哈嘍哈嘍~今天布小谷給大家?guī)?lái)的文章是最近的熱點(diǎn)關(guān)于腫瘤分析的喔~快跟布小谷一起去看看吧！

轉(zhuǎn)錄組分析已廣泛用于表征癌癥患者的預(yù)后特征中，而今天的文章是淋巴結(jié)轉(zhuǎn)移，與已建立的臨床病理特征相結(jié)合的新分子特征分析。淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)模型的建立、驗(yàn)證、評(píng)價(jià)到應(yīng)用，有一個(gè)完整的臨床預(yù)測(cè)模型過(guò)程。關(guān)于臨床預(yù)測(cè)模型的建立等一系列問(wèn)題有不懂的可以問(wèn)布小谷喔

文章思路是根據(jù)淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)了肺腺癌患者的情況，采用了WGCNA技術(shù)進(jìn)行分析，用LASSO建立預(yù)測(cè)模型。傳統(tǒng)腫瘤標(biāo)志物對(duì)早期肺腺癌的進(jìn)展缺乏特異性和敏感性，作者根據(jù)淋巴結(jié)轉(zhuǎn)移來(lái)進(jìn)行預(yù)測(cè)，選題角度新穎，加上當(dāng)下熱門的生信分析技術(shù)~這樣簡(jiǎn)單的分析方法就可以發(fā)一篇4分+的文章咯~

題目：與淋巴結(jié)轉(zhuǎn)移相關(guān)的11個(gè)基因風(fēng)險(xiǎn)模型預(yù)測(cè)肺腺癌的總生存率

影響因子：IF=4.997

發(fā)表時(shí)間：2023.04

研究背景

肺腺癌（LUAD）是肺癌常見(jiàn)的組織學(xué)亞型之一，占癌癥發(fā)病率的40%以上。目前，LUAD預(yù)后的臨床評(píng)估主要取決于診斷時(shí)的TNM分期，無(wú)法提供準(zhǔn)確的個(gè)體化預(yù)后預(yù)測(cè)。在LUAD的治療方面，能夠可靠評(píng)估預(yù)后標(biāo)志物具有重要價(jià)值。

數(shù)據(jù)來(lái)源

研究思路

在這項(xiàng)研究中，作者目的在于識(shí)別和驗(yàn)證與總生存率（OS）相關(guān)的預(yù)測(cè)的穩(wěn)健和可靠的預(yù)后特征。在本研究中，作者從TCGA數(shù)據(jù)集和相關(guān)地理數(shù)據(jù)集下載了LUAD mRNA表達(dá)譜。進(jìn)行差異表達(dá)分析篩選出DEGs，進(jìn)行WGCNA分析，GO富集分析，KEGG分析。通過(guò)lasso回歸建立了基于11個(gè)基因的LUAD預(yù)測(cè)模型，并在GEO據(jù)集上進(jìn)行了驗(yàn)證。

? ? ? ? ? ?? ? ? ? ?

主要結(jié)果

1.DEG的鑒定和WGCNA分析

從TCGA中提取LUAD患者數(shù)據(jù)，通過(guò)R-package的差異分析獲得DEGs，提取RNA序列數(shù)據(jù)并進(jìn)行了WGCNA，構(gòu)建共表達(dá)模塊，并將其分為14個(gè)有意義的模塊（圖1A），圖1B中，進(jìn)行基因模塊與LNM之間的相關(guān)性分析。

2.GO/KEGG富集分析

將上述與LNM相關(guān)的DEGs基因進(jìn)行GO和KEGG分析。如圖3A所示，GO分析中有很多顯著項(xiàng)。此外，KEGG分析顯示， DEGs在“細(xì)胞因子-細(xì)胞因子受體相互作用”、“病毒蛋白與細(xì)胞因子和細(xì)胞因子受體的相互作用”，“趨化因子信號(hào)通路”、“細(xì)胞粘附分子”和“T細(xì)胞受體信號(hào)通路”中顯著富集（圖3B）。

