大家好！今天跟大家分享的文獻(xiàn)是2020年5月發(fā)表在Cancer Cell International（即時(shí)影響因子4.03）雜志上的一篇文獻(xiàn)。文章基于TCGA數(shù)據(jù)庫(kù)和GEO數(shù)據(jù)庫(kù)中的胃癌相關(guān)數(shù)據(jù)，利用單因素Cox回歸分析及LASSO算法分析確定了與胃癌預(yù)后緊密相關(guān)的4個(gè)自噬基因，構(gòu)建了一個(gè)預(yù)測(cè)胃癌預(yù)后的多基因聯(lián)合預(yù)測(cè)模型。

題目：Identification and validation of an individualized autophagy-clinical prognostic index in gastric cancer patients

胃癌患者個(gè)體化自噬臨床預(yù)后指標(biāo)的鑒定與驗(yàn)證

摘要

本文利用GO和KEGG分析胃癌中表達(dá)的204個(gè)自噬基因，并在Cytoscape軟件中構(gòu)建PPI網(wǎng)絡(luò)，有28種差異表達(dá)的自噬基因在細(xì)胞生長(zhǎng)，神經(jīng)元死亡和細(xì)胞生長(zhǎng)調(diào)節(jié)中富集，這些基因與鉑類藥物耐藥，凋亡和p53信號(hào)通路有關(guān)。之后利用Cox回歸分析和LASSO算法篩選了4個(gè)基因構(gòu)建預(yù)后風(fēng)險(xiǎn)評(píng)分模型。根據(jù)風(fēng)險(xiǎn)評(píng)分將患者分為低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)，并進(jìn)行生存分析以評(píng)估風(fēng)險(xiǎn)評(píng)分的預(yù)后預(yù)測(cè)價(jià)值，結(jié)果表明風(fēng)險(xiǎn)評(píng)分是單獨(dú)可用的預(yù)后指標(biāo)。生存曲線表明低風(fēng)險(xiǎn)患者的生存時(shí)間明顯高于高風(fēng)險(xiǎn)患者。最后結(jié)合臨床病理特征和風(fēng)險(xiǎn)評(píng)分，建立了列線圖以預(yù)測(cè)個(gè)體存活率，通過外部數(shù)據(jù)GSE62254驗(yàn)證了列線圖具有預(yù)測(cè)胃癌患者預(yù)后的能力。

流程圖

結(jié)果概述

1. 數(shù)據(jù)的獲取與整理：

通過HADb數(shù)據(jù)庫(kù)(http://www.autophagy.lu)獲取自噬相關(guān)基因；從TCGA數(shù)據(jù)庫(kù)中獲取胃癌轉(zhuǎn)錄組數(shù)據(jù)集（TCGA-STAD）用于建立模型；從GEO數(shù)據(jù)庫(kù)獲取GSE62254數(shù)據(jù)集用于模型驗(yàn)證。

2.基因差異表達(dá)及功能分析

作者通過HADb數(shù)據(jù)庫(kù)得到了232個(gè)人類自噬相關(guān)基因，其中204個(gè)基因在TCGA胃癌轉(zhuǎn)錄組數(shù)據(jù)中有表達(dá)，共有28個(gè)自噬相關(guān)基因在胃癌轉(zhuǎn)錄組數(shù)據(jù)中差異表達(dá)（圖1）。對(duì)這28個(gè)基因進(jìn)行GO，KEGG和PPI分析，結(jié)果如圖2。GO分析表明，這些自噬基因可以在幾個(gè)基本的生物學(xué)過程（BP）中富集，包括細(xì)胞生長(zhǎng)，細(xì)胞蛋白定位的正向調(diào)節(jié)，神經(jīng)元死亡，細(xì)胞生長(zhǎng)的調(diào)節(jié)（圖2a）。KEGG分析顯示28個(gè)自噬基因主要與自噬，鉑類藥物耐藥性，細(xì)胞凋亡和p53信號(hào)通路有關(guān)（圖2b），利用PPI構(gòu)建的蛋白作用網(wǎng)絡(luò)見圖2c。

