今天分享的這篇文章就同時(shí)分析了“免疫”和“代謝”，常規(guī)的預(yù)后模型思路也能發(fā)6分+，一起來(lái)看看吧！

題目：免疫與代謝聯(lián)合基因信號(hào)在結(jié)直腸癌預(yù)后預(yù)測(cè)中的探索與驗(yàn)證

雜志：Frontiers in endocrinology

影響因子：6.055

發(fā)表時(shí)間：2022年11月

研究思路

從公共數(shù)據(jù)集中檢索結(jié)直腸癌(CRC)樣本的基因表達(dá)譜和臨床數(shù)據(jù)。通過(guò)差異表達(dá)分析鑒定了IRGs和MRGs。應(yīng)用單因素和多因素Cox回歸分析建立預(yù)后代謝-免疫相關(guān)特征。通過(guò)Kaplan-Meier生存和受試者工作特征(ROC)曲線來(lái)評(píng)估診斷療效。采用實(shí)時(shí)聚合酶鏈反應(yīng)(RT-PCR)、Western blot和免疫組化(IHC)檢測(cè)CRC細(xì)胞和組織中關(guān)鍵基因的表達(dá)。

主要研究結(jié)果

1.?構(gòu)建免疫相關(guān)基因（IRGs）和代謝相關(guān)基因（MRGs）相關(guān)的預(yù)后特征

對(duì)結(jié)直腸癌（CRC）患者數(shù)據(jù)中進(jìn)行DEGs和WGCNA分析分別鑒定出350個(gè)基因和1004個(gè)基因。將這些基因與MRGs和IRGs取交集得到91個(gè)基因(圖1A)。其中，有13個(gè)基因與CRC的預(yù)后顯著相關(guān)(圖1B)。采用LASSO Cox回歸、多因素Cox回歸分析，最終選擇了4個(gè)基因構(gòu)建預(yù)后特征(圖1C-E)。

圖1.構(gòu)建MRGs和IRGs相關(guān)的預(yù)后特征

2.?預(yù)后特征的驗(yàn)證

基于4個(gè)基因的表達(dá)值計(jì)算風(fēng)險(xiǎn)評(píng)分，根據(jù)風(fēng)險(xiǎn)評(píng)分中位數(shù)將所有CRC患者平均分為低風(fēng)險(xiǎn)組和高風(fēng)險(xiǎn)組。高風(fēng)險(xiǎn)組無(wú)進(jìn)展生存期(PFS)和OS均明顯低于低風(fēng)險(xiǎn)組(圖2A)。時(shí)間相關(guān)的ROC曲線分析評(píng)估特征的預(yù)測(cè)價(jià)值(圖2B)。

圖2.?CRC患者的生存分析

2.?基因特征的預(yù)后價(jià)值

單因素和多因素Cox回歸分析顯示，在TCGA隊(duì)列中，風(fēng)險(xiǎn)評(píng)分（riskScore）與CRC不良預(yù)后顯著相關(guān)(圖3A, B)。ROC曲線顯示，riskScore預(yù)測(cè)OS的AUC高于年齡、性別和TNM分期(圖3C)?；趓iskScore和年齡、性別、TNM分期等臨床病理因素，構(gòu)建預(yù)后nomogram來(lái)預(yù)測(cè)CRC患者的生存率(圖3D)。校準(zhǔn)曲線顯示，預(yù)測(cè)的生存率與實(shí)際生存率之間具有良好的一致性，這表明預(yù)后nomogram具有良好的性能(圖3E)。ROC曲線分析顯示，nomogram AUC顯著高于其他參數(shù)，如riskScore、年齡、性別、TNM分期(圖3F)。應(yīng)用DCA評(píng)估預(yù)后nomogram (圖3G)。這些結(jié)果表明，預(yù)后nomogram預(yù)測(cè)效果最好，更適合臨床應(yīng)用于CRC患者的預(yù)后預(yù)測(cè)。

圖3.?四個(gè)基因特征的獨(dú)立預(yù)后能力

4?基于riskIndex和TNM分期的nomogram的構(gòu)建與驗(yàn)證

基于riskIndex和TNM分期的預(yù)后nomogram來(lái)預(yù)測(cè)CRC患者的生存 (圖4A)。nomogram的ROC曲線的AUC顯著高于riskIndex期和TNM期(圖4B)。校準(zhǔn)曲線和DCA顯示表明nomogram的預(yù)測(cè)性能性能(圖4C-D)。

圖4. 基于riskIndex和TNM分析進(jìn)行構(gòu)建Nomogram

納入了四種已發(fā)表的CRC患者OS風(fēng)險(xiǎn)模型進(jìn)行比較。Kaplan- Meier曲線分析顯示，四基因模型以及其他四種模型均顯示在預(yù)測(cè)CRC患者OS方面具有顯著的預(yù)后價(jià)值，四基因特征在所有基因特征中具有最高的風(fēng)險(xiǎn)比(HR)(圖5A, B)。

圖5. 構(gòu)建的四基因特征與現(xiàn)有基因特征的性能比較

5.?免疫特征分析

基于ssGSEA分析不同免疫細(xì)胞浸潤(rùn)情況，應(yīng)用ESTIMATE算法比較高、低風(fēng)險(xiǎn)組免疫細(xì)胞浸潤(rùn)的差異（圖6A、B）。高風(fēng)險(xiǎn)組間質(zhì)評(píng)分均明顯高于低風(fēng)險(xiǎn)組(圖6C, D)。這些結(jié)果提示高風(fēng)險(xiǎn)評(píng)分的CRC患者腫瘤微環(huán)境中基質(zhì)成分更豐富，更容易發(fā)生轉(zhuǎn)移，可能導(dǎo)致預(yù)后更差。

圖6.免疫特征分析

6.?關(guān)鍵基因ESM1的驗(yàn)證

在不同數(shù)據(jù)集中，通過(guò)機(jī)器學(xué)習(xí)算法篩選特征基因的預(yù)后相關(guān)基因，交集基因均有ESM1（圖7A），說(shuō)明其在CRC中具有潛在的重要作用。通過(guò)qPCR和Western blot檢測(cè)ESM1在各細(xì)胞系、患者腫瘤和癌旁組織中的表達(dá)(圖7B-F)。ESM1在CRC中的表達(dá)是可變的，ESM1高表達(dá)的患者無(wú)病生存期(DFS)較短(圖7H-G)。

圖7. ESM1在CRC中的驗(yàn)證

?

總結(jié)

這篇文章最大的亮點(diǎn)就是同時(shí)分析了“免疫”和“代謝”，形成了雙熱點(diǎn)的分析思路，文章1個(gè)月就接收，當(dāng)然驗(yàn)證實(shí)驗(yàn)也是提分項(xiàng)~?

不論是實(shí)驗(yàn)還是生信文章，雙熱點(diǎn)都要比單一熱點(diǎn)要增色不少。而且小云發(fā)現(xiàn)分析雙熱點(diǎn)的生信文章越來(lái)越多，比如m6A和鐵死亡、氧化應(yīng)激和鐵死亡、線粒體與鐵死亡等等。熱點(diǎn)/潛在的熱點(diǎn)方向那么多，能做的分析思路太多了！

如果你還苦惱于課題或分析沒(méi)有思路，或者對(duì)免疫、代謝等熱點(diǎn)方向感興趣的小伙伴快來(lái)聯(lián)系小云吧！