接下來(lái)小云給大家展示1篇銅代謝相關(guān)預(yù)后模型構(gòu)建+簡(jiǎn)單驗(yàn)證的生信文章，還附帶銅代謝基因集合，直接就能復(fù)現(xiàn)，一起看看吧~

題目：鑒定銅代謝相關(guān)基因標(biāo)記預(yù)測(cè)膠質(zhì)瘤的預(yù)后和免疫反應(yīng)

雜志：Cancer medicine

影響因子：4.711

發(fā)表時(shí)間：2023年3月

數(shù)據(jù)信息

研究思路

從TCGA中收集基因表達(dá)數(shù)據(jù)，以確定神經(jīng)膠質(zhì)瘤中銅代謝相關(guān)基因的顯著差異表達(dá)。進(jìn)行COX回歸和LASSO回歸來(lái)構(gòu)建預(yù)后模型。CGGA測(cè)試集進(jìn)一步驗(yàn)證了模型的預(yù)后價(jià)值。隨后進(jìn)行功能分析，包括基因集富集分析(GSEA)、免疫浸潤(rùn)分析、突變分析。最后通過(guò)免疫組化分析驗(yàn)證這些基因的表達(dá)水平。

分析流程圖

主要研究結(jié)果

1.?分析與銅代謝相關(guān)的預(yù)后DEGs并構(gòu)建銅代謝相關(guān)預(yù)后模型

分析TCGA數(shù)據(jù)得到差異表達(dá)的39個(gè)銅代謝相關(guān)DEGs。對(duì)這些DEGs進(jìn)行單變量Cox回歸分析，篩選得到與OS相關(guān)的基因(圖1A)。功能富集分析表明，這些基因在銅離子和銅離子結(jié)合的細(xì)胞反應(yīng)中顯著富集(圖1B)。對(duì)上述基因進(jìn)行了LASSO回歸分析(圖1C,D)，7個(gè)基因用于構(gòu)建預(yù)后模型（圖1E）。

圖1. 確定與銅代謝相關(guān)的預(yù)后DEG并構(gòu)建銅代謝相關(guān)的預(yù)后模型

2.?預(yù)后模型的預(yù)測(cè)性能

根據(jù)所選基因的表達(dá)水平和回歸系數(shù)，計(jì)算患者的風(fēng)險(xiǎn)評(píng)分，將患者分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組。風(fēng)險(xiǎn)評(píng)分高的患者預(yù)后較差。7個(gè)基因在高風(fēng)險(xiǎn)組的表達(dá)量均高于低風(fēng)險(xiǎn)組。ROC曲線分析評(píng)估雨后模型在預(yù)測(cè)膠質(zhì)瘤患者預(yù)后方面的預(yù)測(cè)性能(圖2B)，高風(fēng)險(xiǎn)組OS時(shí)間明顯短于低風(fēng)險(xiǎn)組 (圖2C)。在CGGA數(shù)據(jù)集中得到類似的結(jié)果，表明預(yù)后模型在預(yù)測(cè)兩組患者的預(yù)后方面都有良好的表現(xiàn)。

圖2.預(yù)后模型的預(yù)測(cè)性能

3.?Nomogram的構(gòu)建和驗(yàn)證

單因素和多因素Cox回歸分析確定為獨(dú)立危險(xiǎn)因素，結(jié)合預(yù)后模型和其他獨(dú)立危險(xiǎn)因素構(gòu)建nomogram。nomogram模型的c指數(shù)為0.847。采用校正分析和ROC曲線分析評(píng)價(jià)nomogram預(yù)測(cè)性能。表明nomogram具有較好的預(yù)測(cè)能力，可作為臨床決策的參考。

圖3. 預(yù)后nomogram的構(gòu)建和驗(yàn)證

4.?GSEA

對(duì)TCGA組中兩個(gè)風(fēng)險(xiǎn)組之間差異表達(dá)基因進(jìn)行了GSEA。結(jié)果提示高風(fēng)險(xiǎn)組高表達(dá)基因在PD-1信號(hào)、上皮間充質(zhì)轉(zhuǎn)化、IL-10信號(hào)等通路中明顯富集。提示免疫抑制和先天免疫失調(diào)可能在膠質(zhì)瘤的進(jìn)展中發(fā)揮重要作用。

圖4. 銅代謝相關(guān)基因標(biāo)記的GSEA

5.?免疫浸潤(rùn)分析及突變差異

比較兩組間的免疫浸潤(rùn)水平，高風(fēng)險(xiǎn)組腫瘤組織中有較多的免疫細(xì)胞浸潤(rùn)，大多數(shù)免疫檢查點(diǎn)基因的表達(dá)水平較高。進(jìn)一步分析了TCGA數(shù)據(jù)集中的突變差異。低風(fēng)險(xiǎn)組組突變發(fā)生率為94.96%，突變最顯著的基因?yàn)镮DH1(圖5C)。而高風(fēng)險(xiǎn)組的突變發(fā)生率為92.64%，突變最顯著的基因?yàn)門P53(圖5D)。

計(jì)算TCGA-LGG/ GBM樣本中患者的風(fēng)險(xiǎn)評(píng)分與TMB之間的相關(guān)性，發(fā)現(xiàn)TMB與風(fēng)險(xiǎn)評(píng)分呈正相關(guān)(圖5E)。此外，高風(fēng)險(xiǎn)組TMB明顯高于低風(fēng)險(xiǎn)組(圖5 F)。

圖5. TCGA數(shù)據(jù)集的免疫浸潤(rùn)分析和突變差異

6.?免疫組化和生存分析檢測(cè)膠質(zhì)瘤樣本中關(guān)鍵基因的表達(dá)

通過(guò)免疫組化分析驗(yàn)證了這些基因的蛋白表達(dá)水平，并分析關(guān)鍵基因與患者生存之間的相關(guān)性。

圖6.免疫組化分析和生存分析

?

總結(jié)

文章利用銅代謝基因構(gòu)建預(yù)后模型并與免疫微環(huán)境等進(jìn)行關(guān)聯(lián)分析，最后進(jìn)行表達(dá)驗(yàn)證，思路比較簡(jiǎn)單，分析手段也很常規(guī)，所以說(shuō)選擇一個(gè)創(chuàng)新方向是關(guān)鍵，銅代謝可以作為銅死亡的一個(gè)拓展，既能蹭銅死亡的熱度，發(fā)文壓力又能小一些。拿到“銅代謝”基因集合，換個(gè)疾病反手就是一篇新的文章！目前“銅代謝”方向的生信文章并不多，正是發(fā)文好時(shí)機(jī)，把握住喲。?

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