ixxmu
commented
3 hours ago 基于单细胞和整体RNA测序的氧化应激反应生物标志物的卵巢癌研究（文章复现）1.文章概述 by R 学习践行者
背景
由于卵巢癌（OV）的发生和发展受氧化应激（OS）副产物增加和缺乏抗氧化应激修复系统的显著影响。因此，有必要探索与OV相关的OS标志物，这有助于预测患者的预后和免疫治疗反应，该研究基于此目的开展了这项研究。
该研究的整体分析思路如下所示：
首先从基因表达综合（GEO）数据库中检索单细胞RNA测序（scRNA-seq）数据集GSE146026，并从TCGA和GTEx数据库中获取整体RNA测序数据。然后使用Seurat R包和SingleR包分析scRNA-seq数据，并基于ROS标志物识别OS反应相关的簇。接着使用"limma" R包识别正常和卵巢样本之间的差异表达基因（DEGs）。并使用最小绝对收缩和选择算子（LASSO）回归分析构建风险模型。最后利用CIBERSORT算法、"maftools"和"pRRophetic" R包分别分析模型的免疫细胞浸润、基因组突变和药物敏感性。
结果
基于scRNA-seq数据，我们识别了12个簇；OS反应相关基因对簇12具有最强的特异性。从2928个DEGs中共识别出151个与OS反应显著相关的基因；最后，使用9个预后基因构建了风险评分（RS）模型。
图1.9个预后基因的LASSO回归系数
风险评分模型是OV的独立预后因子；如下图所示。
图2.高风险组和低风险组患者的生存曲线
对高危组和低危组患者中突变频率最高的前20个基因进行了分析，并绘制了瀑布图。结果揭示了高危组和低危组患者的基因突变频率存在差异（下图）
TME中的免疫细胞浸润影响癌症的发生和发展。因此，文章利用 CIBERSORT 算法探讨高危组和低危组患者 TME 的差异，CIBERSORT 用于估计 OV 中浸润的 22 种免疫细胞的比例；分析显示，高危组和低危组患者的免疫细胞浸润肿瘤的比例存在显著差异。如下图所示。
为了确定模型是否可以预测免疫治疗反应，比较高危组和低危组样本中免疫应答样本（完全应答（CR）+部分应答（PR））和非免疫应答样本（疾病稳定（SD）+疾病进展（PD））的分布差异使用累积分布图（图左）。与高风险组的患者相比，低风险组的患者对免疫治疗的反应更好。此外，SD/PD组患者的RS明显高于CR组患者（图右），表明低风险组患者对免疫治疗有更好的反应。
综上所述，该文章利用单细胞和整体RNA测序数据创建了一个风险评分模型。用于构建该模型的基因基于与氧化应激反应及途径相关的基因与卵巢癌中氧化应激相关基因的交集。这个由九个基因构成的特征预后模型可以用于预测卵巢癌患者的预后和免疫反应。
后面几章将复现该文章的单细胞分析部分，其他部分的分析内容之前已有展示就不继续展示。
原文：Oxidative medicine and cellular longevity, 2023, 1261039.
https://mp.weixin.qq.com/s/VUEs-cP0hjGJnR6aW1WcVw