“色氨酸代谢方向”预后模型构建+肿瘤分型分析，轻松打造6分+肿瘤代谢纯生信模板思路

“肿瘤代谢”一直是国自然中的Top级热门研究方向，并且在生信分析领域也是位列前三的热点

虽说研究热度比不过势头最猛的“肿瘤免疫”和“细胞死亡”，但“肿瘤代谢”生信文章的占比也很高哦~ ~

那它作为一个经典研究方向，一直能稳居热点榜前三的秘诀是什么呢？ 

很大一部分原因就是“肿瘤代谢”大方向之下有很多小的分支方向，比如糖代谢、脂肪酸代谢、氨基酸代谢、乳酸代谢···每个小分支方向单拎出来都是一个新颖的生信分析切入点

再者说，肿瘤代谢与肿瘤微环境、免疫、线粒体等大热点密切相关，将肿瘤代谢中的一个方向与其他热点联合分析一下，多热点串联也能轻松拿高分！

今天小云就分享一篇6分+“氨基酸代谢”方向的生信思路——利用色氨酸代谢基因进行预后模型构建+分型分析，简简单单的分析内容，轻松打造6分+纯生信模板思路，超级容易复现，小云已经整理好了“色氨酸代谢基因集”，码住备用吧 ~ 

l 题目：识别和验证基于色氨酸代谢相关基因的风险模型和分子亚型，以预测低级别胶质瘤的临床预后和肿瘤免疫微环境

l 杂志：Front. Cell. Neurosci.

l 影响因子：IF=6.147

l 发表时间：2023年2月

数据来源

研究流程

首先在TCGA队列分析了LGG和正常组织中TRGs的表达水平，获得差异表达的TRGs (DE-TRGs)。接下来，使用单变量Cox回归和LASSO回归分析确定了具有预后价值DE-TRGs作为关键TRGs，并构建风险模型。基于关键TRGs的表达水平进行共识聚类分析。然后，分析不同风险组和分子亚型之间的预后价值、临床病理因素和肿瘤免疫微环境特征。最后，在LGG患者中分别分析每个关键TRGs的表达以及与预后和免疫浸润细胞的相关性。

主要结果

1. LGG中基于TRGs的风险模型构建

首先在TCGA/GTEx队列LGG和正常对照中比较50个TRGs的差异表达，获得46个差异表达的TRGs (DE-TRGs)。在TCGA-LGG队列中基于50个TRGs进行单变量Cox回归分析，获得34个LGG预后相关TRGs，与DE-TRGs取交集得到32个预后相关DE-TRGs（图1C）。针对这32个基因进行LASSO回归分析，获得6个关键TRGs（图1A），并构建预后风险模型（图1D, E）。根据风险评分中值，患者被分为低风险组和高风险组，进行KM生存分析，并利用ROC曲线评估模型预测性能（图1B）。综合风险评分和临床病理因素建立一个预测LGG患者1年、3年和5年OS的列线图，并利用校准曲线评估模型的预测一致性（图1F, G）（ps：这里用到的单因素Cox回归、LASSO回归、KM生存曲线绘制、ROC曲线绘制、列线图和校准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 基于TRGs风险模型的构建

2. 不同风险评分亚组的免疫浸润分析

使用Estimate算法计算每个LGG样本的基质评分、免疫评分、估计评分和肿瘤纯度，并分析其与风险评分的相关性（图2A-D）以及在高低风险组间的差异（图2E-H）。通过“CIBERSORT”算法来每个LGG样本中22种免疫细胞的相对浸润丰度，并比较风险组之间免疫细胞浸润水平的差异（图2I）。

图2 免疫浸润分析

3. 基于TRGs的分子亚型分析

基于6个关键TRGs的表达进行无监督聚类分析，TCGA队列中的LGG患者可以分为两类（图3C），比较6个关键TRGs在聚类1和聚类2中的表达（图3D）。进行KM生存分析评估两组的预后差异（图3E），综合分子亚型和临床病理特征构建列线图，校准曲线评估列线图预测模型的一致性（图3F）。（ps：利用分子亚型建立列线图的分析比较少见，分析不复杂又比较新颖，可以学起来哟）

图3 基于TRGs的分子亚型分析

4. 分子亚型与肿瘤免疫微环境（TIME）的相关性分析

利用Estimate算法比较两组间的肿瘤微环境得分(基质得分、免疫得分、估计得分和肿瘤纯度)（图4A-D），使用“CIBERSORT”算法计算聚类1和聚类2之间免疫细胞浸润的差异（图4E）。

图4分子亚型与TIME相关性分析

5. 关键TRGs的表达、预后价值和免疫相关性分析

首先在HPA数据库中验证6个关键TRGs在LGG和正常组织中的蛋白表达（图5D）。在验证队列中进行KM生存分析以评估6个关键TRGs的预后价值（图5E）。评估6个TRGs与间质评分、免疫评分、评估评分和肿瘤纯度的Spearman相关性，使用“CIBERSORT”分析来计算22种免疫细胞的浸润水平并分析6个TRGs与免疫浸润细胞的相关性。

图5关键TRGs的表达、预后价值和免疫相关性分析

文章小结

这篇氨基酸代谢方向的文章，首先利用色氨酸代谢基因构建预后模型，再基于关键预后基因进行分型分析，分析思路简单，内容相对丰富又容易复现，轻松打造6分+纯生信，性价比相当高，超级适合作为新手小白的肿瘤代谢纯生信模板思路！小云整理好了“色氨酸代谢基因集”，有需要的小伙伴赶快码住，换个癌种就能复现啦！