大家好，今天給大家分享一篇腫瘤免疫浸潤文章，二區(qū)SCI從投稿到接收僅26天，不再是構建預后模型啦，只是簡單的純生信分析套路就可以發(fā)到7+。文末獲取文獻鏈接哦，文末還有精彩的亮點分析！

文章題目是Identification of prognostic genes in the tumor microenvironment of hepatocellular carcinoma，是發(fā)表在frontiers in Immunology雜志，影響因子是7.561，下面帶大家一起來拆解一下文章的分析套路吧~

流程圖：

首先帶大家一起來看看文章的分析流程圖，作者先基于TCGA數(shù)據(jù)庫得到HCC樣本RNA-Seq和臨床病理數(shù)據(jù)，利用Estimate算法計算了Stromal/Immune/Estimate評分和腫瘤純度，然后基于Stromal/Immune評分的中位值，將患者分為高、低組，分別篩選差異表達基因（DEGs），并對得到的共有基因進行富集分析。接著，作者基于得到的共有DEGs篩選預后相關基因，并在GEO和ICGC數(shù)據(jù)庫中進行驗證。最后，對預后基因和臨床參數(shù)、免疫細胞浸潤進行相關性分析。

結果一：Stromal/Immune/Estimate評分和腫瘤純度與預后和腫瘤突變負荷（TMB）顯著相關

首先，作者利用Estimate算法計算了Stromal/Immune/Estimate評分和腫瘤純度，接著發(fā)現(xiàn)Stromal/Immune/Estimate評分和腫瘤純度與生存（OS、DSS、DFI及PFI）顯著相關（圖1A）。接著根據(jù)Stromal/Immune/Estimate評分和腫瘤純度的中位值，將患者分為高、低組，發(fā)現(xiàn)低Stromal/Immune/Estimate評分組TMB較高，高腫瘤純度組TMB較高（圖1B）。

結果二：Stromal/Immune相關的DEGs以及相關的通路

作者在這里分別對高、低Stromal/Immune評分組進行差異分析，在高、低Immune評分組篩選到1,065個上調(diào)基因和105個下調(diào)基因；高、低Stromal評分組篩選到1,597個上調(diào)基因，112個下調(diào)基因（圖2A和B）。并且，高、低Immune評分組和高、低Stromal評分組總共得到896個共有DEGs（圖2C）。接著對這896個共有DEGs進行富集分析（圖2D和E）。細胞因子-細胞因子受體相互作用信號通路中富集的DEGs相互作用如圖3所示。

結果三：鑒定和驗證最佳HCC預后生物標志物

首先，對896個共有DEGs進行單因素Cox回歸分析，得到89個P < 0.05的基因；接著進行LASSO回歸分析，得到18個基因（圖4A）?；诙嘁蛩谻ox回歸分析，總共得到3個基因與HCC預后顯著相關（圖4B），包括GBP5、EMR3和CASKIN1。這三個基因和生存（OS、PFS、RFS和DSS）顯著相關（圖4C）。為了進一步驗證這個結果，作者還在GEO和ICGC數(shù)據(jù)庫中進行了驗證，結果都與TCGA數(shù)據(jù)庫得到的結果一致。

結果四：GBP5、EMR3和CASKIN1的表達水平以及與HCC臨床參數(shù)的相關性

作者基于HPA數(shù)據(jù)庫，比較了GBP5、EMR3和CASKIN1在正常和HCC組織中的蛋白表達水平，結果發(fā)現(xiàn)GBP5和CASKIN1在HCC組織中高表達，而EMR3在HCC組織中低表達（圖5A）。并且，還基于TCGA數(shù)據(jù)庫發(fā)現(xiàn)與癌旁組織相比，GBP5和CASKIN1的mRNA表達水平在HCC組織中顯著升高，而EMR3顯著下降（圖5B）。接著根據(jù)這三個基因的中位表達值分析這三個基因和臨床參數(shù)的相關性，結果發(fā)現(xiàn)EMR3低表達多見于低腫瘤及病理分級，晚期高表達比例增加；CASKIN1表達的病理分期和腫瘤分級也觀察到類似結果（圖5C）。

圖5

結果五：GBP5、EMR3和CASKIN1的表達與免疫細胞浸潤的關系

首先，作者分析了GBP5、EMR3和CASKIN1表達水平和Stromal/Immune/Estimate評分和腫瘤純度的相關性，結果發(fā)現(xiàn)CASKIN1表達與Stromal/Immune/Estimate評分負相關，而與腫瘤純度正相關；GBP5和EMR3的表達與Stromal/Immune/Estimate評分正相關，而與腫瘤純度負相關（圖6A）。接著，作者還分析了GBP5、EMR3和CASKIN1表達和免疫浸潤水平之間的關系，發(fā)現(xiàn)GBP5表達與純度顯著相關；并且EMR3和CASKIN1表達和B細胞、CD4 T細胞、巨噬細胞等顯著相關（圖6B）。通過ssGSEA算法，分析了GBP5、EMR3和CASKIN1表達和29個免疫細胞浸潤水平之間的關系，結果發(fā)現(xiàn)CASKIN1基因主要與免疫細胞浸潤呈負相關；GBP5基因與29個免疫細胞呈正相關，并且與其中12個免疫細胞高度相關（R > 0.3）；EMR3基因與29個免疫細胞呈正相關或負相關（圖6C）。

亮點分析：

這樣的套路可適用于所有腫瘤，分析思路比較清晰、簡單，那為什么常規(guī)的純生信分析套路就可以發(fā)7+？隨著小編拆解下來，我們也可以發(fā)現(xiàn)，首先，本研究的樣本量是比較大的；其次，涉及免疫浸潤和突變等分析內(nèi)容；最后，雖然沒做實驗，但得到的預后基因也在其他兩個數(shù)據(jù)庫（GEO和ICGC）中進行了驗證，可信度比較高?？傊?，有很多我們值得借鑒的地方~

文獻出處：

Xiang S, Li J, Shen J, Zhao Y, Wu X, Li M, Yang X, Kaboli PJ, Du F, Zheng Y, Wen Q, Cho CH, Yi T, Xiao Z. Identification of Prognostic Genes in the Tumor Microenvironment of Hepatocellular Carcinoma. Front Immunol. 2021 Apr 7;12:653836. doi: 10.3389/fimmu.2021.653836. PMID: 33897701; PMCID: PMC8059369.