預(yù)后模型那么多，為什么還能發(fā)5分+的文章？重點就在于要找到目標疾病的research gap！當然，布小谷也知道gap不是那么容易發(fā)現(xiàn)的，不然大家也不會為了發(fā)文章頭禿。

?

那么不妨將幾個點結(jié)合起來！布小谷今天就為大家?guī)硪黄@樣的文章。

癌癥淋巴結(jié)轉(zhuǎn)移往往有很差的預(yù)后，但很巧的是，這篇文章選擇的癌癥正好缺乏這方面的論文。布小谷真的好羨慕！希望小伙伴們也能有這樣的好運氣！

?

此外，作者采用機器學(xué)習(xí)算法不僅篩選了關(guān)鍵基因，還篩選了關(guān)鍵的免疫細胞，并將兩者關(guān)聯(lián)以探究相互影響。在生信分析的基礎(chǔ)上這篇文章還進行了體外驗證實驗，內(nèi)容豐富，是發(fā)高分文章的好模板哦~快和布小谷一起學(xué)習(xí)借鑒起來吧。

l?題目：通過生物信息學(xué)分析和實驗驗證鑒定與甲狀腺乳頭狀癌淋巴轉(zhuǎn)移相關(guān)的關(guān)鍵免疫基因

l?雜志：Front Oncol

l?影響因子：IF=5.738

l?發(fā)表時間：2023年5月

研究背景

甲狀腺癌（THCA）是女性內(nèi)分泌系統(tǒng)的常見腫瘤，而乳頭狀甲狀腺癌 (PTC)是其常見的一種。雖然PTC的檢出率逐年上升，但PTC淋巴結(jié)轉(zhuǎn)移的發(fā)生率仍居高不下，這是腫瘤進展的重要指標和腫瘤分期惡化的標志。因此，尋找預(yù)測PTC早期轉(zhuǎn)移的生物標志物以改善PTC并發(fā)淋巴結(jié)轉(zhuǎn)移患者預(yù)后是很有必要的。

數(shù)據(jù)來源

研究思路

進行WGCNA分析以從TCGA數(shù)據(jù)庫中鑒定與PTC淋巴轉(zhuǎn)移密切相關(guān)的基因。從ImmPort數(shù)據(jù)庫獲得有關(guān)免疫相關(guān)基因 (IRG) 的信息。將兩類基因取交集獲得交叉基因，使用R包clusterProfiler 進行GO和KEGG分析。將交叉基因?qū)隨tring數(shù)據(jù)庫以構(gòu)建蛋白質(zhì)-蛋白質(zhì)相互作用 (PPI) 網(wǎng)絡(luò)。隨后使用 Cytoscape獲得交叉基因的PPI網(wǎng)絡(luò)中的關(guān)鍵基因。利用LASSO回歸和隨機森林 (RF) 模型篩選出hub基因并進行驗證以評估模型精度。使用R包 CIBERSORT，將表達譜數(shù)據(jù)用于免疫浸潤分析。通過免疫組織化學(xué)收集和評估臨床樣本，以檢測hub基因的表達。

主要結(jié)果

1.?通過WGCNA分析鑒定與淋巴轉(zhuǎn)移相關(guān)的基因

使用WGCNA分析來自TCGA數(shù)據(jù)庫的數(shù)據(jù)，得到基于相鄰值差異的層次聚類分析的基因聚類樹（圖1B）。評估得到的12個模塊間的關(guān)聯(lián)，發(fā)現(xiàn)黑色模塊與淋巴轉(zhuǎn)移最密切相關(guān)，并含有1271個基因（圖2）。

2.?獲得IRG并構(gòu)建PPI網(wǎng)絡(luò)

將黑色模塊與IRG取交集獲得122個共同基因，導(dǎo)入String數(shù)據(jù)庫以將其映射為一個PPI網(wǎng)絡(luò)（圖3A）。利用cytoHubba應(yīng)用程序中的MCC 算法，得到前10個常見的IRG，包括CXCL8、CXCL2、PTGS2和ICAM1（圖3B）。

3.?GO和KEGG分析

對122個常見基因進行了GO和KEGG分析，以解釋與免疫基因相關(guān)的淋巴轉(zhuǎn)移的分子機制。GO分析顯示淋巴轉(zhuǎn)移與趨化性、信號受體復(fù)合物、受體-配體活性和其他生物學(xué)功能的調(diào)節(jié)在功能上相關(guān)（圖4A-C）。KEGG分析顯示細胞因子-細胞因子受體相互作用和自然殺傷 (NK) 介導(dǎo)的細胞毒性參與淋巴轉(zhuǎn)移（圖4D）。

?

