热乎的5.5分SCI，来看看最新的预后模型文章是怎么做的 / 开普饭

在本项研究中，作者下载TCGA结直肠癌（CRC）数据作为训练集，GEO数据库（GSE40967，GSE12945，GSE17536，GSE17537）作为验证集。从分子特征数据库中选择上皮间质转化相关基因(EMT-RDG)。使用生物信息学方法分析EMT-RDGs与CRC预后、转移、药物疗效和免疫之间的相关性。最终获得了9个与预后相关的EMT-RDGs并构建了风险预后模型。结果显示：高危组和低危组之间以及9种预后相关EMT-RDGs的不同状态在临床特征、22种免疫细胞和免疫功能方面存在显著差异。同时，9个与预后相关的EMT-RDG的甲基化水平和突变状态都会影响对EMT的调节。此外，9个与预后相关的EMT-RDG也影响了CRC的药物治疗反应。

发表杂志：JTransl Med.

影响因子：5.530

生信分析咨询

请扫描下方二维码

研究背景

结直肠癌（CRC）是一种发病率和死亡率高、易复发、易转移的恶性肿瘤。降低结直肠癌转移的概率，寻找新的靶点是提高结直肠癌患者生存率的关键。上皮间质转化（EMT）是肿瘤转移和侵袭的主要机制之一。它还具有促进肿瘤细胞恶性增殖、减少细胞凋亡和衰老、促进免疫抑制等作用。EMT可影响CRC的发生发展、转移的预后以及化疗和免疫治疗的效果。然而目前的研究还缺乏对调节EMT过程的整体基因及其对CRC的预后和治疗效果的系统研究。

