|
现在都是流行追热点，例如m6A这个研究热点，很多人利用它发了n篇纯生信数据挖掘的文章；再比如铁死亡这个研究热点，有一大堆纯数据挖掘的文章正在投稿中；现在我们看看这个已经发了无数篇纯数据挖掘文章的研究热点——肿瘤微环境。这次分享的范文发表在Front Mol Biosci上，影响因子：4.188，中科院分区：2区，参考范文出处：PMID: 33381521，DOI: 10.3389/fmolb.2020.599475。 范文题目：Identification of the Prognostic Value of Tumor Microenvironment-Related Genes in Esophageal Squamous Cell Carcinoma 研究背景： 食管鳞状细胞癌（ESCC）是食管癌的最普遍的组织学类型，但缺乏明确的预后指标。 研究方法： 我们使用ESTIMATE算法访问TCGA数据库中保存的ESCC病例的肿瘤微环境（TME），并使用Cox回归分析确定了TME相关的预后基因。使用最小绝对收缩和选择器操作或LASSO算法确定关键的预后基因。计算风险评分，并构建临床预测模型以评估TME相关基因的预后价值。 研究结果： 我们发现，较高的免疫和基质评分与较差的总体生存率显着相关（p <0.05）。我们共鉴定了1,151个与TME相关的差异表达基因，其中67个与预后相关的基因。通过LASSO方法，选择了13个关键预后基因，即ADAMTS16，LOC51089，CH25H，CORO2B，DLGAP1，GYS2，HAL，MXRA8，NPTX1，OTX1，RET，SLC24A2和SPI1，并构建了13个基因的风险评分 。与较低的风险评分相比，较高的评分表明预后较差（HR：8.21，95％CI：2.56-26.31；P <0.001）。风险评分与免疫/基质评分和各种类型的浸润性免疫细胞（包括CD8细胞，调节性T细胞和静息巨噬细胞）显着相关。 研究结论： 我们表征了ESCC中的肿瘤微环境，并确定了关键的预后基因。提出了基于这些基因的表达谱的风险评分，作为TME状态的指标，并有助于预测患者的预后。 分析思路： 1、确定高免疫和基质分数与不良预后相关，并且根据高低分组进行差异分析，得到相关的差异基因，对差异基因进行功能分析（GO、KEGG富集分析） 2、使用单因素Cox和lasso回归筛选基因，最后确定了13个基因进入模型计算risk score以及risk score结合临床因素进行构建模型, 并且使用GEO数据进行外部验证 3、分别进行risk score与免疫评分、基质评分、免疫细胞浸润的相关性分析 |
|
|
