文献详解 简单易上手的5分纯生信文章

小编又发现一篇简单易上手的生信文,标题为“A Novel Immune-Related Prognostic Model for Response to Immunotherapy and Survival in Patients With Lung Adenocarcinoma”,发表于Frontiers in Cell and Developmental Biology,IF为5.2,实时IF已经超过6分。

研究思路

本文利用CIBERSORT算法分析LUAD的免疫浸润水平,并构建免疫分型,区分冷热肿瘤,筛选预后相关的免疫基因用于构建风险预测模型。

研究背景

肺癌是严重危害人们的健康,致死率很高,肺癌中百分之八十五为非小细胞肺癌(NSCLC)。肺腺癌(LUAD)为NSCLC最常见的亚型,具有较高的相关性/肿瘤内异质性。LUAD恶性程度高且化疗效果有限。随着免疫检查点抑制剂和靶向治疗的快速发展,患者免疫治疗后的预后显著改善。而个性化的LUAD的免疫分型吸引了越来越多学者的关注。

数据来源

网站UCSC XENA (http://xena.ucsc.edu/)下载LUAD的RNA-sequencing数据。数据库Gene Expression Omnibus (GEO) (https://www.ncbi.nlm.nih.gov/)下载LUAD的数据集GSE78220和GSE91061。获得的3个表达谱均需要转换成TPM格式,并做log(x +1)标准化预处理。

研究结果

基于R包CIBERSORT中22种免疫细胞的特征,分析每个LUAD样本的免疫浸润情况,p < 0.05的样本被纳入到接下来的分析中。森林图展示了免疫细胞与LUAD总生成期(OS)和无进展期(PFI)的相关性。Kaplan–Meier生存分析进一步探索免疫细胞在LUAD预后的意义。

进一步展示了22种免疫细胞分别在正常样本和肿瘤样本中的组成比。作者发现,9种免疫细胞(初始B细胞,记忆B细胞,浆细胞,CD8+ T细胞, CD4+记忆T细胞,Tfh细胞,调节性T细胞,M1巨噬细胞和静息态树突状细胞)在肿瘤样本中有更高的免疫浸润;3种免疫细胞(自然杀伤细胞,肥大细胞和静息态CD4+记忆T细胞)在正常样本有更高的免疫浸润水平。

在正常样本和LUAD样本中,作者进一步分析22中免疫细胞之间的相关性。作者发现,CD8+ T细胞与其他细胞类型有密切相关性,表明其在LUAD免疫调节中发挥关键作用。一致性聚类 (Consensus Clustering),是一种的无监督聚类方法,常用于癌症亚型分类研究中。基于免疫细胞的组成,作者采用R包Consensus ClusterPlus,将LUAD分成5种亚型。

热图显示22种免疫细胞在5种亚型种分布情况。接着分析了LUAD的免疫评分、间质评分和肿瘤纯度与LUAD免疫亚型的相关性,发现cluster 5的免疫评分最高,间质评分最低。5个亚型的免疫评分从1到5型依次增加;相反的,肿瘤纯度依次减少。

“热”肿瘤(Hot)是指免疫浸润水平高的肿瘤,对免疫治疗更敏感。“冷”肿瘤(Cold)则相反。本研究中,作者发现cluster 4和5中有更高的免疫评分;cluster 1-3缺乏CD8+ T细胞。为能进一步探索LUAD中免疫机制,作者将cluster 1-3定义为冷肿瘤,cluster 4和5定义为热肿瘤。抗原提呈细胞等重要免疫细胞在热肿瘤中浸润水平更高。作者对冷、热肿瘤两组进行差异分析,火山图显示CXCL9, TCL1A, CCL19, CXCL13, MS4A1和C4orf7等基因在热肿瘤中高表达,且与免疫反应密切相关;MMP8等在冷肿瘤中高表达,筛选出的CGA, INHA, IBSP和CHRNA9等基因与免疫反应不是很密切。同时,作者将获得的差异基因进行功能富集分析(GO和KEGG).

作者在Cytoscape中构建蛋白互作网络(PPI),利用MCODE插件筛选出top 10 关键上调/下调基因。LASSO回归和多因素Cox分析筛选预后相关的基因。

筛选出的9个基因构建了LUAD的风险预测模型。risk value = (−0.1773 × PLEKHB1 expression) + (−0.2011 ×LY75 expression) + (0.08690 × PHGR1 expression) + (0.4450× TMEM194B expression) + (00.1999 × APOL1 expression) + (−0.1034 × PPP2R2B expression) + (−0.1767 × CD160 expression) + (−0.2573 × GPR31 expression) + (−0.2125 × CLEC12B expression)。ROC曲线和生存分析发现该模型具有可靠的诊断和风险预测价值。

总结

本研究对LUAD进行免疫浸润分析,并据此将LUAD分成5个亚型。根据亚型的免疫反应,将cluster 1-3定义为冷肿瘤,cluster 4和5定义为热肿瘤。两组差异分析获得的DEGs进一步筛选与预后相关的关键基因,并构建风险预测模型。

参考文献:

Zheng Y, Tian H, Zhou Z, et al. A Novel Immune-Related Prognostic Model for Response to Immunotherapy and Survival in Patients With Lung Adenocarcinoma. Front Cell Dev Biol. 2021 19;9:651406.

文献解读

文献详解 单细胞测序文章

2021-9-27 23:01:16

文献解读

lncRNA结合m6A生信文章 预后预测的研究思路

2021-9-29 16:26:06

声明 本网站部分文章源于互联网,出于传递更多信息和学习之目的转载,并不保证内容正确或赞同其观点。
如转载稿涉及失效、版权等问题,请立即联系管理员;我们会予以修改、删除相关文章,请留言反馈
Notice: When your legal rights are being violated, please send an email to: [email protected]
0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索