流程图

分析解读：

数据收集

①TCGA数据库下载转录组、DNA甲基化、突变数据、拷贝数变异(CNV)和临床数据。

②CRC肝转移数据下载自GSE28814数据集和GSE6988数据集。

③CRC治疗数据来自GSE36864数据集。

④分子特征数据库筛选出166个EMT相关基因。

EMT相关基因和lncRNA差异表达分析

①从TCGA数据集中筛选出EMT-RDGs，利用WGCNA共表达分析获得EMT相关的lncRNAs（EMT-RlncRNAs）并进行差异表达分析。

基因富集与功能分析

结果：

下图A-C：CRC中EMT-RDGs的GO富集分析。

下图D：CRC中EMT-RDGs的KEGG信号通路分析。

下图E：预后相关基因的功能富集分析。

基于EMT-RDGs的预后模型构建

①在TCGA数据中通过单变量cox和Lasso回归分析筛选出9个与预后相关的EMT-RDGs，并计算每个基因的得分。通过基因风险评分构建CRC风险预后模型。

结果：

下图A：高风险和低风险组的生存曲线。

下图B：风险评分的ROC曲线。

下图C：风险评分分布和风险评分与生存时间关系的散点图。

下图D：高风险和低风险组的预后EMT-RDG和临床参数的热图。

下图E：临床特征的单变量cox回归森林图。

下图F：临床特征的多变量cox回归森林图。

下图G：多变量cox回归分析的列线图基线。

下图H：3年生存率的ROC曲线。

下图I：5年生存率的ROC曲线。

下图J：22种免疫细胞在高危组和低危组中的浸润水平。

结果：GSE40967数据中9个预后EMT-RGD的风险预后模型验证

下图A：GSE40967数据集中风险评分和其他临床特征的ROC曲线。

下图B：高风险和低风险组的生存曲线。

下图C：高风险和低风险组的预后EMT-RDG和临床参数的热图。

下图D：临床特征的单变量cox森林图。

下图E：临床特征的多变量cox森林图。

下图F：多变量cox回归分析的列线图基线。

下图G：3年生存率的ROC曲线。

下图H：5年生存率的ROC曲线。

下图I：22种免疫细胞在高危组和低危组中的浸润水平。

预后相关EMT-RDGs与免疫的关系

①ESTIMATE计算肿瘤微环境中基质细胞和免疫细胞的纯度。

②CIBERSORT计算22种免疫细胞的浸润水平。

③利用TIMER数据库中xCELL法计算免疫细胞富集水平，EPIC法计算免疫细胞浸润程度，QUANTISEQ对免疫细胞进行定量分析。

④在TIMER中获得免疫浸润与基因表达之间的关联、免疫浸润与突变状态之间的关联、体细胞CNV和临床结果之间的关联。

⑤通过ssGSEAScore计算免疫细胞和功能的得分。

结果：

下图A：TCGA数据中ssGSEAScore比较高危组和低危组的免疫细胞评分。

下图B：TCGA数据中ssGSEAScore比较高危组和低危组的免疫功能评分。

下图C：GSE40967数据中ssGSEAScore比较高危组和低危组的免疫细胞得分。

下图D：GSE40967数据中ssGSEAScore比较高危组和低危组的免疫功能评分。

预后相关EMT-RDGs与甲基化的相关性

①测试9个与预后相关的EMT-RDG的甲基化状态和突变水平对CRC预后的影响，以及它们与药物反应和耐药性的相关性。

结果：

下图A：预后EMT-RGD的甲基化和基因表达之间的相关性与来自GCSC数据库的spearman分析。

下图B：GCSC数据库中肿瘤组织与正常组织之间关于预后的EMT-RGDs甲基化水平的差异分析。

下图C：来自GCSC数据库的TIAM1高甲基化和低甲基化之间的总体生存差异。

下图D：高甲基化对来自cBioPortal数据库的预后EMT-RGD生存风险的影响。

下图E：预后EMT-RGD的甲基化和基因表达之间的相关性与来自DNMIVD数据库的Pearson分析。

下图F：来自DNMIVD数据库的肿瘤与正常组织之间关于预后的EMT-RGD的甲基化水平的差异分析。

下图G：来自DNMIVD数据库的九个预后EMT-RGD的重要CpG甲基化位点。

下图H：Cox比例风险回归模型基于来自DNMIVD数据库的九个预后EMT-RGD的重要CpG甲基化位点。

下图I：比较高危组和低危组的生存曲线。

预后相关EMT-RDGs表达与突变的关系

①分析CRC基因突变率和9个与预后相关的EMT-RDG之间的关联。

结果：

下图A：在CRC中突变Top基因的oncoplot图。

下图B：在CRC中突变的9个预后EMT-RGD的oncoplot图。

下图C：来自cBioPortal数据库的3种类型CRC中9种预后EMT-RGD的突变类型分布。

下图D：来自cBioPortal数据库的CRC预后EMT-RGD的突变类型分布。

下图E：来自cBioPortal数据库的SNV类的比较。

下图F：受基因突变影响的通路比例。

结果：CRC中9种预后EMT-RGD的CNV分析

下图A：CNV与预后性EMT-RGD基因表达的相关性与来自GCSC数据库的spearman分析。

下图B：GCSC数据库中结肠腺癌和直肠腺癌中9种预后EMT-RGD的杂合扩增和缺失。

下图C：GCSC数据库中CRC中9种预后EMT-RGD的CNV类型分布。

预后相关的EMT-RDGs与CRC转移的关系

①在GSE6988数据集中分析有或没有肝转移的CRC之间EMT-RDG的表达水平。

结果：

下图A：GSE6988数据集中9个预后EMT-RGD在CRC肝转移和非转移之间的表达水平。

下图B：GSE28814组（0：非转移，1：转移）中CRC转移和非转移之间9个预后EMT-RGD的表达水平。

预后EMT-RDGs与CRC治疗的关系

①在GSE36864数据集中分析EMT-RDGs表达水平与晚期CRC治疗（卡培他滨组、卡培他滨+伊立替康组、XELOX（卡培他滨+奥沙利铂组）+贝伐珠单抗组）的关系。

结果：

下图A：CARE数据库中9个与预后CRC EMT-RDG耐药性的计算分析。

下图B：CTRP数据库中9个CRC预后EMT-RGD的药物筛选结果。

下图C：GDSC数据库中9种CRC预后的EMT-RGDs药物筛选结果。

验证EMT-RDGs的表达水平

①在Oncomine数据库、人类蛋白质图谱(HPA)数据库和GEPIA数据库验证EMT-RDGs的表达水平。

结果：

下图A：GEPIA数据库中九个预后EMT-RGD的表达验证。

下图B：Oncomine数据库中九个预后EMT-RGD的表达验证。

下图C：HPA数据库中9个预后EMT-RGD的免疫组织化学图片。

小结：

CRC易发生侵袭转移是导致患者预后不良的主要因素之一。在本研究中，作者在TCGA和GEO数据集中筛选的9个与预后相关的EMT-RDG构建了一个预后风险模型，并评估了模型的可靠性及其与生存和免疫的关系。同时，作者还分析了9个关键EMT-RDGs的表达、突变、甲基化与生存、免疫和药物治疗反应之间的关系。结果表明：9个EMT-RDGs不仅是CRC强有力的预后标志物和治疗靶点，而且可以作为肿瘤微环境免疫细胞浸润引起EMT发生的关键环节。

基因集泛癌分析文章列表

基因集泛癌分析，重磅来袭

想发高分纯生信文章，这也许就是你的机会

11.6分，最热复合物泛癌纯生信分析！想发高分纯生信不容错过

11分+SCI 基因集泛癌纯生信分析，两个多月接受，可重复！

快来看看最新的27分基因集泛癌分析是怎么做的

13+SCI 基因集泛癌分析纯生信可重复

基因集泛癌分析

6.6分基因集泛癌分析纯生信并没有很难

25天接受的基因集泛癌分析，先人一步的优势！

7.6分基因集泛癌纯生信分析，从投稿到接收仅一个月！

最新6.6分，45天接收的基因集泛癌纯生信值得尝试！