【原】7+纯生信，基因集-分型-预后signature

在本项研究中，作者构建了一个乏氧和免疫相关的风险评分模型来预测胰腺癌(PDAC)患者的预后。首先，作者通过TCGA和GTEx数据集筛选出682个乏氧和528个免疫相关的PDAC差异表达基因（DEG）。随后，作者通过Cox回归和LASSO回归构建了一个7基因风险评分模型，该模型的可靠性在GEO和ICGC队列中得到进一步验证。结果表明，低风险组患者的总生存率(OS)显著优于高风险组。临床相关性分析也表明，本研究构建的预后模型可以作为独立预后因子。此外，通过CIBERSORT和ESTIMATE算法，作者还发现高风险组与低风险组患者相比，免疫评分、基质评分和免疫检查点表达（如PD-L1）较低。

发表杂志：Front Immunol.

影响因子：7.561

研究背景

胰腺癌(PDAC)在全球癌症死亡人数中排名第七。此外，PDAC患者5年总生存率（OS）率仅为5%。乏氧是肿瘤微环境的主要特征，胰腺癌的快速增殖容易引起氧应激，逐渐形成乏氧微环境。在乏氧条件下，各种分子和信号通路被激活，包括介导细胞表型变化的低氧诱导因子1α(HIF-1α)。同时，乏氧会增强PDAC的增殖、转移以及对放疗和化疗的抵抗力，通过诱导侵袭和耐药性等恶性表型影响PDAC患者的预后。此外，肿瘤细胞和免疫微环境成分之间的相互作用是肿瘤进展和对免疫治疗反应的关键。越来越多的证据表明，乏氧与PDAC免疫微环境中的状态呈直接或间接相互作用关系，但该机制尚未得到充分研究。因此，只有正确解决这些乏氧-免疫相互作用问题，应用于PDAC的免疫疗法才能更好的获益于临床。

流程图

乏氧基因聚类分析

①乏氧相关差异表达基因的无监督聚类生成两个不同的乏氧组。

②利用Kaplan-Meier比较高缺氧组和低缺氧组的预后情况。

结果：

下图A-C：根据无监督聚类分析，以确定不同的乏氧模式并将患者分为两组。

下图D：乏氧程度高的患者与乏氧程度低的患者相比预后较差。

乏氧和免疫相关的差异表达基因

①收集TCGA和GTEx数据集中胰腺癌的乏氧和免疫相关差异表达基因（DEG）并进行富集分析。

结果：

下图A-B：PDAC中差异表达基因的热图(A)和火山图(B)。

下图C：乏氧相关DEG的前20个GO分析结果。

下图D：乏氧相关DEG的前20条最丰富的KEGG通路。

下图E：免疫相关DEG的前20个GO分析结果。

下图F：免疫相关DEG的前20条最丰富的KEGG通路。

乏氧和免疫相关风险评分模型的构建与验证

①将乏氧相关的DEG与免疫相关的DEG相交，共筛选了72个基因用于后续分析。

②通过单变量Cox回归分析确定了22个DEG，之后通过多变量Cox回归分析和LASSO回归选择了7个基因来构建预后模型。

③计算风险评分，并根据中值将PDAC患者分为高风险组或低风险组并进行生存分析验证。

结果：

下图A-B：LASSO系数及参数调整。

下图C：7个选定基因的系数。

下图D：根据TCGA PDAC数据构建的风险预后模型。

下图E：根据TCGA PDAC数据构建的风险预后模型的风险评分和OS分布。

下图F：根据TCGA PDAC数据构建的风险预后模型的ROC曲线验证。

下图G-I：GEO验证集（GSE28735和GSE62452）风险预后模型的构建及验证。

下图J-L：ICGC验证集风险预后模型的构建及验证。

7个模型基因的独立预后分析

①通过单变量COX回归分析和Kaplan-Meier生存曲线以评估每个特征基因的预后价值。

结果：

下图A：基于TCGA数据的单变量Cox回归分析的森林图。

下图B：无监督聚类的乏氧和免疫相关DEG热图。

下图C-I：乏氧和免疫相关DEG表达的Kaplan-Meier生存曲线分析图。

风险模型与临床特征的相关性分析

①分析高低风险组与临床特征的相关性。

②构建列线图通过3个独立预后因素来预测患者的总生存期。

结果：

下图A-H：风险评分与肿瘤原发灶（A）、分期（B）、分级（C）显著相关，与主要治疗（D）、肿瘤部位（E）、年龄（F）、肿瘤大小（G）和淋巴结浸润（H）无显著相关性。

