摘要
目的：鑒定與急性髓性白血参邢唷（AML）中的腫瘤微環(huán)境（TME）相關(guān)的預(yù)后價值基因号涯。
方法和材料：從癌癥基因組圖譜（TCGA）數(shù)據(jù)庫下載了3級AML患者基因轉(zhuǎn)錄組圖譜杭煎。臨床特征和生存數(shù)據(jù)是從基因組數(shù)據(jù)共享（GDC）工具中提取的膊存。然后判哥，將limma軟件包用于規(guī)范化處理。ESTIMATE算法用于計算免疫谤绳，基質(zhì)和ESTIMATE得分。我們在癌癥和急性白血病B組（CALGB）細胞遺傳學(xué)風(fēng)險類別中檢查了這些分數(shù)的分布袒哥。Kaplan-Meier（KM）曲線用于評估免疫評分缩筛，基質(zhì)評分，ESTTIMATE評分與總生存率之間的關(guān)系堡称。我們進行了聚類分析瞎抛，并使用熱圖，火山圖和維恩圖篩選了差異表達基因（DEG）却紧。經(jīng)過途徑富集分析和基因組富集分析（GESA）桐臊，構(gòu)建了蛋白質(zhì)-蛋白質(zhì)相互作用（PPI）網(wǎng)絡(luò)并篩選了關(guān)鍵基因胎撤。我們通過計算風(fēng)險評分（RS）和處理生存率分析來探索中心基因的預(yù)后價值。最后断凶，我們在Vizome數(shù)據(jù)庫中驗證了表達水平伤提，整體存活率的關(guān)聯(lián)以及輪轂基因的基因相互作用。
結(jié)果：我們在研究中從TCGA數(shù)據(jù)庫中收集了173個AML樣本认烁。較高的免
疫評分與CALGB細胞遺傳學(xué)風(fēng)險類別中較高的風(fēng)險等級相關(guān)（P = 0.0396）和較差的總體生存結(jié)果（P = 0.0224）肿男。在維恩圖中，通過差異分析篩選了827個相交基因却嗡。功能富集聚類分析揭示了交叉基因和免疫反應(yīng)之間的重大關(guān)聯(lián)舶沛。通過PPI網(wǎng)絡(luò)后，鑒定了18個TME相關(guān)的中樞基因窗价。RS的計算和生存分析結(jié)果表明如庭，高RS與整體生存差有關(guān)（P<0.0001）。此外撼港，生存接收器的工作特性曲線（ROC）表現(xiàn)出優(yōu)越的預(yù)測精度（曲線下的面積= 0.725）坪它。最后，來自Vizome數(shù)據(jù)庫的熱圖證明18個中樞基因在患者樣品中顯示出高表達餐胀。
結(jié)論：我們從TCGA數(shù)據(jù)庫中鑒定了18個TME相關(guān)基因哟楷，這些基因與AML患者的總生存率顯著相關(guān)。
方法與材料
數(shù)據(jù)采集
收集了癌癥基因組圖譜（TCGA）數(shù)據(jù)庫（https://portal.gdc.cancer.gov/）中AML患者的基因轉(zhuǎn)錄組譜否灾。我們在樣本代碼中加入了以“ -03”結(jié)尾的樣本數(shù)據(jù)卖擅，這意味著這些數(shù)據(jù)屬于“原發(fā)性癌癥-外周血”。AML Multiforme的RNA表達是從IlluminaHiSeq（版本：2017-10-13）獲得的墨技。之后惩阶，我們通過TCGA通過Genomic Data Commons（GDC）工具下載了生存數(shù)據(jù)。提取性別扣汪，癌癥和急性白血病B組（CALGB）的細胞遺傳學(xué)風(fēng)險類別和生存條件断楷。我們排除了未以“ ?03”結(jié)尾的AML樣本以及存活和臨床信息不完整的樣本。我們使用limma包進行歸一化處理崭别。使用ESTIMATE算法計算免疫冬筒，基質(zhì)和ESTIMATE得分。
相關(guān)分析和生存分析
