【免疫>>预后模型】01.estimate+WGCNA+LUAD
2021-07-02 本文已影响0人
高大石头

Oncogene暴涨至9.8分,马上要破10的节奏。
技术路线图

结果解读
1.免疫-基质评分与临床相关性
这部分是为了说明免疫-基质评分很重要,我们要好好研究他们!

2.基因筛选
利用WGCNA和LASSO筛选模型构建基因

3.模型构建及验证
利用多因素逐步回归构建预后模型,并在多个GEO数据集验证。

3.模型周边
3.1 富集分析+免疫细胞浸润+免疫检查点


3.2 基因突变状态改变
挑选两组中突变差异最显著基因进行展示

3.3 药物反应及免疫反应预测

亮点
- 本文用LASSO结合WGCNA,筛选基因,出发点比较好;
- 多个GEO数据集同时验证该模型,说服力强;
- 基因突变状态展示比较新颖;
- 药物反应IC50+TIDE+IPS结合展示。
参考链接:
A risk model developed based on tumor microenvironment predicts overall survival and associates with tumor immunity of patients with lung adenocarcinoma