小编今天跟大家分享的是发表在EBioMedicine（IF=6.68）上的一篇文章

黑色素瘤微环境免疫相关预后关联marker

大家好，首先感谢关注生信人。生信人目前拥有超级预后，超级可变剪切，突变+表达，表达+突变，DNA甲基化，自噬，ceRNA、经典预后、m6A、可变剪切、肿瘤微环境，免疫浸润，多组学，驱动基因，突变，耐药，CNV肿瘤干细胞等多种经典和新潮分析思路和方案。

欢迎有实力者扫码鉴赏

Abstract

背景：黑色素瘤（RS）是一种严重威胁生命的恶性肿瘤，众所周知肿瘤跟免疫相关。探索免疫相关marker对黑色素瘤的诊断和攻克有很大助益。方法：GEO、TCGA下载黑色素瘤样本，ImmPort 数据库下载免疫相关基因（IRGs）。使用WGCNA、cox回归分析、lasso分析构建免疫相关的分类器。为了探索高低风险组之间不同的总体生存率，使用ESTIMATE和CIBERSORT算法来探索肿瘤的微环境并分析黑素瘤的免疫浸润。GSEA用来研究信号通路的差异。发现：63个IRGs与生存相关，8个参与构建分类器。多RGs分类器具有很好的预测效能，风险得分高的患者有更差的生存。3、5年患者临床生存信息也表明分类器有更好的预测效能。高低风险组患者整体生存差异可能是由于免疫浸润，肿瘤微环境和多种信号通路的差异引起的。

Result

一、加权基因共表达网络分析（WGCNA）识别与RS预后相关模块

GEO、TCGA数据集经过数据过滤与IRG数据集筛选共同overlap基因，得到了共同的950个IRGs用来进行WGCNA分析，基于软阈值的平均连接聚类识别得到了6个模块，其中红色（包含22个IRGs ）、蓝色模块（包含138个IRGs ）与预后相关性最高（见图1）。

图1

二、基于IRGs构建RS预后分类器

对上一步预后相关的两个模块的160个IRG基因进行cox单因素回归分析，发现63个与RS的预后相关（p<0.01），进一步使用LASSO回归分析进行降维，得到构建分类器的8个基因：PSME1、CDC42、CMTM6、HLA-DQB1、HLA-C、CXCR6、CD8B、TNFSF13。8基因系数（见Table1）。模型得分中值将患者划分为高低风险得分组，样本对得分分布和8基因的热图（见图3）。8基因在GEO和TCGA数据集高低风险评分组中的表达（见图2），训练集中1、3、5年的生存分析的AUC值为0.679、0.743、0.740（见图4A），不难发现基于KM分析相对于低风险得分，高风险得分的RS患者有更差的生存（见图4B）

图2

图3

图4

三、TCGA数据验证分类器预测效能

ROC曲线分析用于分类器TCGA数据集的验证，1、3、5年的生存分析的AUC值为0.642、0.636、0.645（见图4C）。同样基于KM分析发现相对于低风险得分，高风险得分的RS患者有更差的整体生存（p<0.0001）。多因素cox回归分析RS预后相关的临床因子（见Table2）。与其他临床因素相比3、5年的AUC值显示多IGR基因分类器有更好的预测效能（见图4E-F）。

四、RS高低风险评分组的免疫浸润差异

ESTIMATE 算法评估GEO、TCGA基质评分和免疫得分，基于免疫得分中值将样本划分高低免疫评分组。KM曲线分析发现相对于低免疫评分组，高的免疫评分组有更好的生存（见图4A-B），Wilcox检验表明在GEO队列中RS高风险评分组显示出较低的免疫浸润评分（p <0.01，见图5C）。结果也在TCGA队列中得到验证（见图5D）。这间接证实高风险RS组的总生存期较差。

图5

五、高RS组和低RS组之间白细胞亚群的差异

使用CIBERSORT 算法对TCGA、GEO数据集22免疫细胞类型。黑色素瘤22种细胞比例（见图5A-B）。在黑色素瘤中Macrophages M0、Macrophages M2 and T cells CD8 细胞浸润比例很大，在高低风险评分组中存在许多不同的免疫细胞类型（见图6C-D）。

图6

 六、GSEA富集分析

图7

欢迎关注生信人

TCGA | 小工具 | 数据库 |组装| 注释 |   基因家族  |  Pvalue

基因预测  |bestorf |  sci | NAR | 在线工具 | 生存分析 | 热图

 生信不死 | 初学者 | circRNA | 一箭画心| 十二生肖 | circos

 舞台|基因组 | 黄金测序 | 套路 | 杂谈组装 |  进化 | 测序简史