3.風(fēng)險(xiǎn)模型的構(gòu)建和驗(yàn)證

作者進(jìn)行l(wèi)asso回歸模型分析，并通過(guò)交叉驗(yàn)證方法以獲得相對(duì)獨(dú)立的特征基因，用于后續(xù)的模型分析（圖3A，B）。11個(gè)基因的表達(dá)彼此顯著相關(guān)，特別是在數(shù)據(jù)集中CD19和P2RX1、TLR10和P2RX一、PKHD1L1和P2RX-1之間（圖4C）。圖3D中，繪制了高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組11個(gè)基因的表達(dá)熱圖，熱圖中還顯示了兩組之間的臨床病理差異。根據(jù)11個(gè)獨(dú)立的預(yù)后特征基因計(jì)算每個(gè)樣本的風(fēng)險(xiǎn)評(píng)分。LUAD患者被分為兩組：低風(fēng)險(xiǎn)組和高風(fēng)險(xiǎn)組（圖3E）。進(jìn)行Kaplan–Meier生存分析，繪制ROC曲線來(lái)驗(yàn)證風(fēng)險(xiǎn)評(píng)估模型（圖3F,G）。

4.LUAD中OS預(yù)測(cè)圖的開(kāi)發(fā)與評(píng)估

首先進(jìn)行LUAD患者臨床病理因素與總生存率之間相關(guān)性的單變量和多變量分析，如圖4A所示。根據(jù)TCGA LUAD患者OS的多變量分析，生成列線圖進(jìn)行預(yù)后預(yù)測(cè)（圖第4B）。對(duì)列線圖進(jìn)行判別和校準(zhǔn)（圖4C）。然后，根據(jù)列線圖總分，將TCGA隊(duì)列平均分為三個(gè)亞組，并進(jìn)行Kaplan-Meier生存率分析（圖4D）。為了進(jìn)一步探索列線圖的有效性，進(jìn)行了ROC曲線分析，并計(jì)算了總生存概率的ROC曲線下面積（圖4E）。?

5.風(fēng)險(xiǎn)模型在GEO中的驗(yàn)證

為了證實(shí)這個(gè)11基因風(fēng)險(xiǎn)模型的可用性，我們對(duì)GEO數(shù)據(jù)庫(kù)中的兩個(gè)外部集合（GSE31210和GSE72094）進(jìn)行了相同的分析。在兩個(gè)外部集合中，風(fēng)險(xiǎn)評(píng)分的分布（圖5A）、生存狀態(tài)（圖5B）和11個(gè)基因分類器的表達(dá)模式（圖5C）也顯示出與TCGA LUAD隊(duì)列一致的結(jié)果。ROC生存曲線表明有兩個(gè)風(fēng)險(xiǎn)組（圖5D）。風(fēng)險(xiǎn)模型分析中，也分成了兩個(gè)風(fēng)險(xiǎn)組（圖5E，F(xiàn)）。風(fēng)險(xiǎn)組有顯著差異（圖5G）。生存曲線表明，與低風(fēng)險(xiǎn)組相比，高危組患者的預(yù)后明顯較差（圖5H）。

6.列線圖在不同臨床病理亞組中的預(yù)后分析

根據(jù)列線圖的分層，在TCGA隊(duì)列中根據(jù)不同的臨床特征對(duì)LUAD患者進(jìn)行了分層（表2）。結(jié)果表明，生存評(píng)估模型對(duì)LUAD患者的所有臨床病理亞組的預(yù)測(cè)能力均有效（圖6A–F）。

文章小結(jié)

本文研究旨在確定與已建立的臨床病理特征相結(jié)合的新分子特征，以預(yù)測(cè)LUAD患者的總體生存率。雖然本篇文章樣本數(shù)據(jù)不大，但該文章的預(yù)測(cè)特征可能有助于識(shí)別高危LUAD患者，并相應(yīng)地制定適當(dāng)?shù)呐R床隨訪計(jì)劃。從淋巴結(jié)轉(zhuǎn)移來(lái)預(yù)測(cè)肺腺癌預(yù)后分析的創(chuàng)新選題方向，這個(gè)獨(dú)特的思路大家可以進(jìn)行學(xué)習(xí)喔~