpoint genen en gevoeligheid voor PI3K-remmers (bijv. Alpelisib, Dactolisib) en alkylerende middelen (Carmustine).
  • C2 Subtype: Vertoonde een hogere immuun infiltratie (macrofagen, Tregs), hogere immuun scores en een grotere gevoeligheid voor epigenetische modulatoren (HDAC-remmers zoals Vorinostat) en CDK4/6-remmers (Ribociclib).
• Prognostische 5-Gen Signatuur: Een robuust prognostisch model werd geconstrueerd met vijf sleutelgenen: GNG11, CD5, COL1A1, CAMK4 en BCAS4.
  • Risicofactoren: Hoge expressie van GNG11 en CD5 correleerde met een slechte prognose.
  • Beschermende Factoren: Hoge expressie van COL1A1, CAMK4 en BCAS4 correleerde met een betere overlevingsuitkomst.
  • Validatie: Het model vertoonde voorspellende nauwkeurigheid met AUC-waarden van 0,59 (1 jaar), 0,64 (3 jaar) en 0,69 (5 jaar). Immunohistochemische analyse uit de HPA database bevestigde dat de eiwitexpressieniveaus van alle vijf de genen significant hoger waren in GBM-weefsels vergeleken met normaal hersenweefsel, wat de transcriptomische bevindingen op proteomisch niveau valideert.

Significantie en Claims
De auteurs beweren dat deze studie systematisch de heterogeniteit van het T-cel-gemedieerde immuunmicro-milieu in GBM toelicht. Door bulk en single-cell data te integreren, biedt het onderzoek een theoretische basis voor het begrijpen van de complexe wisselwerking tussen de tumorstroma (specifiek fibroblasten en ECM) en T-cel uitputting. De ontwikkeling en validatie van het 5-gen prognostische model biedt een praktisch instrument voor klinische prognose evaluatie. Verder biedt de identificatie van subtype-specifieke medicijngevoeligheden een pad naar gepersonaliseerde klinische interventies, wat potentieel de diagnose, prognose beoordeling en gerichte immunotherapie strategieën voor GBM-patiënten kan verbeteren. De studie erkent beperkingen met betrekking tot de afhankelijkheid van retrospectieve publieke data en de noodzaak voor toekomstige in vivo/in vitro validatie, maar stelt dat de bevindingen een fundamenteel kader bieden voor het verkennen van GBM biomarkers en therapeutische doelwitten.