下图I-J：(I)单变量COX生存分析和(J)多变量COX生存分析。

下图K：诺模图预测PDAC患者的OS。

下图L-N：校准图表明列线图可以准确估计死亡率。

下图O-Q：对于1年、2年和3年OS，列线图的AUC分别为0.76、0.80和0.82。

风险评分模型中乏氧和免疫基因集的富集分析

①通过GSEA通路富集分析验证风险模型在乏氧和免疫中的功能。

结果：

下图A-C：3个乏氧相关基因集在高危组中富集。

下图D-I：在6个免疫相关基因组中，3个在高风险组中富集（D-F），另外3个在低风险组中富集（G-I）。

风险评分模型与免疫浸润

①通过CIBERSORT和ESTIMATE算法分析预后风险评分模型与免疫浸润的关系。

②绘制箱线图分析高危组和低危组之间常见免疫检查点的表达状态。

结果：

下图A：高低风险评分组对22种免疫细胞浸润程度的分析。

下图B：高风险组的免疫检查点表达水平也显著低于低风险组。

下图C-H：与低风险组相比，高风险组的基质和免疫评分较低。

下图I-P：在T3、T4、Stage2、N1和Grade2中，高风险组的免疫评分和基质评分显著低于低风险组。

风险评分模型与PDAC突变

①收集体细胞突变数据（TCGA GDC），并绘制瀑布图描绘高风险和低风险组PDAC患者的突变情况。

结果：

下图A-B：来自TCGA数据库的PDAC患者基因突变频率，展现高危组(A)和低危组(B)与突变之间的相关性。

小结：

在这项研究中，作者通过系统分析构建了一个乏氧和免疫相关的预后风险评分模型，并对模型的可靠性进行了验证，最后，作者分析了高低风险评分组与免疫浸润和PDAC突变之间的联系。结果证实，乏氧和免疫微环境之间的相互作用对PDAC具有一定的预后意义。

基因集泛癌分析文章列表

基因集泛癌分析，重磅来袭

想发高分纯生信文章，这也许就是你的机会

11.6分，最热复合物泛癌纯生信分析！想发高分纯生信不容错过

11分+SCI 基因集泛癌纯生信分析，两个多月接受，可重复！

快来看看最新的27分基因集泛癌分析是怎么做的

13+SCI 基因集泛癌分析纯生信 可重复

基因集泛癌分析

6.6分基因集泛癌分析纯生信  并没有很难

25天接受的基因集泛癌分析，先人一步的优势！

7.6分基因集泛癌纯生信分析，从投稿到接收仅一个月！

最新6.6分，45天接收的基因集泛癌纯生信 值得尝试！

单基因泛癌分析文章列表

单基因泛癌高阶套路模板

单基因泛癌生信高阶模板结果展示

对比两篇单基因文章，一篇7.5分，一篇未发表

对比刚发表的2区6.5分生信文章和我们的泛癌分析内容

被致谢！2021年7分+单基因泛癌纯生信，投稿到接受30天！

单基因生信发准7分SCI，又又被致谢

如何利用生信快速蹭热点发文章-满堂红

适合发纯生信或者生信加表达验证的基因

单基因-泛癌-纯生信 又发表7.5分SCI！

5.3分2区单基因泛癌纯生信

最新7.5分SCI 单基因单肿瘤生信+简单实验

单基因-泛癌-纯生信 又发表7.5分SCI！

8分+ 单基因干湿结合，非常规思路，值得学习

单基因泛癌如何补实验？

单基因干湿结合发7.5分SCI，2个月接收，有实验条件的可轻易模仿

7.5分，2个月接收的单基因生信+组化验证 可重复！

6.6分 不到两个月接收 单基因生信+实验可以这样做

7.7分nature子刊，单基因泛癌分析与免疫治疗的关联

6.2分 生信+实验 经典套路，永不过时（一篇单基因泛癌的文章可以拆分成多个肿瘤单独发）

5.3分2区单基因泛癌纯生信

6.2分SCI，从投稿到接收仅38天！刚见刊的单基因泛癌纯生信

肿瘤分型文章列表

最新7分纯生信  坐稳了，我们继续肿瘤分型！

8.8分纯生信免疫分型，换个肿瘤可重复

最新7.2分SCI，又见“免疫”分型，从投稿到接收不到一个月！

6.6分纯生信免疫分型，换个肿瘤可重复

最新7+生信SCI 单肿瘤分型 可模仿

最新10分生信分析，快来看看焦亡分型如何发经典老牌1区杂志，投稿到接收仅3个月。可重复！

非肿瘤生信文章列表

非肿瘤生信+简单pcr验证 快速发3分+SCI 自噬，铁死亡，焦亡等都可以

又见非肿瘤7.5分SCI，生信分析+组化验证 可重复

最新7.5分非肿瘤纯生信，分析一点不难，这种思路你想到没有？

非肿瘤7.5分纯生信，2个月接收

6+生信思路 21天接收！肿瘤和非肿瘤均适合

非肿瘤生信 如何分析才能发4分SCI

3+经典非肿瘤生信套路，值得收藏学习！

学习一下3分+非肿瘤生信，2个月接收

4分SCI，40天接收，较简单的非肿瘤纯生信