圖1

圖2

3. Cox回歸及LASSO算法建立預(yù)測(cè)模型

TCGA-STAD中共表達(dá)的204個(gè)自噬基因，使用單因素Cox回歸分析得到了10個(gè)與胃癌相關(guān)的基因（圖3a），利用LASSO算法篩選出了8個(gè)自噬基因（圖3b-d）。之后通過多因素Cox回歸分析這8個(gè)自噬基因，其中4個(gè)基因（GRID2、ATG4D、GABARAPL2和CXCR4）與胃癌的預(yù)后有關(guān)（表1），3個(gè)基因（GRID2、GABARAPL2和CXCR4）HR > 1是危險(xiǎn)基因，1個(gè)基因（ATG4D）HR < 1是保護(hù)基因。隨后作者根據(jù)4個(gè)自噬基因的表達(dá)水平及風(fēng)險(xiǎn)系數(shù)算出每位患者的風(fēng)險(xiǎn)評(píng)分，將患者分為低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)兩類（圖4a），通過熱圖發(fā)現(xiàn)高風(fēng)險(xiǎn)患者傾向于高表達(dá)危險(xiǎn)基因，低風(fēng)險(xiǎn)患者傾向于高表達(dá)保護(hù)基因（圖4b）。

圖3

表1

圖4

4. 模型評(píng)估

基于TCGA-STAD數(shù)據(jù)，單變量分析顯示，風(fēng)險(xiǎn)評(píng)分與總生存期（OS）顯著相關(guān)（HR = 1.648，95％ CI = 1.385 – 1.960，P < 0.001）（圖5a）。多變量分析顯示，風(fēng)險(xiǎn)評(píng)分是單獨(dú)可用的預(yù)后指標(biāo)（HR = 1.922，95％ CI = 1.573 – 2.349，P < 0.001）（圖5b）。生存曲線顯示，低風(fēng)險(xiǎn)評(píng)分患者的生存時(shí)間顯著長(zhǎng)于高風(fēng)險(xiǎn)評(píng)分患者的生存時(shí)間（圖5c）。ROC分析表明，風(fēng)險(xiǎn)評(píng)分的AUC顯著大于其他指標(biāo)，這證明本模型比其他單個(gè)指標(biāo)具有更好的預(yù)測(cè)預(yù)后的能力。

圖5

5. 列線圖構(gòu)建及外部數(shù)據(jù)驗(yàn)證

通過結(jié)合四個(gè)自噬基因特征，構(gòu)建列線圖預(yù)測(cè)3年和5年OS。如圖6a所示，分配給每個(gè)因素的打分與其對(duì)生存的風(fēng)險(xiǎn)貢獻(xiàn)成正比，校正曲線可以匹配（圖6b，c）。列線圖也在GSE62254胃癌數(shù)據(jù)集中得到了驗(yàn)證，其3年和5年校正曲線分別如圖6d，e所示。

圖6

圖6

結(jié)語

本文聚焦于胃癌與自噬基因的相關(guān)研究，重點(diǎn)討論特定生物學(xué)功能的基因在胃癌預(yù)后中的作用。基于TCGA及GEO公共數(shù)據(jù)庫(kù)，通過Cox回歸分析及LASSO算法構(gòu)建了胃癌預(yù)后預(yù)測(cè)模型，之后又利用外部數(shù)據(jù)對(duì)模型進(jìn)行了驗(yàn)證。本文有兩點(diǎn)需要改進(jìn)：一是自噬基因功能分析部分與后續(xù)模型構(gòu)建驗(yàn)證部分有脫節(jié)，沒有基于差異表達(dá)自噬基因進(jìn)行后續(xù)模型構(gòu)建；二是僅利用外部數(shù)據(jù)進(jìn)行了列線圖的驗(yàn)證，校正曲線并不是非常好，無法充分證明模型的可擴(kuò)展性，結(jié)果說服力不強(qiáng)。但本文方法選用合理，分析思路清晰，同樣適用于其他疾病與特定生物學(xué)功能基因的相關(guān)研究，值得借鑒。

總結(jié)

以上是生活随笔為你收集整理的idefo功能模型图_利用好预后预测模型，2个月发篇4分+SCI不是梦的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。