SPP1在頭頸部鱗狀細(xì)胞癌的免疫浸潤(rùn)及臨床相關(guān)性分析

楊開炎 ，黃蘭誠 ，林鉆平 ，唐鳳珠*，李旭祥，馮大益

(1．廣西中醫(yī)藥大學(xué)瑞康臨床醫(yī)學(xué)院，南寧 530000 ；2.廣西壯族自治區(qū)人民醫(yī)院 耳鼻咽喉頭頸科，南寧 530000；3.廣西百色市人民醫(yī)院 耳鼻咽喉頭頸外科，廣西 百色 533000；4.廣西百色市人民醫(yī)院 病理科，廣西 百色 533000)

頭頸部鱗狀細(xì)胞癌(HNSC)是全球第八大常見癌癥[1]，主要起源于口腔、口咽、下咽、喉和鼻咽內(nèi)的亞解剖部位[2]。在全球范圍內(nèi)，2020年報(bào)告的HNSC新病例約880 000例，死亡病例約440 000例[1]。在臺(tái)灣和東南亞，口腔鱗狀細(xì)胞癌占HNSC的主要比例[3]。根據(jù)TNM分期和原發(fā)部位，HNSC主要采用不同組合的手術(shù)、放療和化療的方法[4]。盡管技術(shù)和支持治療的進(jìn)步提高了HNSC患者的生活質(zhì)量，但由于術(shù)后局部復(fù)發(fā)和遠(yuǎn)處轉(zhuǎn)移，整體預(yù)后仍然較差[5]。接受同步放化療的 HNSC 患者的5年總生存(Overall survival，OS)率約為50%[6]，中位OS時(shí)間為 66.3個(gè)月[7]。

免疫治療作為一種新的治療方法已經(jīng)應(yīng)用于多種惡性腫瘤的研究，并在一些惡性腫瘤取得較好療效。盡管免疫檢查點(diǎn)抑制劑在癌癥治療中顯示出巨大的應(yīng)用前景，但不同腫瘤和同一腫瘤不同患者中的治療效果存在較大的異質(zhì)性[8]。惡性腫瘤的免疫逃避機(jī)制和腫瘤微環(huán)境免疫抑制狀態(tài)，構(gòu)成了免疫治療的障礙。HNSC患者的不良臨床結(jié)果可能取決于其腫瘤免疫浸潤(rùn)的特征[9]。因此，迫切需要了解影響HNSC腫瘤免疫微環(huán)境的分子標(biāo)志物，以進(jìn)行個(gè)體化治療及改善預(yù)后。

分泌型磷蛋白1(Secreted Phosphoprotein 1，SPP1)，也稱為骨橋蛋白(Osteopontin，OPN)，是由SPP1基因編碼的一種鈣結(jié)合糖磷蛋白，存在于許多正常組織中[10]。SPP1既可以充當(dāng)細(xì)胞粘附蛋白，又可以充當(dāng)細(xì)胞因子，通過多種細(xì)胞表面受體(包括多種整聯(lián)蛋白和CD44)將信號(hào)傳遞至細(xì)胞內(nèi)[11]。SPP1與這些細(xì)胞表面受體的結(jié)合可引起細(xì)胞功能的廣泛變化，例如移動(dòng)性和粘附性增強(qiáng)、生長(zhǎng)和分裂加速、細(xì)胞存活時(shí)間延長(zhǎng)和血管生成[12]。SPP1參與許多生理和病理過程，包括骨和骨基質(zhì)重塑、血管生成、癌變、炎癥和自身免疫[13]。Zhang等[14]研究發(fā)現(xiàn)SPP1可能促進(jìn)膀胱癌的增殖，抑制細(xì)胞凋亡并加速侵襲，從而促進(jìn)膀胱癌的發(fā)展和轉(zhuǎn)移。臨床研究表明，在許多類型的人類癌癥中，SPP1水平與惡性程度或患者存活率之間存在相關(guān)性[15]。Overgaard等[16]對(duì) 320 例頭頸癌病例進(jìn)行了研究，報(bào)告稱SPP1高表達(dá)的患者局部復(fù)發(fā)率比低表達(dá)患者高2.85倍。目前SPP1在HNSC中的免疫浸潤(rùn)相關(guān)性研究較少，通過TCGA的HNSC數(shù)據(jù)，分析了SPP1在HNSC中對(duì)免疫浸潤(rùn)的影響及其與臨床預(yù)后的相關(guān)性，以明確SPP1在HNSC預(yù)后和個(gè)體化治療中的作用。

