喜提生信新方向！还有专门的数据库提供基因集合~主打就是一个贴心！预后模型的干湿结

2023-05-25 09:45 作者:尔云间 0人读过 | 我要投稿

小云听说大家都在提一种很新潮的好运？

原来是五一出行季杭州萧山机场行李提取处变成了一整个大型好运祝福现场！

写满了各种好运文学：喜提不水逆、喜提早上岸、喜提不加班的传送带，随着行李将好运不断传递给出行的人，这波好运buff你有没有被戳中呢？

都说当代年轻人在内卷和躺平之间选择了拜拜！

科研人的苦，小云更清楚！所以小云也在不断帮大家寻找新方向的路上勇往直前~

（不知道如何找创新方向的可以找小云，各种个性化分析思路等你来挑~）

小云今天就带大家喜提生信分析的新方向——“富含腺苷酸-尿苷酸(AU)元件”！

1. 富含腺苷酸-尿苷酸(AU)元件是什么？

富含腺苷酸-尿苷酸(AU)元件(Adenylate Uridylate- (AU-) Rich Element，ARE)是指一类启动子元件，它们通过在mRNA分解速率和稳定性上发挥重要作用来调控特定的转录因子对目标基因的转录。

2、 ARE的功能？

AU丰富区域是指在mRNA 3'非翻译区内含有大量相邻的腺苷核苷酸和尿苷核苷酸序列的区域，它可以与RNA结合蛋白相互作用并影响mRNA的降解过程。

而富含腺苷酸-尿苷酸(AU-)元件基因(AREGs)则是指那些具有AU丰富区域的基因，这些基因可能编码某些应答分子如细胞因子、生长因子、激素等，以及基因表达调控因子。

AREGs在许多生物学过程中都发挥着重要的作用，比如参与免疫调节、炎症反应、组织修复和肿瘤发展等等。在某些疾病状态下，AREGs的表达量会显著增加或减少。

今天小云给大家分享一篇基于AREGs进行预后模型的生信文章，干湿结合思路，一起来学习一下吧~

题目：基于富含腺苷酸-尿苷酸(AU-)元件基因的肝细胞癌炎症相关预后模型

杂志：Mediators of inflammation

影响因子：4.529

发表时间：2023年5月

数据信息

研究思路

分析TCGA和GEO数据库中的肝细胞癌(HCC)数据，鉴定HCC样本与健康对照之间差异表达的AREGs (DE-AREGs)。采用单变量Cox和LASSO分析确定预后基因。此外，还构建了用于HCC临床预测的特征和相应的nomogram。通过功能和途径富集分析，探讨了潜在的与信号相关的生物学意义。此外，还进行了免疫浸润分析。最后，使用实时定量聚合酶链反应(RT-qPCR)验证预后基因的表达。

图1.流程图

主要研究结果

1. 分析差异表达的AREGs (DE-AREGs)并进行功能分析

分析HCC和正常样本之间差异表达基因DEGs，与数据库获得的4884个AREGs取交集，得到189个重叠基因，即DE-AREGs (图2(a))。对这些DE-AREGs进行GO和KEGG富集分析，发现DE-AREGs与有丝分裂核分裂、脂质代谢过程调节、上皮细胞增殖等有关(图2(b))。KEGG分析发现DE-AREGs在胰岛素抵抗通路中表现出富集(图2(c))。

（ps：富集分析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2. 差异表达AREGs和功能分析

2. 构建与AREGs相关的预后模型并验证

首先对189个DE-AREGs进行单因素Cox回归分析，筛选出72个预后相关的DE-AREGs。随后，LASSO Cox分析筛选出13个DE-AREGs为潜在预后基因(3(b))。采用多变量Cox分析鉴定出5个特征基因(图3(c))。基于这5个特征基因的表达计算风险评分，将患者被分为高风险和低风险组。总生存期(OS)显示，风险评分越高，OS越差(图3(d))。ROC曲线显示AUC大于0.6(图3(d))。表明5种AREGs相关特征对HCC具有较高的特异性和敏感性。

图3. 构建与AREGs相关的预后模型并验证

3. DE-AREGs预后特征的独立预测价值及列线图的构建

为了评估AREGs相关特征与临床病理特征之间的相关性，将风险评分与临床病理信息相结合。单因素分析表明，分期、T/M分期和风险评分对HCC的预后至关重要(图4(b))。此外，T分期和风险评分对HCC具有独立的预后价值(图4(c))。然后以T期和风险评分为变量生成nomogram(图4(d))，1年、3年和5年的C-index表明nomogram表现良好(图4(e))。

图4. DE-AREGs预后特征的独立预测价值及列线图的构建

4. 不同风险评分的炎症、免疫、血管细胞和基质细胞的差异分析和免疫细胞浸润分析

低风险组T细胞和B细胞受体丰度和抗原呈递机制（APM）水平显著上调(图5(a)和5(b))。此外，在低风险组中，微血管内皮细胞(MVE)、淋巴内皮细胞、周细胞和基质细胞的浸润程度更高(图5(c)和5(d))。PDCD1、CTLA4、HAVCR2和TIGIT的免疫检查点在不同风险组中存在显著差异(图5(e))。免疫细胞浸润结果显示，活化CD4 T细胞、嗜酸性粒细胞等11种免疫细胞存在显著差异(图5(f))。