TCGA数据挖掘+实验转录因子思路分享

2020-12-11 本文已影响0人 SCI狂人团队

本文来源于微信公众号：生信狂人，SCI狂人团队已经获得原文作者授权,更多科研资料可以关注微信公众号生信狂人

文章题目：Prognostic and Predictive Value of a 15 Transcription Factors (TFs) Panel for Hepatocellular Carcinoma（PMID: 33293862）

研究背景：

肝细胞癌（HCC）是全球最具破坏力的疾病之一。临床病理参数作为预后因素的作用有限，强调了用于高置信度预后的更准确和有效的生物标志物，可指导决策对HCC的最佳治疗。本研究的目的是建立一个新的小组来改善HCC患者的预后预测，特别是对转录因子（TFs）感兴趣。

研究方法：

通过单因素和多因素Cox回归分析，依次获得了来自ICGC-LIRP-JI队列的TF相关肝癌预后模型。然后，为了评估模型的预后价值，使用国际癌症基因组协会（ICGC）的内部数据和癌症基因组图谱（TCGA）的外部数据进行了受试者工作特征（ROC）曲线和生存分析。此外，我们通过Western印迹和qPCR验证了肝癌患者样本中HCC细胞系中三个基因的表达以及IHC的蛋白质表达水平。最后，我们构建了TF临床特征列线图，以进一步预测TCGA队列的肝癌患者生存率。

研究结果：

通过Cox回归分析，确定了15个TF（ZNF331，MYCN，AHRR，LEF1，ZNF780A，POU1F1，DLX5，ZNF775，PLSCR1，FOXK1，TAL2，ZNF558，SOX9，TCFL5，GSC）的面板具有强大的预测性能基于内部ICGC队列和外部TCGA队列的HCC患者总体生存率。建立了一个综合了这些因素的列线图，可以有效预测生存率并显示更高的临床效用。

研究结论：

这15-TF是肝癌的独立预后因素，而基于15 TF的列线图可能为HCC患者管理和治疗提供了一种有效的方法。

具体分析内容：

1、批量进行TF单因素cox回归，然后筛选变量构建模型