一项基于TCGA数据挖掘的研究（一）

时间:2020-08-06  来源:生信自学网   作者:刘鑫   
微信公众号:biowolf_cn   点击:次

一项基于TCGA数据挖掘的研究（一） 肿瘤微环境(TME)在肺腺癌(LUAD)的发生发展过程中起着至关重要的作用;然而，在理解TME中免疫和基质成分的动态调节仍然是一个挑战。所以我在这向大家分享一篇研究报道，下面我们就一起来看看这份研究报导，希望能对大家有所帮助。 简介 在本研究中，我们应用CIBERSORT和ESTIMATE计算方法计算了551例LUAD病例中肿瘤浸润免疫细胞(TIC)的比例以及免疫和基质成分的数量，这些病例来自癌症基因组图谱(TCGA)数据库。对差异表达基因(DEGs)进行COX回归分析和蛋白-蛋白相互作用(PPI)网络构建。然后，通过单变量COX和PPI的交叉分析，确定Bruton酪氨酸激酶(BTK)为预测因子。进一步分析发现BTK表达与临床病理特征(临床分期、远处转移)呈负相关，与LUAD患者生存呈正相关。基因集富集分析(Gene Set Enrichment Analysis, GSEA)显示，高表达BTK组基因主要富集于免疫相关活性。在低表达的BTK组中，基因在代谢途径中富集。tic比例的CIBERSORT分析显示，b细胞记忆和CD8+ T细胞与BTK表达呈正相关，提示BTK可能与TME保持免疫优势状态有关。因此，BTK水平可能有助于概述LUAD患者的预后，特别是作为TME从免疫主导向代谢活动过渡的线索，这为LUAD的治疗提供了额外的见解。 在这篇文章中，我们应用估算和CIBERSORT计算方法计算了TIC比例和来自癌症基因组图谱(TCGA)数据库的LUAD样本的免疫和基质成分的比例，并确定了一个预测生物标志物，Bruton tyrosine kinase (BTK)。BTK是Tec家族的非受体酪氨酸激酶，位于b细胞抗原受体(BCR)信号转导下游。在磷酸化后，BTK触发了多个信号通路，导致许多b细胞恶性肿瘤中白血病细胞存活。在这里，我们从比较LUAD样本中免疫组分和基质组分所产生的差异表达基因(DEGs)着手，发现BTK可能是LUAD中TME状态改变的潜在指标。、 本研究的分析过程 如图1所示。从TCGA数据库下载551例转录组RNA-seq数据，用CIBERSORT和估计算法进行计算，以估计TICs的比例和LUAD样本中免疫和基质成分的数量。利用ImmuneScore和StromalScore共享的DEGs构建蛋白相互作用(protein protein interaction, PPI)网络和单变量COX回归分析，然后利用PPI网络的核心节点和单变量COX回归分析得到的最显著因子进行交集分析。获得BTK和CCR2，我们以BTK为重点进行后续的一系列分析，包括生存与临床病理特征相关分析、COX回归分析、基因集富集分析(Gene Set Enrichment analysis, GSEA)、与TICs的相关性分析。 图1 |本研究分析工作流程。 评分与LUAD患者的生存相关 为了建立估计的免疫和基质比例与生存率的相关性，免疫核心、StromalScore和ESTIMATEScore分别采用Kaplan Meier生存分析。在免疫核心或基质评分中，较高的分数表示在TME中有较多的免疫或基质成分。ESTIMATEScore为免疫核和StromalScore的总和，表示两种成分在TME中的综合比例。如图2A所示，免疫组分比例与总生存率呈正相关。尽管StromalScore与总生存率无显著相关性(图2B)，但ESTIMATEScore仍与生存率呈正相关(图2C)。提示TME中的免疫成分更适合用于判断LUAD患者的预后。 图2 |评分与LUAD患者生存率的相关性。(A) LUAD患者的Kaplan Meier生存分析，通过与中位数的比较确定免疫核心评分为高或低。通过对数秩检验p = 0.022。(B) StromalScore的Kaplan Meier生存曲线，采用log-rank检验，p = 0.092。(C)采用Kaplan Meier法对LUAD患者进行生存分析，采用ESTIMATEScore (log-rank检验，p = 0.046)。 (责任编辑：伏泽   微信：18520221056)

• 上一篇：差异Venn图与id转化
• 下一篇：一项基于TCGA数据挖掘的研究（二）