IF: 6+ m6A信号与肿瘤免疫微环境在胶质瘤中的预后分析及验
点击关注，桓峰基因
桓峰基因 生物信息分析，SCI文章撰写及生物信息基础知识学习：R语言学习，perl基础编程，linux系统命令，Python遇见更好的你 84篇原创内容 --> 公众号
这期分享一篇贼简单的6+文章，2020年10月发表在 Frontiers in Oncology。本文通过对m6A调控基因与肿瘤免疫微环境相结合筛选胶质瘤的预后marker并对其进行验证。Frontiers 系列对国人还是非常友好的，纯生信类还是算好发些，有需要一下思路的老师可以联系我们！
摘 要
胶质瘤是最典型的颅内肿瘤之一，约占所有脑部恶性肿瘤的80%。几个关键的分子标记已经成为预后的生物标志物，这表明当前胶质瘤分类方法还有改进的空间。为了构建更准确的预测模型，并识别潜在的预后生物标志物，我们探索了665个胶质瘤中m6A RNA甲基化调控因子的差异表达与TCGA-GBM和TCGA-LGG。将共识聚类应用于m6A RNA甲基化调控因子，在聚类1中发现两个预后较差、WHO分级较高的胶质瘤亚组。进一步的卡方检验表明，免疫浸润在聚类1中显著富集，表明m6A调控因子与免疫浸润密切相关。为了探索潜在的生物标志物，利用加权基因共表达网络分析(WGCNA)，以及最小绝对收缩和选择算子(LASSO)，在高/低免疫浸润组和m6A集群1/2组之间对hub基因和4个基因(TAGLN2, PDPN, TIMP1，EMP3)被确定为预后的生物标志物。基于这4个基因构建了预测和适用于胶质瘤患者总生存期(OS)的预后模型(ROC曲线下面积在TCGA和中国胶质瘤基因组图谱(CGGA)中分别达到0.80(0.76-0.83)和0.72(0.68-0.76))。此外，我们还从Human Protein Atlas数据库中发现PDPN和TIMP1在高级别胶质瘤中高表达，它们与胶质瘤组织样本中的m6A和免疫细胞标志物相关。总之，我们构建了一个新的预后模型，为胶质瘤的预后提供了新的见解。PDPN和TIMP1可作为判断胶质瘤预后的潜在生物标志物。
生信分析流程
我们从文章中提取生信分析流程，看下文章中使用的数据集和生信分析方法，如下：
相关数据准备
训练数据集选择：TCGA-GBMLGG包括665例患者，其中420 名 LGG 患者和 237 名 GBM 患者；
验证数据集选择：GSE16011 ，Rembrandt，CGGA
基因集选择：12个m6A调控因子
生信分析方法
我们从文章的分析流程中提取所有的分析内容，整理出来就10个分析条目，构成了整个文章，临床大样本量+生信文章，发了6+，点击分析条码就会跳转到对应公众号的教程，跟着教程做，您也能发6+，如下：
免疫组织化学评估
研究结果
1. 无监督聚类分析（ConsensusClusterPlus）
对665个样本进行无监督聚类分析，比较12个m6A调控一致的在两个类中的差异，如下：
对分类之后的样本进行主成分分析，主要目的就是看分类的清晰度，并且验证分类之后的生存会有显著性差异，如下：
a. 利用在两个分类中有差异m6A调控因子免疫浸润分析
结果表明，DEGs在免疫相关的生物过程中富集，包括 IL2/STAT5, IL6/JAK/STAT3 和 Interferon-γ response signaling ，如下：
b. 所有样本免疫浸润的整体分布情况，如下：
c. 根据聚类情况对免疫浸润高低分组进行生存分析
d. m6A调控因子与免疫细胞的相关性分析
免疫细胞参与预后的Cox回归森林图，如下:
9. ROC 曲线绘制
10. 免疫组织化学评估
整个文章都是依靠生信分析来做，可以说并不难，只是需要好理清思路组合出来文章讲明白故事就可以了，有想做类似的思路发 SCI 文章的老师可以参考！
References:
Lin S, Xu H, Zhang A, et al. Prognosis Analysis and Validation of m6A Signature and Tumor Immune Microenvironment in Glioma. Front Oncol. 2020;10:541401. Published 2020 Oct 5. doi:10.3389/fonc.2020.541401
本文使用 文章同步助手 同步
