“代谢”，这个词我相信各位具备医学背景的小伙伴们都已经耳熟能详了~

另一个关键词就是大家日常最想消灭掉的——“脂质”！

这两个词在一起会碰撞出怎样的火花呢...

现如今“肿瘤代谢”研究方向越来被重视，为了能让更多的朋友们参与这个Top级热点方向，小云今天分享的这篇文章，选择了前文提及的“脂质代谢”方向。本文分析数据量不是很大，但麻雀虽小却也五脏俱全，预后模型的构建再加上简单的实验验证，给我们提供了一个脂质代谢新思路，学会了生信小白也能轻松复现！在听小云介绍的时候说不定就给你带来科研灵感了哦！（ps：没有思路、不知道怎么创新的找小云，超多个性化的分析思路供你选择哦！）

 题       目：胃癌脂质代谢相关和免疫相关预后评分的构建

 杂       志：BMC Medical Genomics

 影响因子：IF=3.622

 发表时间：2023年5月

研究背景

脂质不仅在维持细胞膜稳态中起关键作用，而且在信号转导中起重要作用。越来越多的证据表明，脂质代谢是肿瘤进展和EMT的重要调节因子。肿瘤细胞与免疫或非免疫间质细胞相互作用，形成独特的肿瘤微环境，在胃癌的生长、侵袭和转移过程中发挥重要作用。因此，了解胃癌细胞与TME激活的免疫细胞之间的主要代谢差异，将肿瘤内代谢与免疫治疗联系起来，可能是增强肿瘤免疫治疗的潜在机制。

数据来源

研究思路

通过对疾病和对照组的差异表达基因（DEGs）进行单因素和多因素Cox回归分析，获得了6个脂质代谢相关基因(LMAGs)的风险评分。结合临床病理因素构建nomogram，通过受试者工作特征曲线(ROC)、决策曲线分析(DCA)、净重分类改善(NRI)和综合判别改善(IDI)对模型性能进行评价，并利用该模型对患者进行风险评分，将患者分为高危组和低危组；通过GO、KEGG、GSVA和ssGSEA，探讨了高危组(HRisk)和低危组(LRisk)之间的功能富集；采用CIBERSORT、quanTIseq和xCell检测HRisk与LRisk之间的免疫细胞浸润情况；通过“IOBR”包计算相关EMT评分、巨噬细胞浸润评分和各种代谢评分，并进行可视化分析。最后，利用qRT-PCR验证Hub基因表达。

主要结果

1. 筛选候选基因及风险评分构建与验证

通过KEGG数据库收集到243个脂质代谢相关基因。通过单变量Cox回归分析，获得了6个脂质代谢相关基因(ADH4、AKR1B1、CYP4A11、NEU2、SMPD3、ST6GALNAC3)的拟合风险评分（图1A）。通过生存分析，我们发现上述6个基因具有显著的预后意义（小提示：风险评分越高，患者的总生存率越低） (图1B)。以中位风险评分为分界点，将患者分为低危组(LRisk)和高危组(HRisk)。HRisk和LRisk之间的代谢编程通过“IOBR”包计算，发现HRisk和LRisk在脂质代谢相关产物的表达上存在显著差异(图1C,D)。利用GSVA计算REACTOME数据库中HRisk和LRisk之间的差异，结果表明HRisk和LRisk在脂质代谢相关通路的富集上存在显著差异(图1E,F)。

图1 筛选候选基因及风险评分构建与验证

2. Nomogram的建立、评价与验证

将单因素Cox回归分析的患者年龄、T分期、N分期与风险评分4个指标纳入多因素Cox回归，建立预测患者总生存率的模型，发现该模型可以在训练集和验证集上准确预测患者的预后(图2A,B)。通过nomogram将模型可视化，再通过校准曲线检测发现nomogram具有很好的一致性(图2C)。从ROC曲线来看，nomogram在1年、3年和5年的AUC分别为0.725、0.729和0.749，说明nomogram具有较好的预测性能(图2D-F)。然后使用DCA来评估有风险评分的列线图和没有风险评分的列线图二者的潜在临床影响，结果表明带有风险评分的nomogram具有更好的临床决策能力(图2G-I)。

图2 Nomogram的建立、评价与验证

3. 风险评分的潜在功能分析

通过GO分析HRisk和LRisk之间的差异基因，发现GO-BP中富集了更多的免疫相关通路，GO-CC和GO-MF中富集了更多的细胞外基质(ECM)相关通路(图3A, B)。在KEGG数据库中显著富集了ECM、焦点粘附和血管平滑肌收缩(图3C, D)。通过ssGSEA分析了HRisk和LRisk之间的Hallmark差异，结果表明血管生成和上皮间质转化在HRisk中显著富集(图3E, F)。随后进一步分析了Powles等人的EMT相关标记物，发现HRisk组患者的EMT评分高于LRisk组，且更容易发生上皮间充质转化(图3G)。综上所述，脂质代谢重编程可能影响肿瘤细胞的侵袭、转移和免疫微环境。

图3 风险评分的潜在功能分析

4. 风险评分与肿瘤免疫微环境的相关性

采用ESIMATE算法计算肿瘤微环境评分，经计算发现HRisk组免疫评分和间质评分较高，肿瘤纯度较低(图4A, B)。通过进一步分析CIBERSORT、quanTIseq和xCell，发现HRisk组M2巨噬细胞普遍增加(图4C-F)。此外，通过引用文献中的巨噬细胞评分进一步验证训练集和验证集，发现HRisk组有更多的巨噬细胞浸润(图4G)。在HRisk组中，参与肿瘤抗原识别障碍的肿瘤相关巨噬细胞的免疫检查点(SIRPA、LILRB1、SIGLEC10)显著增加，释放抗吞噬信号，负向调节巨噬细胞的吞噬功能(图4H)。

图4 风险评分与肿瘤免疫微环境的相关性

5. 风险评分的潜在功能分析

通过TIMER2.0数据库分析，我们发现ADH4、CYP4A11、ST6GALNAC3与M1巨噬细胞呈负相关，与M2巨噬细胞呈正相关(图5A)。AKR1B1和ST6GALNAC3在HRisk组中稳定且高表达(图5B, C)。同时通过单细胞数据库(TISCH)分析发现ST6GALNAC3主要在肿瘤细胞中表达(图5D-F)。接下来探讨LMAGs与巨噬细胞浸润的关系，发现ST6GALNAC3和AKR1B1显著促进巨噬细胞趋化因子的分泌(图5G)。LMAGs显著促进了M2巨噬细胞标志物的表达(图5H)。还发现ST6GALNAC3和AKR1B1可以显著促进EMT相关标志物的高表达(图5I)。在CCLE数据库中进行验证，发现ST6GALNAC3与EMT标志物(ROR2和TAGLN)呈显著正相关，还探索了ST6GALNAC3在各种胃癌细胞系中的表达情况(图5J-L)。最后，选择AGS细胞进行qRT-PCR实验验证，发现ROR2和TAGLN随着ST6GALNAC3的下调而显著降低(图5M)。

图5 风险评分的潜在功能分析

文章小结

这个文章通过对脂质代谢相关基因的单因素和多因素分析，构建了新的脂质代谢评分，筛选出具有预后价值的脂质代谢相关基因（LMAGs）。这6个LMAGs特征能有效评价GC患者的预后，反映其免疫状态。总的来说，“预后模型的构建+免疫浸润分析+关键基因的验证”的生信分析套路比较经典，对代谢方向感兴趣的小伙伴们，码住这个思路赶快复现起来吧！