纯生信3+肾癌免疫微环境预后相关基因
关注「科研菌」
今天跟大家分享的是2020年2月发表在J Cell Biochem（IF：3.448）杂志上的一篇文章Identification of microenvironment‐related genes with prognostic value in clear cell renal cell carcinoma.在文章中作者基于TCGA-KIRC数据库探究肿瘤微环境免疫/基质评分对ccRCC预后的影响，筛选出微环境相关基因，并用另一数据库验证。
悄悄告诉大家，2019年J Cell Biochem的影响因子预计会超过4分！
Identification of microenvironment‐related genes with prognostic value in clear cell renal cell carcinoma
明确微环境相关基因在透明细胞肾细胞癌中的预后价值
一.研究背景
目前，随着基因测序的兴起和肿瘤基因组等数据库的建立，已经证明ccRCC中有许多基因与肿瘤的进展和患者的预后有关。据报道，肿瘤微环境对肿瘤基因表达和肿瘤发生有重要影响。另一方面，在多个临床和基因组研究中已经表明，ccRCC是一种高度免疫浸润性肿瘤。肿瘤微环境是肿瘤细胞在肿瘤发生过程中所构建的细胞与细胞外基质(ECM)蛋白的复杂组合，对肿瘤的行为和恶性程度有重要影响。
二.分析流程
分析流程
三.结果解读
1.基于TCGA-KIRC的免/间质评分与WHO/ISUP分级及总生存期的关系
图1.免/间质评分与WHO/ISUP分级及总生存时间的关系
图1.免/间质评分与WHO/ISUP分级及总生存时间的关系
免疫/间质评分与4级ccRCC之间的关系:
结果表明，免疫评分与肿瘤分级呈显著统计学差异。且平均得分越高，肿瘤分级越高(图1A, P<0.0001)。
基质评分与分级系统无显著相差异(图1B, P=0.1384)。
评估免疫/间质评分与患者总生存期之间的关系:（按中位数将患者分为了高、低评分组）
在免疫评分组中，KM曲线显示高评分组患者的总生存期明显短于低评分组(图1C, P=0.0113)。
在基质评分组中，高、低评分组的总生存期差异无统计学意义，但当总生存期超过1500天左右时，低评分组的生存期高于高评分组(图1D)。
2.差异表达基因（DEGs）的免疫/间质评分分析
图2.免疫/基质评分的DEG分析(图A,B为DEG分布；图C，D：热图；图E，F：数量)
探究高、低评分组间基因表达的差异：
可通过免疫/基质评分的火山图展示了DEGs在−log10(FDR)和log2FC两个维度上的分布(图2A,B)。
热图显示病例的基因表达谱明显，属于高/低免疫/基质评分组。高表达基因以红色表示，低表达基因以绿色表示(图2C,D)。
在免疫评分的基础上，572个基因上调，868个基因下调，以进行高评分组与低评分组的比较。基质评分组间280个基因上调，885个基因下调。在这些基因中，维恩图显示592个基因在免疫和基质评分中普遍下调，只有35个基因普遍上调(图2E,F)。
3.作差异表达基因的GO和KEGG分析
图3.627个差异表达基因的GO和KEGG分析
接着就对这627个DEGs进一步分析。对这些基因进行GO和KEGG分析，探索其潜在的功能和途径。图3显示了GO和KEGG的前几项，包括ECM、蛋白激活级联、急性炎症反应和补体、凝血级联。
4.TCGA-KIRC中单个差异表达基因的表达的K-M生存分析
图4.单个差异表达基因的表达的K-M生存分析
对在TCGA-KIRC数据库中队筛选出的DEGs，图为比较典型的8个基因对应的K-M生存分析图（图4）。
5.作PPI network :显著表达的基因的蛋白质相互作用网络
图5.PPI中的4个主要分子
获得PPI network后，作者选择了前四个重要模块进行进一步研究（图5）。第一个模块是最复杂的模块，其中C8A，ORM2，PON1，SERPIND1，ORM1，SERPIND2，VTN和APOH是核心节点（图5A）。尽管其余三个模块很小，但它们包含几个免疫应答基因，包括TAT，HAO1，KLK1，AMER1和MOG。
6. DEGs的GO和KEGG分析
图6.243个与总生存期显著相关的DEGs的GO和KEGG分析
接着又对243个具有预后价值的DEG进行了GO和KEGG分析。结果是与免疫反应和肿瘤微环境结合在一起。GO分析包括31条BP相关的通路。36个的分子功能和8个的FDR小于0.05的通路。GO的重要成分包括CC中的血液微粒和ECM（图6A），BP中的蛋白激活级联和急性炎症反应和补体激活（图6B），MF中的丝氨酸型内肽酶抑制剂活性（图6C）。KEGG的结果仅包含一条FDR小于0.05的重要途径。该途径，补体和凝血级联与免疫应答相关（图6D）。
7. ICGC队列的验证
图7.验证从TCGA-KIRC数据库中提取的DEG与ICGC队列中的总生存期
最后作者做了验证：为了验证从TCGA-KIRC数据库中筛选的基因在其他ccRCC数据库中是否也具有预测性，从ICGC数据库中获得了另外一个独立的ccRCC队列。结果表明，有13个基因被证实与预后情况联系，它们是PLPPR1，HHATL，PLCG2，LDHD，LCN2，SLC26A3，SALL3，RAP1GAP，CLCNKA，SLC8A2，ELAVL2，DGKI和ABCB11。图7显示了这13个基因的一部分的KM曲线。
通过对TCGA-KIRC数据库的功能丰富和生存分析，基于估计算法的免疫/间质评分，获得了一系列与ccRCC患者肿瘤微环境相关的基因。经ICGC数据库验证，其中13个基因对ccRCC患者具有预后价值。研究的结果为ccRCC的预后提供了新的生物标志物。对这些基因的不断探索将有助于我们更好地了解ccRCC中肿瘤与肿瘤微环境之间的潜在相互作用。这期的文献分享就到这啦，我们一起期待下一期的分享吧~
此外，如果大家有什么想要进一步讨论的，可以在扫描下方二维码，关注「科研菌」，在公众号后台私信我们，或者是在下方留言和我们共同讨论。
扫上方二维码即可关注科研菌
