肿瘤代谢预后模型构建+简单验证=6分+，紧贴3大热点，轻松成文

科技 07-01 来源：上海源兹

尔云间一个专门做科研的团队

原创 eryun 云生信学生物信息学

原创不易/ 请关注和转发支持

(大热点，好成文，易复现)

这几天小编一直在找“肿瘤复发、转移、耐药”相关的热点方向，发现除了之前大热的“肿瘤免疫微环境”、“新型细胞死亡”占了大半壁江山之外，“肿瘤代谢”也算是一个强劲的新生力量了。又因为肿瘤代谢本身就与肿瘤免疫微环境密不可分，所以热度也比较高，发表的文章分数也是相当不错的，怎么样，有没有心动呀[得意]

其实前段时间小编就给小伙伴们分享过一篇“肿瘤代谢”的生信文章，阅读量很不错，想让小云再分享这个方向文章思路的小伙伴呼声也很高，所以必须满足大家，再来一篇“肿瘤代谢”预后模型构建的6+思路，一起看看吧

创新型思路怎么设计? 怎么关联热点？数据怎么分析才能发高分? 不知道怎么做的小伙伴快来私信小编吧，或许能给您提供最优解思路[得意]

发表时间：

2022年4月

发表杂志：

Frontiers in Oncology

影响因子：

6.244

文章题目：

肿瘤免疫微环境中新型乳酸代谢相关特征的综合剖析和乳腺癌的预后预测

私信小编获取原文

01研究背景

由于容易复发、转移和耐药，一些乳腺癌患者的预后仍然很差，乳酸代谢已被描述为癌症的标志，也是癌症进展和免疫逃逸的促成因素。因此，对于这一特定的患者群体，值得从乳酸代谢相关的角度寻找潜在的新型生物标志物。

02数据来源

03主要结果

1. 乳腺癌预后乳酸代谢相关基因的鉴定

从MSigDB中共获得了 284 个乳酸代谢相关基因（LMG），与 TCGA-BRCA、METABRIC 和GSE96058数据集中的总基因相交后，筛选出 205 个重叠 LMG，并在TCGA队列中分析其差异表达。随后进行了单变量 Cox 回归分析以筛选出 TCGA 和 METABRIC 数据集中的 OS 相关基因。

图1鉴定 BC 患者的预后 LMG

2. 乳腺癌患者乳酸代谢相关预后特征的构建和验证

通过对 TCGA-BRCA 训练数据集的乳腺癌患者的 9 个候选基因进行 LASSO Cox 回归分析，挖掘出 5 个关键基因来建立预后特征，即乳酸代谢指数（LMI）。通过箱线图进一步研究了每个基因的表达水平并在细胞中利用qPCR进行简单的基因表达验证，最后通过KM 曲线进行OS生存分析。

图2 在 BC 建立乳酸代谢相关特征

3. 基于5个LMG的预后特征验证

TCGA-BRCA 训练集和两个验证集（METABRIC 和 GSE96058）的患者根据 LMI 的中值独立分为高 LMI 和低 LMI 亚组，进行KM生存分析以验证 LMI 在乳腺癌中的预后价值。

图3 评估和验证 LMI 在训练集和验证集中的可行性

4. 评估 BC 患者 LMI 与临床病理学特征之间的相关性

评估LMI 与 TCGA-BRCA 、METABRIC 和GSE96058 中 BC 患者的不同临床病理学特征之间的相关性。

图4 BC 患者 LMI 和临床参数的系统评估

5. 基于 LMI 特征的预后列线图的开发和验证

在 TCGA 数据集中进行了单变量和多变量 Cox 回归分以评估LMI 特征是否可以成为乳腺癌患者的独立预后预测因子。接下来，开发了包含 LMI、年龄和 AJCC 分期的临床病理学列线图来预测OS，并评估其预测性能。

图5 在训练集中构建包含 LMI 特征的预后列线图

6. 两个 LMI 组之间不同生物功能的验证

利用“GSVA”富集分析来检测两个LMI亚组的代谢通路和免疫相关通路的差异，阐明训练集中高低LMI组之间不同的生物学功能和信号通路。采用ESTIMATE算法计算间质评分、免疫评分和ESTIMATE评分，对TME进行评价和量化。比较两个 LMI 组内候选免疫检查点和细胞因子的表达水平，利用CIBERSORT 算法评估不同 LMI 组中 BC 的 TME 中免疫浸润细胞的分布。