4.?預(yù)后模型的建立與評價

根據(jù)LASSO回歸和RF模型的結(jié)果篩選出3個hub基因，分別是MET、ICAM1和PTGS2?；?個hub基因構(gòu)建PTC淋巴轉(zhuǎn)移預(yù)測模型，并繪制診斷列線圖、校準曲線、臨床決策曲線和基于風(fēng)險評分的ROC曲線以評估預(yù)測模型（圖5A-D）。校準曲線與相應(yīng)的參考線沒有顯著偏差（圖5B）；臨床決策曲線表明，在廣泛的閾值范圍內(nèi)觀察到較高的總體凈收益（圖5C)；ROC曲線的AUC達到0.84（圖5D）。此外，經(jīng)過10倍和200次交叉驗證后模型的平均AUC也達到0.84，這些結(jié)果表示這個模型對淋巴結(jié)轉(zhuǎn)移具有良好的預(yù)測能力。

?

5.?hub基因與關(guān)鍵免疫細胞的關(guān)聯(lián)

使用R包CIBERSORT進行分析后，評估N0和N1樣本中22種免疫細胞的百分比。使用t檢驗，結(jié)果表明有7種免疫細胞的淋巴轉(zhuǎn)移和非轉(zhuǎn)移之間存在顯著差異（圖6）。而利用LASSO回歸對N0和N1樣本的免疫細胞篩選，獲得了10個與淋巴結(jié)轉(zhuǎn)移相關(guān)的免疫細胞（圖7A,?B）。

將兩者取交集獲得7種免疫細胞，包括活化的NK細胞、單核細胞、巨噬細胞M0和M1、靜息和活化的樹突細胞以及嗜酸性粒細胞，它們被確定為淋巴轉(zhuǎn)移的標志性免疫細胞（圖7C）。相關(guān)性熱圖表明所有hub基因都與7種標志性免疫細胞呈正相關(guān)（圖7E）。

6.?hub基因的表達差異和生存分析

在KM plotter數(shù)據(jù)庫中檢索與甲狀腺癌患者生存時間相關(guān)的3個hub基因的表達，結(jié)果表明淋巴結(jié)轉(zhuǎn)移組MET和ICAM1的表達明顯高于非轉(zhuǎn)移組和正常組(P<0.001)。PTGS2在淋巴結(jié)轉(zhuǎn)移組的表達明顯高于非轉(zhuǎn)移組（P<0.01）?（圖8A-C）。生存分析的結(jié)果顯示MET的高表達與PTC患者死亡風(fēng)險增加密切相關(guān)（圖8D）。然而，ICAM1和PTGS2的高表達組和低表達組之間的存活時間沒有顯著差異（圖8E, F）。

7.?免疫組織化學(xué)分析

為了在實驗水平上進行驗證，通過對淋巴結(jié)轉(zhuǎn)移組和非轉(zhuǎn)移組的病理切片進行免疫組織化學(xué)染色，分析了PTGS2、MET和ICAM1的表達。IHC染色結(jié)果顯示，淋巴結(jié)轉(zhuǎn)移組MET和ICAM1表達高于淋巴結(jié)未轉(zhuǎn)移組。而PTGS2的表達在兩組之間沒有顯著差異（圖9A-C)。根據(jù)Spearman相關(guān)性分析，PTC淋巴結(jié)轉(zhuǎn)移組ICAM1的表達與MET的表達呈正相關(guān)。

?

文章小結(jié)

這篇文章的亮點在于采用機器學(xué)習(xí)算法分別篩選了關(guān)鍵基因和關(guān)鍵的免疫細胞，并且創(chuàng)新性地構(gòu)建了相關(guān)疾病的預(yù)測模型，彌補了這方面論文的不足。相較于純生信分析，這里加上體外表達驗證實驗，穩(wěn)扎穩(wěn)打的驗證十分有效地增加了文章的可信度。思路創(chuàng)新+干濕結(jié)合=王炸！小伙伴們不妨也試一下這個思路發(fā)一篇高分文章！