胃癌免疫侵润预后Signature数据挖掘-糖酵解

胃癌免疫侵润预后Signature数据挖掘-糖酵解

背景:肿瘤细胞为了适应复杂多变的微环境,肿瘤细胞产生了代谢异质性,这已成为癌症的一个重要特征。相对于正常细胞肿瘤细胞最常见的代谢改变之一是有氧糖酵解,也称为Warburg 效应。Warburg 效应是几乎所有癌细胞的代谢特征:正常分化的细胞主要依靠线粒体的氧化磷酸化为细胞供能,而大多数肿瘤细胞则依赖有氧糖酵解,将葡萄糖“发酵”成乳酸供能,从而导致酸性环境。现有研究表明,抑制肿瘤糖酵解途径可以有效抑制肿瘤细胞的增殖,甚至可以起到杀灭肿瘤细胞的作用。

文章:


attachments-2021-06-oqO25hxf60dbcc324e6dc.png

Front Oncol (IF:4.848;Q1).2020 Sep18;10:1778. doi:10.3389/fonc.2020.01778. eCollection 2020.

文章分析分析思路


attachments-2021-06-V91f6zSI60dbcc3cbce4a.png
数据:TCGA数据库中375例胃癌表达数据用于模型构建,GEO数据库3个数据集用于模型验证, GSE26253 (n = 394), GSE26901 (n = 109), GSE66229 (n =300) ,对于生存期<30天的样本进行删除,最终:1,140 patients for analysis, including 337 patients from TCGA and 803 patients from GEO。糖酵解相关基因集:从Molecular Signatures Database v4.0数据库中筛选与糖酵解相关的基因集5个:BIOCARTA_GLYCOLYSIS_PATHWAY, GO_GLYCOLYTIC_PROCESS,HALLMARK_GLYCOLYSIS,KEGG_GLYCOLYSIS_GLUCONEOGENESIS, REACTOME_GLYCOLYSIS,最终从56,639mRNA基因中筛选到326个与糖酵解(GRGS)相关的基因用于后续分析;并分析了互作网络:
attachments-2021-06-GrMJHEG060dbcc45cb061.png
单因素cox筛选:基于326个糖酵解相关基因,利用单因素cox回归分析,筛选到 12 GRGs与生存预后显著相关的基因:
attachments-2021-06-g5LwvWyr60dbcc4fb1de4.png
Lasso  cox 回归分析:从单因素分析结果的12个GRGs中,挑选出7GRGs构建最优的预后模型:Risk score(RS) = 0.170 × expression of STC1+0.215 × expression of CLDN9-0.111 × expression of EFNA3-0.546 × expression of ZBTB7A+0.234 × expression of NT5E-0.374 × expression of NUP50 + 0.166 × expression of CXCR4. 
attachments-2021-06-hiHjvokH60dbcc5c9f993.png

attachments-2021-06-LJ19TopA60dbcc681b2ef.png
根据模型计算每个病人的RS(risk score)值,RS值中位数划分高低风险亚型:
attachments-2021-06-pjjd53JS60dbcc7257a14.png
高低风险组生存差异,与模型预测准确性评估:高低风险组预后差异明显
attachments-2021-06-0Ea2lbeF60dbcc7bd9853.png
GEO数据集验证模型:不同数据集模型表型良好,很好的区分了样本。


attachments-2021-06-qAaDvyjl60dbcc926e352.png
cox分析发现风险值可以作为预后的独立指标,并构建Nomogram图:单因素与多因素cox分析发现年龄与RS值可以作为预后指标。
attachments-2021-06-nQupvsSf60dbcca2614af.png
免疫侵润分析:TIMER数据库得到不同样本免疫侵润得分,RS高低风险组免疫侵润差异明显:
attachments-2021-06-d2zMq3vF60dbccb234143.png
延伸阅读

  1. GEO数据库挖掘—WGCNA鉴定骨肉瘤转移相关基因
  2. GEO、TCGA多数据库联合挖掘胰腺导管腺癌预后关键基因
  3. 文献精读-GEO数据挖掘生物信息文章(宫颈癌)
  4. TCGA数据库挖掘-肾细胞癌相关biomiarker筛选案例解析
  5. TCGA数据库中临床样品编号详解(Barcode)
  6. GEO数据如何挖掘?案例解析!
  7. TCGA数据下载—TCGAbiolinks包参数详解
  8. UALCAN--TCGA数据挖掘网站
  9. 充电课-限时免费领取《癌症TCGA-文章套路解析》课程attachments-2021-06-Y8rXNCnA60dbcc1dce783.png
  • 发表于 2021-06-30 09:46
  • 阅读 ( 81 )
  • 分类:TCGA

0 条评论

请先 登录 后评论
omicsgene
omicsgene

生物信息

462 篇文章

作家榜 »

  1. omicsgene 462 文章
  2. 安生水 226 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. CORNERSTONE 72 文章
  6. 红橙子 65 文章
  7. 生信老顽童 48 文章
  8. landy 37 文章