進行了普通的單方差分析茅主，以顯示免疫評分舞痰，基質(zhì)評分，ESTIMATE評分和CALGB細胞遺傳學(xué)風(fēng)險類別之間的關(guān)聯(lián)诀姚。我們使用KM曲線來評估免疫評分响牛，基質(zhì)評分，估計評分和總體生存率之間的關(guān)系。P <0.05被認為具有統(tǒng)計學(xué)意義呀打。
熱圖矢赁，聚類分析和差異表達基因
我們將免疫評分和基質(zhì)評分按中位數(shù)分為高組和低組。我們設(shè)置| log（FC）| > 1且假發(fā)現(xiàn)率（FDR）<0.05作為用于轉(zhuǎn)錄組數(shù)據(jù)標(biāo)準(zhǔn)化的limma軟件包的標(biāo)準(zhǔn)贬丛。要表達差異表達基因（DEG）篩選和聚類分析的結(jié)果撩银，| log（FC）| 在執(zhí)行熱圖時設(shè)置為> 1，F(xiàn)DR <0.05瘫寝；| log2FC | 在基于pheatmap程序包蜒蕾，ggplot2程序包和聚類分析的火山圖繪制中，將設(shè)置為= 1焕阿。之后咪啡，通過基于VennDiagram軟件包的Venn圖在免疫評分和基質(zhì)評分中篩選相交的DEG
差異表達基因的富集分析和基因組富集分析
用于注釋，可視化和集成發(fā)現(xiàn)的數(shù)據(jù)庫（DAVID暮屡，https：//david.ncifcrf.gov/）用于通過生物過程（BP）撤摸，細胞成分（CC）和生物過程構(gòu)建基因本體（GO）分析。分子功能（MF）褒纲。另外准夷，基于org.Hs.eg.db軟件包，clusterProfiler莺掠，org.Hs.eg.db衫嵌，richplot和ggplot2軟件包執(zhí)行q <0.05 的KEGG。在FDR <0.25彻秆，|富集分數(shù)|> 0.35楔绞，基因大小≥35的基因集富集分析（GSEA）中，我們選擇“ c2.cp.kegg.v6.2.symbols.gmt基因集”作為基因集數(shù)據(jù)庫和“Illumina_Human.chip”作為芯片平臺
蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò)和hub基因
蛋白質(zhì)-蛋白質(zhì)相互作用（PPI）網(wǎng)絡(luò)結(jié)構(gòu)與最小所需相互作用分值= 0.9所依據(jù)的STRING數(shù)據(jù)庫（版本11.0）和Cytoscape的軟件（版本3.7.1）唇兑。
生存曲線和風(fēng)險評分
我們基于對數(shù)秩檢驗通過KM分析評估了預(yù)后價值酒朵。P <0.05被認為具有統(tǒng)計學(xué)意義。根據(jù)多變量Cox回歸分析扎附，為每位AML患者計算出風(fēng)險評分（RS）蔫耽，然后，根據(jù)中位RS將患者分為高風(fēng)險和低風(fēng)險組留夜。此外匙铡，KM曲線用于探索不同RS水平與總生存率之間的關(guān)聯(lián)。繪制生存接受者工作特征曲線（ROC）并計算該曲線下的面積（AUC）以評估預(yù)后值
Vizome數(shù)據(jù)庫分析
Vizome是最大的AML數(shù)據(jù)庫碍粥，其中包含從562名患者中收集的672個腫瘤標(biāo)本的隊列慰枕。我們驗證了基因組數(shù)據(jù)庫中的表達水平，整體存活率的關(guān)聯(lián)以及hub基因的基因相互作用即纲。
統(tǒng)計分析
IBM SPSS Statistics 20.0已應(yīng)用于多元Cox回歸分析和KM分析。使用R軟件（3.5.2版）進行統(tǒng)計分析博肋。P <0.05表示具有統(tǒng)計學(xué)意義低斋。
結(jié)果
免疫評分與CALGB細胞遺傳學(xué)風(fēng)險類別和生存結(jié)果相關(guān)
