7分+“组蛋白修饰”预后+分型思路，公共数据分析+自有队列验证，干湿结合拿高分，可复

这两天有个粉丝朋友私信小云，说推荐个生信分析方向，不想找发文竞争比较大的生信大热点···

小云给推荐是“分子机制”方向，不过粉丝朋友给我的第一反应是“分子机制还能做生信？会不会太难啊？”

盲猜这位朋友没有看到小云之前分享一些“分子机制”方向的生信文章（ps：感兴趣的朋友可以点击文末链接或公众号主页搜索查看哦）

分子机制方向做生信可是大有可为的，因为这个大方向下面有很多小分支，比如乙酰化、RNA甲基化、糖基化、泛素化、组蛋白修饰···再把这么多方向跟不同疾病（ps：分子机制方向做生信还不限制疾病，肿瘤和非肿瘤都能做，双/多疾病分析也能做哦，很万能啦）排列组合一下，是不是发文空间相当相当大了~ ~

小云这回介绍一个组蛋白修饰思路——基于H3K4me3-lncRNA进行肿瘤分型+预后模型构建，最后利用自有队列进行IHC分析和验证。文章的选题方向创新性比较高、干湿结合数据量满满，并且思路又好复现，实在是个不可多得的发文好模式啊，目前这个方向发文量比较少，创新性比较高，发文空间大，有兴趣的小伙伴赶快冲一波吧！

l 题目：H3K4me3相关lncRNAs特征及H3K4me3调节肺腺癌肿瘤免疫的综合分析

l 杂志：Respir Res

l 影响因子：IF=7.162

l 发表时间：2023年5月

研究背景

基因启动子区的异常活性是肿瘤发生的关键启动因素。组蛋白H3蛋白亚基(H3K4me3)上赖氨酸4的三甲基化是一种在活性基因上发现的特殊甲基化标记，而CpG岛的H3K4me3水平在很大程度上决定基因转录。虽然基因启动子中H3K4me3的富集表明该基因的高表达，但是H3K4me3对肿瘤的作用仍有争议，因此H3K4me3在LUAD中的作用和机制仍需进一步探讨。

数据来源

研究思路

首先基于H3K4me3相关lncRNA的表达进行聚类分析，构建了三个不同的H3K4me3-lncRNA簇，分析3种类型的预后差异和TME免疫特征。随后，在TCGA-LUAD队列中通过单变量Cox分析筛选了53个预后相关H3K4me3-lncRNAs，建立H3K4me3-lncRNAs评分模型来预测LUAD患者的预后。评估风险评分的预后价值，对肿瘤免疫的影响以及H3K4me3调节肿瘤进展的潜在分子机制。纳入了两个独立的免疫治疗队列，以研究高H3K4me3评分对患者预后的影响。最后使用了一个自有验证队列验证H3K3me3高表达对患者预后的影响。

主要结果

1. 基于H3K4me3相关lncRNAs的聚类分析

根据lncRNA和29个H3K4me3调节因子之间的相关性分析提取了568个H3K4me3相关的lncRNA，通过单变量Cox回归分析确定了53个预后相关H3K4me3-lncRNA（图1A, B）。基于53个H3K4me3相关lncRNAs表达进行无监督聚类分析，将477名患者分为3种模式（图2A），KM生存分析显示cluster 1预后最好，cluster 3预后较差（图2B）。在3个模式间进行GSVA分析，发现GSVA分析显示，与cluster 1相比，cluster 3主要涉及错配修复、WNT途径激活和免疫抑制（图2C）。为了探索每个H3K4me3修饰模式的生物学机制，作者取每两个H3K4me3-lncRNA簇之间DEGs的交集，获得592 DEGs进行GO和KEGG分析（图2D），显示H3K4me3修饰与免疫、上皮的形态发生、WNT信号通路和细胞粘附密切相关。（ps：cox回归分析、聚类分析、KM曲线绘制也可以用小云新开发的零代码生信分析小工具实现，云生信分析工具平台包含超多零代码分析和绘图小工具，上传数据一键出图，感兴趣的小伙伴欢迎来尝试哟，网址：http://www.biocloudservice.com/home.html）。

