6分+双热点生信分析思路！“免疫”和“代谢”两大热点强强联合，值得借鉴！

2023-02-26 19:00 作者:尔云间 0人读过 | 我要投稿

免疫和代谢虽然经典又热门，但相关的生信文章已经很多了，如何分析的有新意呢？

今天番茄君教你一个解决办法，那就是双热点分析思路！

（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！）

今天分享的这篇文章就同时分析了“免疫”和“代谢”，常规的预后模型思路也能发6分+，一起来看看吧！

题目：免疫与代谢联合基因信号在结直肠癌预后预测中的探索与验证

杂志：Frontiers in endocrinology

影响因子：6.055

发表时间：2022年11月

研究思路

从公共数据集中检索结直肠癌(CRC)样本的基因表达谱和临床数据。通过差异表达分析鉴定了IRGs和MRGs。应用单因素和多因素Cox回归分析建立预后代谢-免疫相关特征。通过Kaplan-Meier生存和受试者工作特征(ROC)曲线来评估诊断疗效。采用实时聚合酶链反应(RT-PCR)、Western blot和免疫组化(IHC)检测CRC细胞和组织中关键基因的表达。

主要研究结果

1. 构建免疫相关基因（IRGs）和代谢相关基因（MRGs）相关的预后特征

对结直肠癌（CRC）患者数据中进行DEGs和WGCNA分析分别鉴定出350个基因和1004个基因。将这些基因与MRGs和IRGs取交集得到91个基因(图1A)。其中，有13个基因与CRC的预后显著相关(图1B)。采用LASSO Cox回归、多因素Cox回归分析，最终选择了4个基因构建预后特征(图1C-E)。

图1.构建MRGs和IRGs相关的预后特征

2. 预后特征的验证

基于4个基因的表达值计算风险评分，根据风险评分中位数将所有CRC患者平均分为低风险组和高风险组。高风险组无进展生存期(PFS)和OS均明显低于低风险组(图2A)。时间相关的ROC曲线分析评估特征的预测价值(图2B)。

图2. CRC患者的生存分析

2. 基因特征的预后价值

单因素和多因素Cox回归分析显示，在TCGA队列中，风险评分（riskScore）与CRC不良预后显著相关(图3A, B)。ROC曲线显示，riskScore预测OS的AUC高于年龄、性别和TNM分期(图3C)。基于riskScore和年龄、性别、TNM分期等临床病理因素，构建预后nomogram来预测CRC患者的生存率(图3D)。校准曲线显示，预测的生存率与实际生存率之间具有良好的一致性，这表明预后nomogram具有良好的性能(图3E)。ROC曲线分析显示，nomogram AUC显著高于其他参数，如riskScore、年龄、性别、TNM分期(图3F)。应用DCA评估预后nomogram (图3G)。这些结果表明，预后nomogram预测效果最好，更适合临床应用于CRC患者的预后预测。

图3. 四个基因特征的独立预后能力

4 基于riskIndex和TNM分期的nomogram的构建与验证

基于riskIndex和TNM分期的预后nomogram来预测CRC患者的生存 (图4A)。nomogram的ROC曲线的AUC显著高于riskIndex期和TNM期(图4B)。校准曲线和DCA显示表明nomogram的预测性能性能(图4C-D)。

图4. 基于riskIndex和TNM分析进行构建Nomogram

纳入了四种已发表的CRC患者OS风险模型进行比较。Kaplan- Meier曲线分析显示，四基因模型以及其他四种模型均显示在预测CRC患者OS方面具有显著的预后价值，四基因特征在所有基因特征中具有最高的风险比(HR)(图5A, B)。

图5. 构建的四基因特征与现有基因特征的性能比较

5. 免疫特征分析

基于ssGSEA分析不同免疫细胞浸润情况，应用ESTIMATE算法比较高、低风险组免疫细胞浸润的差异（图6A、B）。高风险组间质评分均明显高于低风险组(图6C, D)。这些结果提示高风险评分的CRC患者肿瘤微环境中基质成分更丰富，更容易发生转移，可能导致预后更差。

图6.免疫特征分析

6. 关键基因ESM1的验证

在不同数据集中，通过机器学习算法筛选特征基因的预后相关基因，交集基因均有ESM1（图7A），说明其在CRC中具有潜在的重要作用。通过qPCR和Western blot检测ESM1在各细胞系、患者肿瘤和癌旁组织中的表达(图7B-F)。ESM1在CRC中的表达是可变的，ESM1高表达的患者无病生存期(DFS)较短(图7H-G)。