今天跟大家分享的是2020年4月發(fā)表在Aging上的一篇文章，影響因子5.5辨宠。分析思路：免疫基因+預(yù)后模型哄陶。文章通俗易懂才避，純生信橱夭，可行性較強~
題目:黑色素瘤新的免疫相關(guān)基因預(yù)后生物標志物：與腫瘤微環(huán)境相關(guān)
一、研究背景
在腫瘤免疫中桑逝，腫瘤細胞往往被當做抗原棘劣，免疫細胞和白細胞則通過浸潤腫瘤組織的方式進行免疫防御，但是腫瘤細胞總是會利用各種方式來躲避傷害（免疫逃逸）楞遏。免疫治療是目前臨床上治療腫瘤的一種方式茬暇，通過激活人體免疫系統(tǒng)，依靠自身免疫機能殺滅癌細胞和腫瘤組織」押龋現(xiàn)有的黑色素瘤免疫治療主要是PD-1, PD-L1 and CTLA-4 抑制劑糙俗，但是這些方法僅對少數(shù)患者有效，而大多數(shù)患者對治療的反應(yīng)有限或沒有反應(yīng)预鬓，因此巧骚，全面分析黑色素瘤免疫基因與整體生存的相關(guān)性對于發(fā)掘免疫相關(guān)生物標志物的潛在預(yù)后價值具有重要意義。
二格二、材料和方法
1劈彪、獲取免疫相關(guān)基因
ImmPort database、GEO dataset和TCGA dataset三大數(shù)據(jù)庫基因的交集顶猜；
2沧奴、WGCNA鑒定生存相關(guān)的模塊
利用GEO數(shù)據(jù)庫（GSE65904，210份黑色素瘤樣本）的免疫相關(guān)基因表達數(shù)據(jù)進行WGCNA分析长窄；
3滔吠、篩選基因建立預(yù)后模型
單因素Cox回歸，LASSO回歸挠日；
預(yù)后模型構(gòu)建公式：risk score = Σexpgenei* βi疮绷；
4、預(yù)后模型驗證
用TCGA數(shù)據(jù)庫的臨床和表達數(shù)據(jù)驗證肆资，單因素矗愧、多因素Cox回歸；
5郑原、免疫浸潤評分比較
ESTIMATE算法計算免疫浸潤評分（immune score）唉韭，Wilcoxon 檢驗比較High-RS和low-RS組差異；
6犯犁、免疫細胞亞型比較
R語言 CIBERSORT package計算22種免疫細胞亞型比例属愤，Mann-Whitney U檢驗比較High-RS和low-RS組差異；
7酸役、GSEA 分析
比較High-RS和low-RS組富集通路的差異住诸。
三驾胆、研究結(jié)果
??獲取免疫相關(guān)基因
3個數(shù)據(jù)庫的基因取交集，得到950個免疫相關(guān)基因贱呐。
?WGCNA鑒定生存相關(guān)模塊
WGCNA共鑒定出7個模塊丧诺，其中紅色模塊和藍色模塊中與生存顯著相關(guān)，因此奄薇，這兩個模塊中的基因（160個）被選擇做后續(xù)研究驳阎。
??篩選基因建立預(yù)后模型
將紅色和藍色模塊中160個基因進行單因素Cox回歸，篩選 P<0.01的基因馁蒂，這些基因（63個）被認為是對整體生存有顯著影響的呵晚。LASSO回歸篩選出8個基因用于構(gòu)建預(yù)后模型。這8個基因分別是PSME1, CDC42, CMTM6, HLA-DQB1, HLA-C, CXCR6, CD8B, TNFSF13沫屡。
根據(jù)這8個免疫相關(guān)基因的表達量構(gòu)建了預(yù)后模型饵隙，計算了每一個病人的risk score，按照中位數(shù)將病人劃分為High-RS和low-RS組（P<0.0001）（圖B）沮脖。生存分析顯示low-RS的整體生存率高于High-RS金矛。ROC曲線也顯示該模型有很強的預(yù)測能力（AUC>0.65）（圖A）。
??預(yù)后模型驗證
利用TCGA數(shù)據(jù)的數(shù)據(jù)計算每一個病人的risk score倘潜，結(jié)果顯示生存分析顯示low-RS的整體生存率高于High-RS（P<0.0001）（圖D）绷柒。ROC曲線也顯示該模型有很強的預(yù)測能力（AUC>0.63）（圖C）。另外涮因，本研究建立的預(yù)后模型在3年和5年整體生存的預(yù)測能力要由于其他臨床指標（Table2废睦，圖EF）。
??免疫浸潤評分比較
利用ESTIMATE算法分別計算了GEO數(shù)據(jù)庫和TCGA數(shù)據(jù)庫病人的immune score和stromal score养泡，結(jié)果發(fā)現(xiàn)不同immune score病人的總生存率有顯著差異嗜湃，High immune score的總體生存率更高（圖AB）。并且澜掩，在Low-RS病人中购披，immune score和stromal score也顯著高于High-RS病人（圖CD）。
??免疫細胞亞型比較
如圖CD所示肩榕，很多種免疫細胞在Low-RS和High-RS病人的分布比例上都有顯著的差異刚陡。
??GSEA分析
有14條重要的信號通路在High-RS和low-RS組分布有顯著差異。
本篇文章用到的生信分析方法都是較為常見的株汉，勝在有個好的思路筐乳，加上分析結(jié)果的多方面驗證，最后高分妥妥的乔妈！