1 材料和方法

1.1 數(shù)據(jù)來源及數(shù)據(jù)處理

數(shù)據(jù)來源自UCSC官網(wǎng)(https://xenabrowser.net/datapages)下載的TCGA HNSC的RNA測(cè)序數(shù)據(jù)，以及對(duì)應(yīng)樣本的臨床、預(yù)后數(shù)據(jù)和批次效應(yīng)注釋文件。使用R語言讀取HNSC的counts數(shù)據(jù)，并根據(jù)TCGA官網(wǎng)(https://portal.gdc.cancer.gov)下載的泛癌樣本注釋文件過濾樣本，將不合格樣本剔除(活檢前有放化療病史、合并多種腫瘤，以及為復(fù)發(fā)或轉(zhuǎn)移的腫瘤患者)，同時(shí)提取其中的mRNA表達(dá)矩陣。根據(jù)過濾的樣本，篩選對(duì)應(yīng)樣本的臨床數(shù)據(jù)及預(yù)后數(shù)據(jù)。

1.2 表達(dá)差異分析

使用R語言的DESeq2[17]包對(duì)mRNA表達(dá)矩陣進(jìn)行表達(dá)差異分析，分析過程納入批次效應(yīng)，以lgFC絕對(duì)值>0.5,校正后P值<0.05為界值，以獲得差異基因用于下游分析。

1.3 臨床相關(guān)性分析

使用R語言將TCGA HNSC的mRNA表達(dá)矩陣counts數(shù)據(jù)轉(zhuǎn)換為TPM格式數(shù)據(jù)，以用于后續(xù)分析。使用UCSC官網(wǎng)下載的HNSC的臨床數(shù)據(jù)，結(jié)合TCGA HNSC的mRNA表達(dá)矩陣，將TCGA HNSC患者按SPP1表達(dá)量的4分位數(shù)分組，高于表達(dá)量75%分位數(shù)為高SPP1表達(dá)組，低于表達(dá)量25%分位數(shù)為低SPP1表達(dá)組，分析SPP1表達(dá)與臨床病理特征的相關(guān)性，使用Cox回歸模型進(jìn)行單變量及多變量分析，并繪制Kaplan-Meier生存曲線。

1.4 相關(guān)性分析及基因富集分析

基因富集分析是分析基因功能的一種方法，主要包括基因本體論(Gene Ontology，GO)[18]分析和信號(hào)通路分析。其中GO分析包括3個(gè)部分，分別為分子功能(Molecular Function，MF)分析、生物過程(Biological Process，BP)分析和細(xì)胞組成(Cellular Components，CC)分析。KEGG[19]的全稱為京都基因與基因組百科全書(Kyoto Encyclopedia of Genes and Genomes,KEGG)，是從分子水平信息，特別是基因組測(cè)序和其他高通量實(shí)驗(yàn)技術(shù)產(chǎn)生的大規(guī)模分子數(shù)據(jù)集，了解細(xì)胞、生物體和生態(tài)系統(tǒng)等生物系統(tǒng)的高級(jí)功能和實(shí)用性的綜合性數(shù)據(jù)庫。GSEA[20]全稱是基因集富集分析(Gene set enrichment analysis,GSEA)，利用測(cè)序或芯片獲得的全基因組表達(dá)譜進(jìn)行分析，不需要指定差異基因閾值，得出的結(jié)果更加可靠。使用R語言的cor.test函數(shù)對(duì)SPP1與差異基因中其他mRNA分子進(jìn)行相關(guān)性分析，計(jì)算Pearson相關(guān)系數(shù)，并將與SPP1最正相關(guān)的前200個(gè)基因用于下游分析。使用R語言clusterProfiler[21]包中的EnrichGO及EnrichKEGG函數(shù)對(duì)SPP1最正相關(guān)的前200個(gè)基因進(jìn)行GO及KEGG分析，使用gseKEGG函數(shù)對(duì)整個(gè)mRNA表達(dá)矩陣進(jìn)行基于GSEA算法的KEGG分析。

