标题：Bioinformatic Analysis of Immune Significance of RYR2 Mutation in Breast Cancer
研究背景
目前，免疫治疗广泛应用于乳腺癌（BC）患者，肿瘤突变负荷（TMB）被认为是一个有价值的独立预测免疫治疗反应的指标。然而，特异性基因突变及其与TMB和BC中肿瘤浸润性免疫细胞的关系尚不完全清楚。
方法
利用来自癌症基因组图谱（TCGA）和国际癌症基因组联盟（ICGC）数据集的数据进行全面的生物信息学分析。生存曲线通过Kaplan-Meier分析进行分析。预后分析采用单因素和多因素Cox回归分析。基因集富集分析（GSEA）用于探索调控机制和功能。CIBERSORT算法用于计算肿瘤浸润性免疫细胞组分。
后果
我们分析了来自TCGA和ICGC数据集的BC体细胞突变数据，发现两个队列中报告了19个频繁突变的基因，即SPTA1、TTN、MUC17、MAP3K1、CDH1、FAT3、SYNE1、FLG、HMCN1、RYR2（ryanodine受体2）、GATA3、MUC4、PIK3CA、KMT2C、TP53、PTEN、ZFHX4、MUC16和USH2A。其中，我们观察到RYR2突变与更高的TMB和更好的临床预后显著相关。此外，GSEA显示RYR2突变富集的信号通路与免疫相关通路有关。此外，基于CIBERSORT算法，我们发现RYR2突变通过富集CD8+T细胞、激活记忆性CD4+T细胞和M1巨噬细胞增强了抗肿瘤免疫反应。
结论
RYR2在BC中经常发生突变，其突变与TMB增加有关，并促进抗肿瘤免疫；因此，RYR2可以作为一种有价值的生物标志物来预测免疫反应。
结果
BC中频繁突变基因的概述。（a） 瀑布图显示TCGA BC队列中前30位突变基因。左面板：突变频率；右面板：不同的突变类型。（b） 瀑布图显示ICGC BC队列中前30位突变基因。左面板：突变频率；右面板：不同的突变类型。
基因突变与TMB相关。（a） TCGA和ICGC队列中相同频繁突变基因的维恩图。（b） 突变基因与较高的TMB相关。∗p<0.05；∗∗p<0.01；∗∗∗p<0.001；ns：没有意义
预后分析
单变量与多变量回归分析
GSEA分析
肿瘤浸润性免疫细胞在BC样本中的分布。堆叠条形图显示每个样本中22个免疫细胞的分布。
RYR2突变和肿瘤免疫浸润细胞的相关性分析。
