捡漏大法好—选对疾病方向+思路创新=事半功倍发高分! 焦亡非肿瘤预后模型构建8分+纯生

看到小云的文章题目，你可能会比较疑惑——焦亡都已经提出那么久了，纯生信还能发到8分+，是不是真的啊？

哈哈，是真的！小云在刚看到这篇文章前也是比较吃惊，本来已经把焦亡归为干湿结合类方向了，结果又冒出个刚发表的8分+纯生信，那我们就来瞧一瞧它葫芦里卖的什么药，怎么达到如此惊喜的效果~ ~

原来是个“捡漏”成功的文章，这里的“捡漏”可不是贬义，这是一种选题智慧——关键是疾病和分析方向要选好，比如这篇文章中研究焦亡在非肿瘤疾病（脓毒症）中的预测作用，焦亡可能在肿瘤中已经研究的比较多了，但在脓毒症这类非肿瘤疾病中做的还比较少，可以查到目前在脓毒症中做焦亡方向生信分析的文章仅此一篇，那么它的创新性自然就高了（ps：这就是捡漏成功了，需要满足某分析方向在某疾病中没有或者少有生信文章，那我们就可以放心捡漏了，创新性绝对不低）。

另外一个技巧就是分析思路有点创新——在非肿瘤疾病中构建预后模型+疾病分型，在一众非肿瘤诊断模型或联合疾病分型思路中，预后模型思路的效果非常哇塞！

l 题目：通过焦亡相关基因标记预测脓毒症患者的预后

l 杂志：Front. Immunol.

l 影响因子：IF=8.786

l 发表时间：2022年12月

研究背景

脓毒症仍然是一种威胁生命的高死亡率疾病，每年在世界范围内导致数百万人死亡。许多研究表明，焦亡在脓毒症的发展和进展中起着重要作用。然而，脓毒症中焦亡相关基因的潜在预后和诊断价值仍然未知。

数据来源

研究思路

将GSE65682中的DEGs与焦亡基因取交集，获得焦亡相关DEGs，随后根据其表达，利用一致性聚类来确定脓毒症的2种分子亚型。在GSE65682发现队列中进行单变量cox分析和LASSO cox回归分析用于选择预后差异表达的焦亡相关基因并构建预后风险评分。脓毒症患者根据其风险评分被分类为低风险或高风险，进行生存预后分析。功能分析和免疫浸润分析用于研究脓毒症患者的生物学特征和免疫细胞富集。然后分析焦亡相关基因与免疫细胞的相关性，最后利用ROC曲线评估所选基因的诊断价值。

主要结果

1. 焦亡相关差异基因的识别和疾病分型分析

首先在GSE65682中确定了3469个差异表达基因（图1A），将DEGs与60个焦亡相关基因取交集，共获得16个焦亡相关DEGs（图1B）。根据焦亡相关DEGs的表达进行一致性聚类，聚类为2个亚型（图2A），分析两亚型间的预后（图2C），以及焦亡相关DEGs表达水平（图2D）。

图2 疾病分型分析

2. 脓毒症焦亡相关基因预后风险模型的建立与验证

使用单变量Cox分析从16个焦亡相关DEGs中鉴定出10个与预后相关的基因（图3A），再用LASSO回归分析筛选6个特征基因构建预后模型（图3B, C）。将患者分为高低评分组，在GSE65682发现队列中进行Kaplan-Meier生存分析并利用ROC曲线评估预测性能（图3F, G），在验证队列中进行模型验证（图4）。最后构建了一个基于年龄和风险评分的列线图，并利用ROC曲线评估其准确性（图5）。

图5列线图的构建与评价

3.焦亡相关预后模型与免疫细胞浸润的关系

使用CIBERSORT算法评估高风险评分组和低风险评分组之间22种免疫细胞浸润差异（图6A），并分析焦亡相关基因与免疫细胞之间的相关性（图6B）。

图6 免疫浸润分析

4. 焦亡相关预后模型的功能富集分析

为了揭示与自噬相关预后模型相关的潜在生物学功能和途径，使用GO富集和KEGG途径分析分析了高风险和低风险评分组之间的差异基因（图7）。

5. 评估焦亡相关基因对脓毒症的诊断性能

利用ROC曲线评估6个焦亡相关基因对脓毒症的诊断性能（图8A），并比较脓毒症患者和健康个体之间六种基因表达水平（图8C）。

文章小结

这个文章利用焦亡相关基因在脓毒症中进行疾病分型，并建立预后模型。基于焦亡基因的肿瘤分型+预后模型构建放在肿瘤中相当常规，属于最简单基础的分析思路，但是挪到非肿瘤疾病领域效果还是非常哇塞的。因为预后模型在非肿瘤疾病中做的非常少，更多是做诊断模型，所以如果你关注的非肿瘤疾病有生存预后信息，用这个思路创新性绝对杠杠的！