1.5 腫瘤浸潤(rùn)免疫細(xì)胞分析

CIBERSORT (https://cibersort.stanford.edu)是一種準(zhǔn)確且穩(wěn)健的算法，用于根據(jù)基因表達(dá)譜計(jì)算組織的細(xì)胞組成[22]。使用R語言的CIBERSORT函數(shù)對(duì)HNSC的mRNA的表達(dá)矩陣進(jìn)行腫瘤浸潤(rùn)免疫細(xì)胞分析，獲得所有樣本的腫瘤浸潤(rùn)免疫細(xì)胞表達(dá)比例矩陣，并將腫瘤免疫浸潤(rùn)矩陣結(jié)合HNSC的 mRNA的表達(dá)矩陣中SPP1的表達(dá)量數(shù)據(jù)進(jìn)行SPP1表達(dá)與腫瘤浸潤(rùn)免疫細(xì)胞關(guān)聯(lián)性分析。

1.6 統(tǒng)計(jì)分析

對(duì)測(cè)序數(shù)據(jù)的清洗和分析使用R語言(版本 4.0.3)進(jìn)行，對(duì)臨床數(shù)據(jù)的統(tǒng)計(jì)分析使用 IBM SPSS 23.0版本進(jìn)行。繪圖使用R語言及GraphPad Prism 8.0軟件。使用卡方檢驗(yàn)分析SPP1表達(dá)與患者臨床病理特征之間的關(guān)聯(lián)。使用單變量和多變量Cox回歸分析評(píng)估生存數(shù)據(jù)。生存曲線使用 Kaplan-Meier方法繪制，并使用log-rank檢驗(yàn)進(jìn)行比較。在所有分析中，小于0.05的雙尾P值被認(rèn)為具有統(tǒng)計(jì)學(xué)意義(*P<0.05, * *P<0.01, * * *P<0.001)。

2 結(jié) 果

2.1 數(shù)據(jù)來源及數(shù)據(jù)處理

為了獲取清潔的數(shù)據(jù)來源，使用R語言讀取HNSC的RNA測(cè)序counts格式數(shù)據(jù)，并根據(jù)TCGA官網(wǎng)的樣本注釋文件過濾樣本，將不合格樣本剔除(活檢前有放化療病史、合并多種腫瘤，以及為復(fù)發(fā)或轉(zhuǎn)移腫瘤患者)，同時(shí)提取其中的mRNA表達(dá)矩陣，從而獲得了包含466個(gè)腫瘤組織樣本，39個(gè)正常組織樣本，以及18 498個(gè)編碼基因的mRNA表達(dá)矩陣。使用R語言讀入并合并下載自UCSC官網(wǎng)的相應(yīng)樣本的臨床及預(yù)后數(shù)據(jù)，剔除臨床資料缺失的樣本后，獲得433個(gè)具有完整臨床病理分期及預(yù)后數(shù)據(jù)的腫瘤組織樣本信息。處理后的數(shù)據(jù)將用于后續(xù)分析。

2.2 表達(dá)差異分析

為了獲得TCGA HNSC mRNA表達(dá)矩陣中的差異基因，使用R語言的DESeq2包對(duì)mRNA表達(dá)矩陣進(jìn)行表達(dá)差異分析，分析過程納入批次效應(yīng)，以lgFC絕對(duì)值> 0.5,校正后P值< 0.05為界值，通過腫瘤組織樣本與正常組織樣本比較，獲得了8 146個(gè)差異基因，其中上調(diào)基因3 631個(gè)，下調(diào)基因4 515個(gè)，并以火山圖展示基因集差異表達(dá)情況(見圖1a)。在獲得的差異基因中，SPP1在腫瘤組織樣本表達(dá)較正常組織樣本顯著增高(見圖1b，P<0.001)，lgFC值為2.53。進(jìn)一步通過GEPIA網(wǎng)站[23]的生存曲線繪制，發(fā)現(xiàn)SPP1在HNSC中具有預(yù)后價(jià)值。因此，推測(cè)SPP1可能在HNSC發(fā)生與發(fā)展過程起重要作用。我們?cè)诒磉_(dá)差異分析中以lgFC絕對(duì)值> 0.5為界值，獲取了8 146個(gè)差異基因，目的是為了獲取更多的與SPP1相關(guān)性高的差異基因用于后續(xù)分析。

