生信 简单实验：代谢相关预后分析8 案例

这篇文章2022年发表在Journal of Translational Medicine上：Identification of molecular subtypes and a novel prognostic model of diffuse large B-cell lymphoma based on a metabolism-associated gene signature。

期刊Journal of Translational Medicine是BioMed Central（BMC）出版社旗下期刊，影响因子8.44，JCR Q1区，中科院二区（医学）。

研究主要涉及的分析思路如下：

1.从GEO数据库获取DLBCL患者的基因表达和临床资料，通过共识聚类鉴定2个代谢相关的分子亚型；

2.在GEO训练队列中，Lasso-Cox回归建立了14个代谢相关基因（MAGs）的预后风险模型；

3.在GEO内部队列和TCGA外部队列中进行验证预后模型可靠性；

4.GO、KEGG和GSVA用于探讨高风险和低风险组之间富集通路的差异；

5.ESTIMATE、CIBERSORT和ssGSEA分析用于评估免疫微环境；

6.利用WGCNA分析在14个MAGs中鉴定了两个hub基因，并通过TMA用mIHC进行了初步实验验证。

研究的技术路线图如下：

图1.本研究的技术路线图

接下来我们看一下研究结果：

图2. 共识聚类和两个集群之间不同的免疫谱

图3.构建GSE10846训练队列中的风险模型并验证

图4.GSE10846数据集的风险评分的临床相关性与列线图

图5.GSE10846中的高、低风险人群之间不同的免疫图谱

图6.两个hub基因的鉴定及其与免疫细胞的关系

图7.实验验证PLTP与预后和免疫微环境关系

图8.实验验证PHKA1与预后和免疫微环境关系

最后我们总结一下：

研究共包括7张图，其中包括5张生信分析结果图，2张mIHC实验验证图。生信分析和实验结果分析结果如下：

1）通过单因素Cox回归分析获得了GSE10846数据集中92个预后相关的MAGs；

2）使用共识聚类将412例患者聚类为2个不同的代谢相关分子亚组；1组患者的预后较差，且免疫抑制细胞和免疫检查点表达增加，表明存在免疫抑制肿瘤微环境；

3）LASSO-Cox回归分析生成了14个MAGs构建代谢相关预后风险模型，该模型在GEO内部队列和TCGA外部队列中得到了进一步验证。

4）该预后模型也成功预测了Rituximab联合化疗（R-CHOP）队列的总生存期；

5）建立了一个列线表（Nomogram），发现风险评分对预后贡献最大，列线表预测OS与实际结果一致性很高。

6）分析了风险评分与肿瘤免疫微环境之间的关系，高风险组中免疫抑制细胞和免疫检查点表达的丰度较高，表明存在免疫抑制肿瘤微环境；

7）通过WGCNA筛选预后风险模型中的hub基因PLTP和PHKA1；

8）实验验证了TMA队列中hub基因表达及其与预后和免疫微环境的关系。