蹭诺奖热点——缺氧，用最简单的预后分析思路+大队列验证发5分+生信文章，生信小白放

经常看生信文章的小伙伴应该不难发现，“肿瘤免疫微环境”基本占据了肿瘤生信分析的半壁江山，并且很多分支方向都是爆火的热点，比如CAFs细胞、TAM细胞、T细胞等等···

但爆火的热点同时也意味着发文量比较大，发文竞争压力也比较大，想在这些方向上发高分文章的话就要求突破和创新，对于生信新手来说会比较难（ps：新手小白不要怕，布小谷给你推荐更好走的路，跟着小云继续往下看吧）~ ~

其实呢，我们也可以换条更容易的路走，尤其适用于生信新手小白，那就是在肿瘤微环境里找一个发文量还没有爆满的方向，布小谷推荐 “缺氧微环境”。“缺氧微环境”也属于肿瘤微环境热点，并且曾获得“诺贝尔生理学或医学奖”，有热度，发文量又不是特别多，有复现空间和创新性，岂不是上车的大好时机，把握住哟

下面布小谷就分享一个基于缺氧基因的头颈部鳞状细胞癌预后模型构建的超简单思路，加上大队列验证轻松发到5分+，换个癌种就能复现，一起来就看看吧~

l 题目：用于头颈部鳞状细胞癌预后和免疫原性评估的新型缺氧相关特征的开发和验证

l 杂志：Frontiers in Oncology

l 影响因子：IF=5.738

l 发表时间：2022年11月

研究背景

缺氧是实体瘤的标志，对血管生成、代谢、增殖、转移和细胞分化具有广泛影响，在头颈部鳞状细胞癌(HNSCC)的预后中起着关键作用。然而，到目前为止，尚未建立稳健可靠的缺氧相关预后特征来准确评估HNSCC患者的预后。

数据来源

研究思路

筛选HNSCC 患者和对照组之间差异表达的HRGs，然后使用survival包进行单变量Cox回归分析以筛选出15个预后相关的HRGs，再进行进行LASSO Cox回归分析，构建基于6个HRGs的HNSCC患者预后模型。使用不同的队列对模型进行了验证，并进行了独立性检验。分析了预后特征与基因突变以及免疫景观之间的相关性。最后，应用IHC染色验证了6个HRGs在HNSCC样本中的表达。 

研究结果

1. 预后相关的HRG鉴定和基于HRG预后模型的构建和验证

使用survival包进行单变量Cox回归分析筛选出15个预后相关的HRGs（图1A），再进行LASSO Cox回归分析建立基于6个HRGs的预后模型（图1B）。根据中位风险评分将HNSCC患者分为高风险组和低风险组，进行KM生存分析（图1D）并利用ROC曲线评估模型预测性能（图1E），在验证队列中进行模型验证（图1J, K）。最后综合风险评分和临床特征（如年龄、分期等）建立一个列线图以预测HNSCC患者术后1年、3年和5年的生存率，并利用ROC曲线评估预测性能（图1C）。

图1 基于HRGs预后模型的构建与验证

2. GSEA分析和突变分析

在高风险组和低风险组之间进行GSEA分析以揭示参与缺氧的候选途径 ，分析显示缺氧与肿瘤的生长和侵袭密切相关，代表预后不良（图2A）。应用maftools包对两个风险组基因突变特征进行了分析，发现高风险组的突变频率更高（图2B, C）。

图2 GSEA分析和突变分析

3. 低风险和高风险HNSCC患者之间的免疫浸润分析

使用CIBERSORT、TIMER、MCP-count、EPIC和quanTIseq多种算法来估计两个风险组间的免疫细胞浸润情况，多种免疫细胞丰度在两组间存在显着差异。 比较两个风险组间免疫检查点基因表达差异。利用ESTIMATE算法计算两风险组患者的免疫评分、基质评分和估计评分。通过TIDE评分和TMB评分评估风险评分对ICI治疗反应的预测作用。

图3 免疫浸润分析

4. 临床样本验证6个HRGs的蛋白表达

收集127名HNSCC患者肿瘤样本，利用IHC染色来检测HNSCC样本中6个HRGs蛋白质的表达，计算了每个样本的风险评分，并根据中位数划分了高风险组和低风险组，比较六种HRGs在两风险组中的表达差异（图4A）。然后通过KM生存曲线分析预后（图4B），结果同TCGA一致，结果提示风险评分较高的患者预后不良。（ps：收集100多例临床样本来做大队列验证的并不多见，提分效果非常明显，能够大量收集样本的朋友可以尝试这种简单分析+大队列验证的思路哦）

图4 HRGs的大队列表达验证和预后分析

文章小结

本研究建立了一个基于HRG的预后模型，并在大队列中进行表达验证。前期生信分析思路属于肿瘤生信中最常规分析，比较简单，适合新手小白初次尝试使用，再加上大队列验证以后文章直接发到5分+，也就是说大队列湿实验验证的提分效果非常棒，对于收集样本容易又不想做测序的小伙伴，非常适合这种思路哦，在“缺氧”方向发文竞争力还不大的时候，用上思路换个癌种赶紧复现吧！