文献解读:用生存分析发4.6分SCI

• MIBC(muscle‐invasive bladder cancer) 肌肉浸润性膀胱癌

• NMIBC(non–muscle‐invasive bladder cancer) 非肌肉浸润性膀胱癌

• OS （overall survival）总生存

被认为是肿瘤临床试验中最佳的疗效终点，当患者的生存期能充分评估时，它是首选终点

• DFS （disease-free survival）无病生存期

最常用于根治性手术或放疗后的辅助治疗的研究

• DCA （Decision Curve Analysis）决策曲线分析

• 数据下载：TCGA‐BLCA 数据下载于UCSC Xena；GEO 数据集：GSE13507, GSE32548, GSE32894，GSE48075；gene sets和gene list下载于Gene Set Enrichment Analysis (GSEA) database;

• GSVA对4个GEO数据集进行分析；展示GSEA对EMT通路的富集结果；对NMIBC和MIBC进行生存曲线的绘制；

• Lasso和cox分析筛选出7个EMT相关的signature，用计算结果对TCGA-BLCA分组后进行生存曲线、risk score模型以及时间依赖的ROC曲线绘制；

• 在GEO数据集中对7个EMT相关的signature进行如上相同的确认（生存曲线、risk score model、时间依赖的ROC）；

• 在DFS数据集中对7个EMT相关的signature进行如上相同的确认（生存曲线、risk score model、时间依赖的ROC）；

• 对临床特征进一步细分后，在每一个临床分类下绘制生存曲线；

• 对临床病理特征进行单因素和多因素cox回归，确定出包括EMT相关signature在内的可作为独立预后因子的3个特征，得到3年或5年OS预测的Nomogram，并绘制矫正曲线和DCA；

主要是用GSVA对GEO数据集进行分析，然后，维恩图分别展示激活和抑制的基因集；在激活基因集的交集中找到了要研究的EMT通路；用GSEA对4个GEO数据集的EMT通路的富集情况进行展示；对MIBC和NMIBC绘制生存曲线；

GSVA以非参数无监督的方式研究在基因集水平的差异；GSEA为富集分析的方法之一，功能基因集打分FCS（functional class scoring），可以下载软件分析，也可用R包分析；

富集了EMT通路后，又利用Lasso和cox回归的方式，将基因数目从200多个（上面有提到，基因集可以直接从Gene Set Enrichment Analysis (GSEA) database下载）减少到7个基因的signature，得到了一个公式：LAMA2 expression *0.0382 + GPC1 expression *0.0726 + ECM1 expression *0.0717 + FBN2 expression *0.0386 + LRP1 expression*0.0685 + PVR expression *0.00903 + FUCA1 expression *(−0.0475)，依据这个公式计算得到的score进行分组后绘制生存曲线、风险模型和ROC曲线；

将训练集换成验证集后，生存曲线、风险模型、ROC再来一波，这里用到的临床数据是OS；

验证集有个小的改变，生存曲线、风险模型、ROC再来一波，这里用到的临床数据是DFS；

KMplot批量产出生存曲线

以上都是对预后基因signature的建立和验证，这里用单因素和多因素cox，确立了EMT相关signature在内的可作为独立预后因子的3个特征；