經(jīng)?？瓷盼恼碌男』锇閼?yīng)該不難發(fā)現(xiàn)，“腫瘤免疫微環(huán)境”基本占據(jù)了腫瘤生信分析的半壁江山，并且很多分支方向都是爆火的熱點，比如CAFs細(xì)胞、TAM細(xì)胞、T細(xì)胞等等···

但爆火的熱點同時也意味著發(fā)文量比較大，發(fā)文競爭壓力也比較大，想在這些方向上發(fā)高分文章的話就要求突破和創(chuàng)新，對于生信新手來說會比較難（ps：新手小白不要怕，布小谷給你推薦更好走的路，跟著小云繼續(xù)往下看吧）~?~

其實呢，我們也可以換條更容易的路走，尤其適用于生信新手小白，那就是在腫瘤微環(huán)境里找一個發(fā)文量還沒有爆滿的方向，布小谷推薦 “缺氧微環(huán)境”?！叭毖跷h(huán)境”也屬于腫瘤微環(huán)境熱點，并且曾獲得“諾貝爾生理學(xué)或醫(yī)學(xué)獎”，有熱度，發(fā)文量又不是特別多，有復(fù)現(xiàn)空間和創(chuàng)新性，豈不是上車的大好時機，把握住喲

下面布小谷就分享一個基于缺氧基因的頭頸部鱗狀細(xì)胞癌預(yù)后模型構(gòu)建的超簡單思路，加上大隊列驗證輕松發(fā)到5分+，換個癌種就能復(fù)現(xiàn)，一起來就看看吧~

l?題目：用于頭頸部鱗狀細(xì)胞癌預(yù)后和免疫原性評估的新型缺氧相關(guān)特征的開發(fā)和驗證

l?雜志：Frontiers in Oncology

l?影響因子：IF=5.738

l?發(fā)表時間：2022年11月

研究背景

缺氧是實體瘤的標(biāo)志，對血管生成、代謝、增殖、轉(zhuǎn)移和細(xì)胞分化具有廣泛影響，在頭頸部鱗狀細(xì)胞癌(HNSCC)的預(yù)后中起著關(guān)鍵作用。然而，到目前為止，尚未建立穩(wěn)健可靠的缺氧相關(guān)預(yù)后特征來準(zhǔn)確評估HNSCC患者的預(yù)后。

數(shù)據(jù)來源

研究思路

篩選HNSCC 患者和對照組之間差異表達(dá)的HRGs，然后使用survival包進(jìn)行單變量Cox回歸分析以篩選出15個預(yù)后相關(guān)的HRGs，再進(jìn)行進(jìn)行LASSO Cox回歸分析，構(gòu)建基于6個HRGs的HNSCC患者預(yù)后模型。使用不同的隊列對模型進(jìn)行了驗證，并進(jìn)行了獨立性檢驗。分析了預(yù)后特征與基因突變以及免疫景觀之間的相關(guān)性。最后，應(yīng)用IHC染色驗證了6個HRGs在HNSCC樣本中的表達(dá)。?

研究結(jié)果

1. 預(yù)后相關(guān)的HRG鑒定和基于HRG預(yù)后模型的構(gòu)建和驗證

使用survival包進(jìn)行單變量Cox回歸分析篩選出15個預(yù)后相關(guān)的HRGs（圖1A），再進(jìn)行LASSO Cox回歸分析建立基于6個HRGs的預(yù)后模型（圖1B）。根據(jù)中位風(fēng)險評分將HNSCC患者分為高風(fēng)險組和低風(fēng)險組，進(jìn)行KM生存分析（圖1D）并利用ROC曲線評估模型預(yù)測性能（圖1E），在驗證隊列中進(jìn)行模型驗證（圖1J, K）。最后綜合風(fēng)險評分和臨床特征（如年齡、分期等）建立一個列線圖以預(yù)測HNSCC患者術(shù)后1年、3年和5年的生存率，并利用ROC曲線評估預(yù)測性能（圖1C）。

圖1 基于HRGs預(yù)后模型的構(gòu)建與驗證

2. GSEA分析和突變分析

在高風(fēng)險組和低風(fēng)險組之間進(jìn)行GSEA分析以揭示參與缺氧的候選途徑?，分析顯示缺氧與腫瘤的生長和侵襲密切相關(guān)，代表預(yù)后不良（圖2A）。應(yīng)用maftools包對兩個風(fēng)險組基因突變特征進(jìn)行了分析，發(fā)現(xiàn)高風(fēng)險組的突變頻率更高（圖2B, C）。

圖2?GSEA分析和突變分析

3. 低風(fēng)險和高風(fēng)險HNSCC患者之間的免疫浸潤分析

使用CIBERSORT、TIMER、MCP-count、EPIC和quanTIseq多種算法來估計兩個風(fēng)險組間的免疫細(xì)胞浸潤情況，多種免疫細(xì)胞豐度在兩組間存在顯著差異。?比較兩個風(fēng)險組間免疫檢查點基因表達(dá)差異。利用ESTIMATE算法計算兩風(fēng)險組患者的免疫評分、基質(zhì)評分和估計評分。通過TIDE評分和TMB評分評估風(fēng)險評分對ICI治療反應(yīng)的預(yù)測作用。

圖3?免疫浸潤分析

4. 臨床樣本驗證6個HRGs的蛋白表達(dá)

收集127名HNSCC患者腫瘤樣本，利用IHC染色來檢測HNSCC樣本中6個HRGs蛋白質(zhì)的表達(dá)，計算了每個樣本的風(fēng)險評分，并根據(jù)中位數(shù)劃分了高風(fēng)險組和低風(fēng)險組，比較六種HRGs在兩風(fēng)險組中的表達(dá)差異（圖4A）。然后通過KM生存曲線分析預(yù)后（圖4B），結(jié)果同TCGA一致，結(jié)果提示風(fēng)險評分較高的患者預(yù)后不良。（ps：收集100多例臨床樣本來做大隊列驗證的并不多見，提分效果非常明顯，能夠大量收集樣本的朋友可以嘗試這種簡單分析+大隊列驗證的思路哦）

圖4?HRGs的大隊列表達(dá)驗證和預(yù)后分析

文章小結(jié)

本研究建立了一個基于HRG的預(yù)后模型，并在大隊列中進(jìn)行表達(dá)驗證。前期生信分析思路屬于腫瘤生信中最常規(guī)分析，比較簡單，適合新手小白初次嘗試使用，再加上大隊列驗證以后文章直接發(fā)到5分+，也就是說大隊列濕實驗驗證的提分效果非常棒，對于收集樣本容易又不想做測序的小伙伴，非常適合這種思路哦，在“缺氧”方向發(fā)文競爭力還不大的時候，用上思路換個癌種趕緊復(fù)現(xiàn)吧！