图1 H3K4me3相关lncRNAs的鉴定

图2 聚类分型分析

2. H3K4me3-lncRNA评分的分子特征及预后分析

根据53个H3K4me3相关lncRNAs的表达利用主成分分析(PCA )对每个患者进行评分。根据评分最佳截断值对患者进行分组，KM生存分析显示H3K4me3-lncRNA评分低的患者表现出良好预后（图3B）。作者进一步分析H3K4me3-lncRNA评分与免疫激活、细胞周期、程序性细胞死亡、细胞修复、MYC介导的途径、TP53介导的途径、STAT3介导的途径、FOXM1介导的途径、ILs介导的途径和趋化因子介导的途径之间的相关性（C1和C2）（图3A）。

图3 H3K4me3-lncRNA评分的分子特征及预后分析

3. H3K4me3-lncRNA评分与免疫细胞激活相关通路的相关性分析利用GSVA计算患者的免疫通路激活富集分数，分析评分与免疫细胞活化相关途径之间的相关性（图4A），比较高和低H3K4me3-lncRNA分数组之间的免疫细胞活化相关途径富集分数的差异（图4B）。结果显示，H3K4me3-lncRNA评分与T细胞和B细胞介导的抗肿瘤免疫信号通路呈强负相关，H3K4me3-lncRNA评分高的患者免疫通路激活明显低于H3K4me3-lncRNA评分低的患者。作者又针对CD4+T细胞、CD8+T细胞、通过MHC途径激活的T细胞进行KM生存分析以评估免疫细胞活化相关分子亚型对预后的影响（图4 C-E），结果证实了H3K4me3修饰与CD4+T细胞、CD8+T细胞介导的肿瘤免疫密切相关。所以，作者又综合评分和免疫细胞活化相关分子亚型模型进行KM生存分析（图4L-N），发现低H3K4me3-lncRNA评分和高CD4+T细胞富集评分的患者具有最好的生存优势。

图4 H3K4me3-lncRNA评分与免疫细胞激活相关通路的相关性分析

4. H3K4me3修饰对LUAD生物过程的影响

为了直接证明H3K4me3修饰在LUAD中的作用，作者又纳入了H3K4me3评分。首先分析H3K4me3评分和其他组蛋白甲基化修饰评分的相关性（图5A），然后再分析H3K4me3评分与肿瘤相关生物学过程之间的相关性（图5B）。比较高和低H3K4me3评分组之间的CD4+T细胞、CD8+T细胞、通过MHC途径激活的T细胞和TGFβ途径的富集分数差异（图5C）.结果显示H3K4me3评分高的患者CD4+T细胞和CD8+T细胞活化增加，并抑制TGFβ介导的EMT。

图5 H3K4me3修饰对LUAD生物过程的影响

5. H3K4me3修饰在免疫治疗中的作用分析

首先通过ROC曲线评估了H3K4me3-lncRNA评分、H3K4me3修饰和免疫检查点ICs表达对LUAD患者预后的预测能力（图6B），时间依赖性AUC表明H3K4me3-lncRNA评分和H3K4me3评分具有更好的预测患者预后的能力（图6C）。分析H3K4me3评分与ICs表达的相关性（图6D），比较高H3K4me3组和低H3k4me 3组之间免疫检查点表达差异（图6E）。在免疫治疗队列中进行KM生存分析以评估H3K4me3修饰在ICIs治疗中的预测作用（图6A），比较不同Nivolumab反应组中的H3K4me3评分（图6F）。

5. H3K4me3的免疫组织化学验证

作者收集了52名LUAD患者的临床组织石蜡样本作为独立验证队列，通过IHC染色分析H3K4me3蛋白在LUAD肿瘤组织及其邻近正常组织中的表达（图7A-C）。根据IHC评分将患者分为高H3K4me3组和低H3k4me3组，KM生存分析显示高H3K4me3组患者具有良好预后（图7D）。

图7 H3K4me3的免疫组织化学验证

小结

这篇文章基于H3K4me3调节因子和相关lncRNA进行分型和预后分析，并利用自己收集的独立临床队列进行模型验证。选题方向和整体思路的创新性都比较高，数据量很充实，干湿结合提分小伙也很强，发到7+还是比较轻松的！目前组蛋白修饰方向的生信文章并不多，发文空间还是相当大的，用上这个思路，换个疾病或肿瘤快去复现吧！