圖1 TCGA HNSC數(shù)據(jù)集的基因差異分析Fig.1 Analysis of gene differential expression in TCGA HNSC data set

2.3 臨床相關(guān)性分析

為了探索SPP1表達(dá)與HNSC患者臨床病理特征的相關(guān)性及其預(yù)后價(jià)值，將TCGA HNSC患者按SPP1表達(dá)量的4分位數(shù)分組，高于表達(dá)量75%分位數(shù)為高SPP1表達(dá)組，低于表達(dá)量25%分位數(shù)為低SPP1表達(dá)組，兩組共包含202例腫瘤樣本(見表1)。分析了SPP1與臨床病理特征的相關(guān)性，結(jié)果(見表2)，SPP1 表達(dá)與年齡(P= 0.003)、臨床分期(P= 0.013)及T 分期(P= 0.001)顯著相關(guān)。然而，SPP1的表達(dá)與性別(P= 0.555)、N分期(P= 0.191)及M分期(P= 0.507)無關(guān)。Cox回歸分析用于確定SPP1表達(dá)水平是否可以作為影響生存的危險(xiǎn)因素。通過單變量Cox回歸分析，與SPP1低表達(dá)者相比，SPP1高表達(dá)患者死亡風(fēng)險(xiǎn)顯著增加(P=0.022)(見表3)。將單變量分析中對(duì)生存影響有統(tǒng)計(jì)學(xué)意義(P<0.05)的變量納入多變量Cox回歸分析，結(jié)果顯示當(dāng)SPP1表達(dá)(P=0.037)、性別(P=0.024)及M分期(P=0.004)包括在內(nèi)時(shí)，SPP1可能是預(yù)測(cè)不良生存的獨(dú)立危險(xiǎn)因素(見表4)。Kaplan-Meier生存曲線表明SPP1高表達(dá)患者的總生存期明顯短于SPP1低表達(dá)患者(見圖2，P=0.020 4)，SPP1高表達(dá)患者中位生存時(shí)間為993 d，而低表達(dá)患者中位生存時(shí)間為4 856 d?？偟膩碚f，這些結(jié)果表明，SPP1在HNSC患者中的高表達(dá)與腫瘤的進(jìn)展及較短的存活期相關(guān)。

表1 TCGA HNSC患者基線資料表Table 1 Baseline data of TCGA HNSC patients

表2 SPP1表達(dá)與TCGA HNSC 患者臨床病理特征的相關(guān)性Table 2 Correlation between SPP1 expression and clinicopathological characteristics of TCGA HNSC patients

表3 TCGA HNSC患者各種預(yù)后參數(shù)的單變量Cox回歸分析Table 3 Univariate Cox regression analysis of various prognostic parameters of TCGA HNSC patients

表4 TCGA HNSC患者各種預(yù)后參數(shù)的多變量Cox回歸分析Table 4 Multivariate Cox regression analysis of various prognostic parameters of TCGA HNSC patients

圖2 按SPP1的高表達(dá)和低表達(dá)分組，202名HNSC患者的Kaplan-Meier總生存曲線Fig.2 Kaplan-Meier overall survival curve of 202 HNSC patients grouped by high and low expressions of SPP1

2.4 相關(guān)性分析及基因富集分析

為了解SPP1在HNSC中的生物學(xué)功能，包括相關(guān)通路，使用R語言的cor.test函數(shù)對(duì)SPP1 與差異基因中其他mRNA分子進(jìn)行相關(guān)性分析(見圖3a)，圖中展示了相關(guān)系數(shù)最高的15個(gè)正相關(guān)及15個(gè)負(fù)相關(guān)的差異基因。選擇與SPP1 最正相關(guān)的前200個(gè)基因進(jìn)行富集分析。使用R語言的 clusterProfiler包進(jìn)一步探索了基于這200個(gè)基因的潛在功能途徑。GO分析顯示SPP1最正相關(guān)的前200個(gè)基因主要富集于細(xì)胞外基質(zhì)組成、膠原纖維組成、膠原蛋白結(jié)合、中性粒細(xì)胞脫顆粒、免疫反應(yīng)中涉及的中性粒細(xì)胞活化、三級(jí)顆粒、IgG結(jié)合、清道夫受體活性及免疫球蛋白結(jié)合等條目(見圖3b-3d)。此外，KEGG通路分析表明SPP1最正相關(guān)的前200個(gè)基因主要富集于吞噬體、補(bǔ)體凝血級(jí)聯(lián)、中性粒細(xì)胞胞外陷阱形成等免疫相關(guān)信號(hào)通路(見圖3e)。GSEA分析用于探索KEGG通路，結(jié)果顯示補(bǔ)體凝血級(jí)聯(lián)、吞噬體、細(xì)胞粘附分子、中性粒細(xì)胞胞外陷阱形成及細(xì)胞因子-細(xì)胞因子受體相互作用信號(hào)通路顯著富集(見圖3f)。這些結(jié)果表明SPP1在HNSC中與細(xì)胞外基質(zhì)及膠原纖維形成等生物學(xué)過程有關(guān)，并與免疫學(xué)功能及免疫相關(guān)通路有關(guān)聯(lián)。

