【铁死亡>>预后模型】03.铁死亡+SARC（4.85分）

PMID: 33889544
杂志：Frontiers in Oncology

知识点

• STS: soft tissue sarcoma, 软组织肉瘤；TCGA数据库中为SARC(sarcoma).
• FRG: ferroptosis-related gene, 铁死亡相关基因
• OS: overall survival, 总生存时间
• PFS: disease-free survival, 无病生存期
• DEFRGs: differentially expressed FRGs, 差异铁死亡相关基因
• ImmuCellAI algorithms: 可用来计算24种免疫细胞浸润情况
• FerrDb: 作者从中整理出了219个铁死亡相关基因

软组织肉瘤数据集

Source	Accession	Platform	Number of cases	生存数据	Country
TCGA	SARC+GTEx	IlluminaHiSeq	259T 911N	OS PFS	USA
GEO	GSE63157	GPL5175	85T	OS	USA
GEO	GSE30929	GPL96	140T	DFS	USA

摘要

作者收集了219个铁死亡相关基因，首先进行差异分析，并对差异基因进行富集分析，同时对差异基因进行cox回归并构建OS和DFS预后模型。随后用两个GEO数据集进行验证，验证结束后作者构建了Nomgram,并分析了高低风险组的免疫细胞浸润。最后，作者选取了3个核心基因，在正常和SARC肿瘤细胞中用PCR验证基因表达。

整体思路

结果

1.差异和富集分析

作者收集了219个铁死亡相关基因，并对这些基因进行差异分析，随后对差异基因用clusterProlifer包富集分析。

Fig.1

2.模型构建

对差异基因进行单因素和多因素cox回归，构建OS和RFS预后模型。

Fig.2
Fig.3

3.模型验证

用两个GEO数据验证模型可靠性

Fig.4

4.模型周边

探索高低风险组免疫细胞浸润情况，并构建nomgram

Fig.5
Fig.6

5.实验验证

选取核心基因在细胞株中验证其表达

Fig.7

总结

本文利用铁死亡相关基因构建OS和DFS预后模型并验证，思路比较清晰。其实文章还可以补充很多东西，让内容更丰满一些：a.构建FRGs的PPI网络；b.免疫周边，如高低风险组基因突变，TMB,mRNAsi，免疫检查点，免疫治疗反应，靶向药物等；c.核心基因验证，CCLE, HPA, CPTAC.
参考链接：
Identification of Novel Prognostic Risk Signatures of Soft Tissue Sarcoma Based on Ferroptosis-Related Genes