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。分析思路：免疫基因+預(yù)后模型。文章通俗易懂，純生信，可行性較強(qiáng)~

題目:黑色素瘤新的免疫相關(guān)基因預(yù)后生物標(biāo)志物：與腫瘤微環(huán)境相關(guān)

一、研究背景

在腫瘤免疫中，腫瘤細(xì)胞往往被當(dāng)做抗原，免疫細(xì)胞和白細(xì)胞則通過浸潤腫瘤組織的方式進(jìn)行免疫防御，但是腫瘤細(xì)胞總是會利用各種方式來躲避傷害（免疫逃逸）。免疫治療是目前臨床上治療腫瘤的一種方式，通過激活人體免疫系統(tǒng)，依靠自身免疫機(jī)能殺滅癌細(xì)胞和腫瘤組織?，F(xiàn)有的黑色素瘤免疫治療主要是PD-1, PD-L1 and CTLA-4 抑制劑，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)，因此，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(biāo)志物的潛在預(yù)后價值具有重要意義。

二、材料和方法

1、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；

2、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(dá)數(shù)據(jù)進(jìn)行WGCNA分析；

3、篩選基因建立預(yù)后模型

單因素Cox回歸，LASSO回歸；

預(yù)后模型構(gòu)建公式：risk score = Σexpgenei* βi；

4、預(yù)后模型驗證

用TCGA數(shù)據(jù)庫的臨床和表達(dá)數(shù)據(jù)驗證，單因素、多因素Cox回歸；

5、免疫浸潤評分比較

ESTIMATE算法計算免疫浸潤評分（immune score），Wilcoxon 檢驗比較High-RS和low-RS組差異；

6、免疫細(xì)胞亞型比較

R語言 CIBERSORT package計算22種免疫細(xì)胞亞型比例，Mann-Whitney U檢驗比較High-RS和low-RS組差異；

7、GSEA 分析

比較High-RS和low-RS組富集通路的差異。

三、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。

?WGCNA鑒定生存相關(guān)模塊

WGCNA共鑒定出7個模塊，其中紅色模塊和藍(lán)色模塊中與生存顯著相關(guān)，因此，這兩個模塊中的基因（160個）被選擇做后續(xù)研究。

? 篩選基因建立預(yù)后模型

將紅色和藍(lán)色模塊中160個基因進(jìn)行單因素Cox回歸，篩選 P

根據(jù)這8個免疫相關(guān)基因的表達(dá)量構(gòu)建了預(yù)后模型，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（P0.65）（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，結(jié)果顯示生存分析顯示low-RS的整體生存率高于High-RS（P0.63）（圖C）。另外，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(biāo)（Table2，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，結(jié)果發(fā)現(xiàn)不同immune score病人的總生存率有顯著差異，High immune score的總體生存率更高（圖AB）。并且，在Low-RS病人中，immune score和stromal score也顯著高于High-RS病人（圖CD）。

? 免疫細(xì)胞亞型比較

如圖CD所示，很多種免疫細(xì)胞在Low-RS和High-RS病人的分布比例上都有顯著的差異。

? 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，勝在有個好的思路，加上分析結(jié)果的多方面驗證，最后高分妥妥的！