圖3 SPP1在TCGA HNSC中與其他差異表達(dá)基因的相關(guān)性分析及功能和通路富集分析Fig.3 Correlation analysis of SPP1 with other differentially expressed genes and function and pathway enrichment analysis in TCGA HNSC

2.5 腫瘤浸潤(rùn)免疫細(xì)胞分析

為了明確SPP1與腫瘤浸潤(rùn)免疫細(xì)胞的關(guān)系，進(jìn)一步使用R語言的CIBERSORT函數(shù)評(píng)估了TCGA HNSC的免疫細(xì)胞浸潤(rùn)比例，獲得了TCGA HNSC樣本中包含22種腫瘤浸潤(rùn)免疫細(xì)胞的浸潤(rùn)比例矩陣(見圖4a)。通過結(jié)合TCGA HNSC mRNA表達(dá)矩陣中SPP1表達(dá)量進(jìn)行分析，發(fā)現(xiàn)M2巨噬細(xì)胞在SPP1高表達(dá)組中浸潤(rùn)比例高于SPP1低表達(dá)組(見圖4b，P=0.001 1)，未活化樹突狀細(xì)胞在SPP1高表達(dá)組中浸潤(rùn)比例高于SPP1低表達(dá)組(見圖4c，P=0.005 5)，活化肥大細(xì)胞在SPP1高表達(dá)組中浸潤(rùn)比例高于SPP1低表達(dá)組(圖4g，P=0.048 8)，而活化記憶性CD4+ T淋巴細(xì)胞在SPP1高表達(dá)組中浸潤(rùn)比例低于SPP1低表達(dá)組(見圖4d，P<0.001)，漿細(xì)胞在SPP1高表達(dá)組中浸潤(rùn)比例低于SPP1低表達(dá)組(見圖4e，P=0.026 6)，未活化肥大細(xì)胞在SPP1高表達(dá)組中浸潤(rùn)比例低于SPP1低表達(dá)組(見圖4f，P=0.038 6)。這些結(jié)果表明SPP1的表達(dá)與HNSC中腫瘤浸潤(rùn)免疫細(xì)胞狀態(tài)密切相關(guān)。

圖4 TCGA HNSC中與SPP1相關(guān)的腫瘤浸潤(rùn)免疫細(xì)胞分析Fig. 4 Analysis of tumor infiltrating immune cells related to SPP1 in TCGA HNSC

3 討 論

SPP1是一種糖磷蛋白，主要與整合素結(jié)合發(fā)揮作用，它在多種腫瘤中高表達(dá)，例如肝癌、肺癌、前列腺癌、乳腺癌、結(jié)直腸癌及頭頸部鱗狀細(xì)胞癌等[24]。Staibano等研究發(fā)現(xiàn)，在喉鱗狀細(xì)胞癌中，SPP1表達(dá)與異型增生程度呈正相關(guān)，與生存率呈負(fù)相關(guān)[25]。通過對(duì)TCGA的HNSC數(shù)據(jù)分析，發(fā)現(xiàn)SPP1在HNSC中高表達(dá)，與之前的研究一致。推測(cè)，SPP1在HNSC中的高表達(dá)，可能與HNSC的發(fā)生與發(fā)展相關(guān)。分析了SPP1與HNSC患者的臨床病理特征的關(guān)系，發(fā)現(xiàn)SPP1與年齡、T分期及臨床分期有關(guān)，且高表達(dá)SPP1患者具有較短的生存期，通過Cox回歸模型，發(fā)現(xiàn)SPP1表達(dá)水平是影響患者生存的獨(dú)立危險(xiǎn)因素。因此，研究結(jié)果表明SPP1的高表達(dá)，促進(jìn)HNSC的進(jìn)展，并且預(yù)示較差的預(yù)后，可能成為潛在的預(yù)測(cè)HNSC預(yù)后的生物標(biāo)志物。

