題目：急性髓系白血病糖代謝相關(guān)基因的預后模型和免疫應答的模型構(gòu)建

雜志：Front Immunol

影響因子：IF=8.8

發(fā)表時間：2022年12月

研究思路

基于GEO和TCGA中的AML患者基因表達及預后信息，使用單變量回歸和LASSO回歸通過分析，構(gòu)建了一個由10個CRGs相關(guān)基因組成的預后模型。利用這個模型，根據(jù)風險評分，將患者被分為高風險組和低風險組。進一步使用TCGA和GEO公共數(shù)據(jù)隊列，來驗證了模型的有效性，證明CRGs基因可以作為AML生存率預測評價（如下圖）。

分析結(jié)果

1. AML診斷相關(guān)的糖代謝相關(guān)基因（CRGs）獲取及模型構(gòu)建

將KEGG下載的355個糖代謝相關(guān)基因（CRGs），在TCGA中117個AML患者中進行相關(guān)性分析，共獲得15個與預后顯著相關(guān)的CRGs（圖4A）。利用LASSO回歸分析，鑒定出10個基因可以用來進行預后模型構(gòu)建，將患者分為低風險組和高風險組（圖4B-C）。IDH3G、G6PD、DCXR、CYB5R3、ACADS、PFKL和?CDIPT在高風險組顯著高表達（圖4D）。

圖4??AML診斷相關(guān)的糖代謝相關(guān)基因（CRGs）獲取及模型構(gòu)建

2. 生存分析驗證CRGs相關(guān)基因集對AML的診斷價值

生存分析表明，高風險組患者的生存期顯著低于低風險組（圖5 A）。另外，CRGs基因集的1、3和?5年AUC值分別達到了0.80, 0.74和0.87（圖5 B），顯著高于免疫檢查點基因集和自噬基因集等，表明CRGs基因的臨床應用價值較高。單變量Cox回歸分析表明AML患者的CRGs特征的具有較高的預測獨立性，同時，年齡和風險評分與患者的OS顯著相關(guān)（圖5 C）。

圖5??CRGs相關(guān)基因集對AML的診斷價值的驗證

3. GEO數(shù)據(jù)集中驗證CRGs基因集的預測能力

分別在GEO數(shù)據(jù)集GSE37642和GSE12417中進行CRGs基因集的組間比較以及生存分析，驗證分析確認了CRGs基因集的預測能力（圖6 A-F）。

圖6??CRGs相關(guān)基因集在GEO數(shù)據(jù)集中的驗證

4. 高風險組VS低風險組患者的差異基因分析

為了進一步闡明CRGs基因集對于AML患者生存期的作用機制，對基于CRGs基因集所分成的高風險組VS低風險組患者的差異表達基因進行了功能分析。

共鑒定了699個DEG，相比較于低風險組，共有457個基因在高風險組上調(diào)，242個基因下調(diào)（圖7A、B）。GO的富集分析顯示這些DEG顯著富集于免疫反應和碳水化合物代謝，并且碳水化合物代謝途徑和免疫應答途徑基因均在高風險組上調(diào)（圖7C）。這些結(jié)果表明CRGs基因可能在免疫激活中發(fā)揮重要作用。

圖7??高風險組和低風險組患者的差異基因分析

5. 不同風險人群的免疫細胞比例和相關(guān)性分析

作者使用CIBERSORT算法研究了訓練集中不同風險人群的22種免疫細胞類型的免疫細胞特性（圖8E–F），發(fā)現(xiàn)低風險組患者的記憶CD4+T細胞比例顯著高于高風險組，而低風險組的單核細胞比例顯著低于高風險組（圖8G）。

圖8??不同風險人群的免疫細胞比例和相關(guān)性分析

文章小結(jié)

這篇文章是通過“糖代謝”相關(guān)基因（carbohydrate metabolism related genes，CRGs）來闡述腫瘤“代謝重編程”這個主題的，并且文中也比較發(fā)現(xiàn)了，在作者選用的AML數(shù)據(jù)集中，CRGs基因的預后能力是強于自噬基因和免疫檢查點基因的，表明CRGs基因的優(yōu)先級。

同時，除了糖代謝重編程之外，“代謝重編程”這個主題其實還有其它方面，比如：

1）脂肪酸代謝重編程

2）氨基酸代謝重編程

并且還可以關(guān)注代謝重編程發(fā)生在哪種細胞中？誘導因素有哪些等？可謂換個角度就是一篇文章，暫時還未做這方面分析的，那么趕緊動手吧，抓緊復現(xiàn)。

小云悄悄話

如果你還苦惱于生信沒有思路，或者嫌分析方法太過簡單、太過老套，想要創(chuàng)新思路的，或者對新的熱點方向感興趣的小伙伴快來聯(lián)系小云吧。

小云可以提供如下服務：免費評估服務、付費設計服務、定制化生信分析等。超多個性化、創(chuàng)新性高的分析思路供你選擇！