「文章发表」-- 肿瘤免疫浸润分析

「文章发表」-- 肿瘤免疫浸润分析 by YuLabSMU

今天给大家介绍一篇单癌种免疫浸润分析纯生信的SCI文章，文章于2020年11月2日投稿，2021年1月6日即接收，发表于frontiers in genetics，最新影响因子3.2分。

题目为Identification of Prognostic Stromal-Immune Score–Based Genes in Hepatocellular Carcinoma Microenvironment. 本研究基于间质免疫评分鉴定了原发性肝细胞癌肿瘤微环境预后相关基因，发现了与免疫抑制分子和药物反应相关的潜在生物标志物。

摘要

越来越多的证据表明，间质细胞和免疫细胞在肝癌微环境中的临床重要性。然而，基于基质和免疫成分评估的预后基因还没有在肝癌中得到很好的证实。作者使用ESTIMATE算法，计算了TCGA数据库中的肝癌队列的间质和免疫得分。高评分的患者表现了更好的总生存期和无进展间期，且差异基因和功能富集分析显示高评分的特征是免疫激活信号通路。最后，应用LASSO和TIMER算法筛选肿瘤微环境预后相关基因。

流程图：

结果简述

1.间质免疫评分与肝癌临床特征的关系

首先，作者根据TCGA数据库中365例肝细胞癌患者的表达数据使用ESTIMATE算法计算免疫和间质评分。通过比较不同临床特征的评分分布，作者发现分化较差的患者间质评分高于分化较好的患者(图2A、B)；甲胎蛋白高的患者间质评分较低(图2C、D)；初治疗后未发生新肿瘤事件的患者有更高的免疫和间质评分(图2E，F)。此外，作者使用X-Tile将患者分成高低评分两组来做后续分析，发现高免疫和间质评分与OS和PFI均呈正相关(图3A-D)。

2.高低评分组差异基因及功能富集分析

为了揭示高低评分组的潜在生物学特征，作者使用NetworkAnalyst进行差异基因分析。热图展示了部分差异表达基因（DEG）(图4A、B)。分析获得797个共同高表达DEG(图4C)，28个共同低表达DEG(图4D)。作者使用“Goseq”和“clusterProfiler”R包对上述825个交叉基因进行功能富集分析。结果显示了交叉基因与免疫反应相关(图4E、F)。

3.交叉基因的蛋白质互作网络分析

为了更好地理解DEG之间的相互作用，作者使用STRING获得了PPI网络。利用MCODE软件，找到网络中的8个模块。作者对最重要的2个模块进行了后续分析。图5B显示了ClueGo对模块1(图5A)的GO分析。结果表明，2个模块主要富集于免疫反应过程相关的功能，特别是T细胞反应。

4.肝癌患者预后相关基因的鉴定及免疫浸润分析

为了获得具有最大预后价值的基因，作者运用了LASSO算法，筛选了7个基因，之后使用Kaplan-Meier分析了这7个基因与OS之间的关系。发现高表达的GDF10和MMP9与OS呈负相关(图6A)。接着，作者采用Timer 2.0对基因表达量与肿瘤免疫细胞浸润进行相关性分析。图6B显示了6种类型的免疫细胞浸润与MMP9表达呈强正相关。作者还分析了肝癌组织中MMP9与免疫检查点的相关性。发现MMP9与一系列免疫检查点的表达相关(图6C)。

此外，作者使用了可以推断靶向治疗应答生物标记物的CARE算法计算了MMP9与药物反应相关性。结果显示在CTRP数据集上，MMP9的高表达可能与靶向治疗的高应答相关(图6D)。

这篇文章对于我来说，其重要性在于证明了我的想法是对的，之前想让本科生独立搞小文章，《书读得太少，而想得太多》，想让八年制的学生独立搞文章，《YuLab招博后，多组学整合方向》，最终都失败了，让我怀疑自己，而这篇文章又告诉了我，想法是对的，关键是有没有对的学生。最后以朋友圈截屏来镇楼：

看完你还想看

ixxmu / mp_duty

「文章发表」-- 肿瘤免疫浸润分析 #703

「文章发表」-- 肿瘤免疫浸润分析 by YuLabSMU