作為一種基質(zhì)細(xì)胞蛋白，SPP1充當(dāng)細(xì)胞-細(xì)胞外基質(zhì)相互作用的調(diào)節(jié)劑，通過與細(xì)胞表面受體、生長(zhǎng)因子、結(jié)構(gòu)基質(zhì)蛋白及蛋白酶結(jié)合，使它們成為細(xì)胞外基質(zhì)環(huán)境的重要組成部分[26]。SPP1調(diào)節(jié)金屬蛋白酶的分泌以及成纖維細(xì)胞的增殖和分化，在傷口愈合中發(fā)揮著重要作用[27]。成纖維細(xì)胞也與炎癥密切相關(guān)，它們?cè)谀[瘤微環(huán)境中產(chǎn)生膠原蛋白和其他細(xì)胞外基質(zhì)成分，刺激癌細(xì)胞增殖和血管生成[28]。通過GO分析發(fā)現(xiàn)，SPP1與細(xì)胞外基質(zhì)組成、膠原纖維組成及膠原蛋白結(jié)合等生物學(xué)過程及分子功能有關(guān)，與此前的研究一致。上述結(jié)果表明SPP1涉及多種生物學(xué)功能，包括細(xì)胞外基質(zhì)形成、組織重塑和修復(fù)、炎癥反應(yīng)及腫瘤進(jìn)展等。隨著免疫治療方法的興起，SPP1在免疫學(xué)方面的功能研究也逐漸開展。SPP1在多種免疫性疾病，如系統(tǒng)性紅斑狼瘡、多發(fā)性硬化癥和類風(fēng)濕性關(guān)節(jié)炎中高表達(dá)，具有免疫調(diào)節(jié)特性[29]。在腫瘤方面，Wei等[30]研究發(fā)現(xiàn)，SPP1是一種有效的巨噬細(xì)胞趨化因子，沉默SPP1明顯削弱了膠質(zhì)瘤細(xì)胞募集巨噬細(xì)胞的能力。在結(jié)腸癌中，SPP1通過與CD44結(jié)合負(fù)調(diào)節(jié)T細(xì)胞活化并促進(jìn)癌癥進(jìn)展[29]。但目前SPP1在HNSC中免疫學(xué)功能研究較少，尤其在腫瘤免疫微環(huán)境方面。通過GO分析顯示SPP1與中性粒細(xì)胞脫顆粒、免疫反應(yīng)中涉及的中性粒細(xì)胞活化、三級(jí)顆粒、IgG 結(jié)合、清道夫受體活性及免疫球蛋白結(jié)合等免疫相關(guān)條目有關(guān)。此外，KEGG通路分析表明SPP1與吞噬體、補(bǔ)體凝血級(jí)聯(lián)、中性粒細(xì)胞胞外陷阱形成等免疫相關(guān)信號(hào)通路有關(guān)?；贕SEA算法的KEGG分析還顯示SPP1與細(xì)胞粘附分子及細(xì)胞因子-細(xì)胞因子受體相互作用信號(hào)通路有關(guān)。這些結(jié)果表明SPP1在HNSC中與免疫學(xué)功能及免疫相關(guān)通路有關(guān)聯(lián)。但SPP1在這些免疫相關(guān)功能及通路中的具體分子機(jī)制還有待進(jìn)一步研究。

SPP1對(duì)多種免疫細(xì)胞具有趨化性，包括巨噬細(xì)胞、樹突細(xì)胞和 T 細(xì)胞等，SPP1主要通過與這些免疫細(xì)胞表面的整合素及CD44分子相互作用，通過不同的細(xì)胞信號(hào)通路，調(diào)節(jié)免疫細(xì)胞的存活、極化與遷移等；根據(jù)細(xì)胞所處的病理環(huán)境不同，SPP1可能會(huì)表現(xiàn)為促炎或抗炎作用(免疫抑制)[28,31]。巨噬細(xì)胞被識(shí)別為兩種不同的極化狀態(tài)，經(jīng)典激活的M1型(促炎)和選擇性活化的M2型(免疫抑制)[32]。M1巨噬細(xì)胞傾向于促進(jìn)抗腫瘤免疫反應(yīng)，而M2巨噬細(xì)胞發(fā)揮促腫瘤作用。樹突狀細(xì)胞(Dendritic cells, DCs)通過加工和呈遞腫瘤抗原給T細(xì)胞，在抗腫瘤免疫反應(yīng)中發(fā)揮關(guān)鍵作用。誘導(dǎo)瘤內(nèi)DCs的成熟以激活T細(xì)胞介導(dǎo)的抗癌免疫可能是一種有效的抗腫瘤策略[33]。腫瘤內(nèi)CD4+ T細(xì)胞負(fù)責(zé)抗腫瘤免疫反應(yīng)。Al-Shibli等[34]研究發(fā)現(xiàn)，CD4+T細(xì)胞數(shù)量的增加與非小細(xì)胞肺癌疾病特異性存活率的改善顯著相關(guān)，并且高密度的基質(zhì)CD4+ T細(xì)胞是非小細(xì)胞肺癌患者的有利獨(dú)立預(yù)后因素。漿細(xì)胞分泌對(duì)特異性抗原具有高親和力的抗體，在介導(dǎo)特異性細(xì)胞免疫和體液免疫中起重要作用[35]。漿細(xì)胞還可以通過細(xì)胞因子和免疫調(diào)節(jié)因子的表達(dá)發(fā)揮其抗腫瘤作用，創(chuàng)造更有效的抗腫瘤微環(huán)境[35]。肥大細(xì)胞傳統(tǒng)上與過敏和炎癥有關(guān)，但現(xiàn)在已經(jīng)認(rèn)識(shí)到肥大細(xì)胞對(duì)腫瘤細(xì)胞和腫瘤微環(huán)境具有重要影響[36]。肥大細(xì)胞在一些腫瘤中與不良預(yù)后有關(guān)，如胃癌[37]、肺癌[38]和乳腺癌[39]。通過CIBERSORT算法評(píng)估的22種腫瘤浸潤(rùn)免疫細(xì)胞在TCGA HNSC樣本中的浸潤(rùn)情況，發(fā)現(xiàn)SPP1表達(dá)與巨噬細(xì)胞、樹突狀細(xì)胞、肥大細(xì)胞、漿細(xì)胞及記憶性CD4+ T淋巴細(xì)胞浸潤(rùn)水平顯著相關(guān)，在SPP1高表達(dá)組M2巨噬細(xì)胞、未活化樹突狀細(xì)胞及活化肥大細(xì)胞浸潤(rùn)比例顯著增加，而活化記憶性CD4+ T淋巴細(xì)胞、漿細(xì)胞及未活化肥大細(xì)胞浸潤(rùn)比例顯著減少。因此，認(rèn)為SPP1可能通過影響HNSC中各種腫瘤浸潤(rùn)免疫細(xì)胞的浸潤(rùn)水平以及它們的活化狀態(tài)，從而影響免疫抑制微環(huán)境的形成，進(jìn)而導(dǎo)致HNSC的進(jìn)展，并影響患者的預(yù)后。但SPP1在HNSC中影響腫瘤浸潤(rùn)免疫細(xì)胞浸潤(rùn)水平的具體分子機(jī)制尚未清楚，有待進(jìn)一步研究。

4 結(jié) 論

總之，SPP1具有免疫調(diào)節(jié)的特性，在腫瘤免疫微環(huán)境中起重要作用，并且可能作為HNSC有價(jià)值的預(yù)后生物標(biāo)志物及免疫治療靶標(biāo)。為深入研究HNSC的發(fā)生發(fā)展機(jī)制、治療和預(yù)后靶點(diǎn)提供了理論依據(jù)。但目前的研究主要基于數(shù)據(jù)庫生物信息學(xué)分析，SPP1與腫瘤浸潤(rùn)免疫細(xì)胞的直接關(guān)系仍需要組織樣本及細(xì)胞實(shí)驗(yàn)進(jìn)一步研究。靶向SPP1改善免疫抑制微環(huán)境以增強(qiáng)免疫治療效果的方法需要在未來的基礎(chǔ)及臨床試驗(yàn)中進(jìn)一步驗(yàn)證。