2024-06-16

4.9+纯生信！衰老相关lncRNA预后特征构建+浸润分析，助力发文新方法！

生信鸟生信果 2023-09-16 19:00:53

转自公众号：生信鸟
http://mp.weixin.qq.com/s?__biz=MzkzMzQzNDMzMg==&mid=2247541172&idx=2&sn=d33f6bd76a5310082f8919472b814e7c

想找新思路的朋友看过来，今天给大家带来一篇选题非常新颖的衰老相关lncRNA用于癌症预测的文章，毕竟衰老与多种疾病都有千丝万缕的联系，能分析的疾病可太多了，最重要的是与衰老相关的基因还有很多，大家可以充分挖掘，就可以复现文章啦！作者进行了简单易上手的基因预后特征构建和浸润分析，这种临床数据库挖掘和预测模型构建的文章只需要简单的的分析，即便是纯生信分析也能斩获高分，抓紧上车吧！

题目：乳腺癌免疫细胞浸润和免疫治疗反应相关的新型衰老相关预后lncRNA特征

杂志：Molecules

影响因子：IF=4.972

发表时间：2023年4月

后台回复“111”领取文献

研究背景

乳腺癌（BC）是全球女性中最普遍的恶性肿瘤之一，其发病率每年都在增加。自2020年以来，它已超过肺癌成为世界上最大的癌症。BC是一种高度异质性疾病，因此表明基因表达谱、临床病理特征和生物学行为存在巨大差异。肿瘤分期、组织学分级和分子亚型常作为临床上评估BC患者的预后因素。然而，BC患者的预后信息无法通过这些临床特征准确预测，从而导致患者预后诊断不准确。一些低危患者可能得到不必要或过度的治疗，而复发或转移风险高的患者可能治疗不足。因此，有必要利用新的预后生物标志物和相应的预测模型对BC异质性人群进行风险分层，并指导个体化治疗。

数据信息

数据集/队列	数据库	样本信息
GSE20685	GEO	327例BRCA患者
TCGA-BRCA	TCGA	1022个BC样本和112个配对正常样本
衰老相关标志物（包括p6、p3、p13、TNF-α、IL-2023、FGF、VEGF和MMP-56）	HPA	衰老相关标志物

研究思路

利用GEO、TCGA等数据库，整理BC患者的转录组表达数据和临床数据，使用皮尔逊相关分析筛选了衰老相关lncRNA的差异表达，构建并验证衰老相关lncRNA预后特征，然后进行免疫浸润分析以创建全新的lncRNA衰老预测特征。

研究结果

1.衰老相关lncRNA标记的构建

作者用LASSO回归来减少过拟合，将衰老相关lncRNA数量减少至20个（图1B、C)。通过多变量COX分析建立了由6个lncRNA组成的风险特征，根据风险评分公式，依次对TCGA-BRCA患者进行风险评分。基于风险评分的最佳X分位数截断，将训练集分为低风险和高风险组。图1F所示为在高低两个风险组之间与衰老相关的六种lncRNA的表达模式。利用Cytoscape 3.7.2软件对这6个lncRNA与BC衰老相关基因的共表达网络进行可视化(图1E)。桑基图显示了风险类型、与衰老相关的基因以及与衰老相关的预后lncRNA之间的相关性（图1D）。此外，通过ROC曲线证明了BC患者预后风险评分的良好预测能力，1、3和5年的AUC分别为0.753、0.772和0.722(图1G)。

图1 构建与衰老相关的lncRNA预后特征

2.衰老相关lncRNA标记的验证

为了证明衰老相关lncRNA特征的准确性，给予测试队列中的每一位患者风险评分。然后将测试队列患者按照相同的截断值分为两个不同的风险亚组(图2A, B)。Kaplan-Meier检验显示，与低风险亚组相比，高风险亚组的OS明显降低(图2C-E)。ROC曲线(图2F-H)验证了衰老相关lncRNA标签预测预后的可靠性。

图2 验证与衰老相关的lncRNA预后特征

3.BC患者列线图的构建

根据单因素Cox回归分析，风险评分是BC患者的预后指标（图3A）。ROC曲线表明，与其他临床特征相比，1年、3年和5年风险评分的AUS分别达到0.713、0.707和0.673（图3C-E）。为了进一步提高衰老相关lncRNA标记的临床应用，作者还形成了一种新的列线图，将临床病理学信息与风险评分相结合，以预测BC患者1年，3年和5年的OS（图3F）。列线图中1年、3年和5年OS的预测可能性与实际观察结果一致（图3G）。该列线图在预测临床结果方面具有令人信服的特异性和敏感性。与传统的临床病理学特征相比，列线图具有最佳的预测净效益（图3I），上述结果表明，为了在临床上预测BC患者的预后，列线图是合适的。

图3 用于生存预测的临床预后列线图的构建和验证

4.风险评分与临床病理特征的相关性

作者评估了BC患者的风险评分与临床病理特征之间的相关性。低风险组高表达MCF2L-AS1，MAPT-AS1，USP30-AS1，PRR34-AS1和DLGAP1-AS1，而高风险组高表达OTUD6B-AS1，如热图所示（图4A）。风险评分显示BC患者不同临床病理特征的分布模式不同，涉及TNM分期、生存状态、年龄和临床分期（图4B，C）。作者还对不同临床特征亚组的衰老特征进行了生存分析。BC患者在低危组的年龄、M分期、T分期和临床分期的生存概率较高。总体而言，衰老相关模型与临床特征密切相关，并且能够预测具有不同临床特征的BC患者的生存率（图4D-J）。使用Kaplan-Meier曲线评估6个lncRNA在乳腺癌患者预后中的表达与我们的风险模型之间的联系。在BC患者中，只有OTUD6B-AS1的高表达与不良预后相关，而在BC患者中，其他5个lncRNA的高表达与良好预后(图4K-P)相关。

图4 风险评分与临床病理特征之间的关系

5.免疫细胞浸润分析

后面进一步探讨衰老相关的lncRNA标记是否与肿瘤免疫有关。作者发现，在高低两个风险组中的肿瘤浸润免疫细胞的富集存在明显差异，如图5B所示。图5C，D表明静息NK细胞、M2巨噬细胞和M0巨噬细胞与风险评分呈正相关。浆细胞、B记忆细胞、单核细胞、活化的NK细胞、静息肥大细胞、调节性T细胞和CD8+T细胞均与风险评分呈负相关。同时，根据皮尔逊相关性分析，八个免疫细胞与风险评分显着相关（图5E-L）。结果表明，风险模型中的6种lncRNA可以区分BC中免疫细胞浸润的不同特征。

图5 免疫检查点分子的表达以及风险评分与免疫细胞浸润在两个不同风险组中的关系

总结

虽然文章的分析思路比较简单，但是选题比较新颖，也可以轻松发到将近五分的文章！作者创建了一个全新的lncRNA衰老预测特征，并有可能成为侵袭性BC患者的预测生物标志物。作者构建了包括2种lncRNA分子的衰老相关lncRNA的预后模型，为BC的早期诊断和治疗靶点识别（包括肿瘤免疫治疗）提供新的视角和方法。所以选对分析方向、巧妙的思路是发文的神器！看了这篇文章之后，你是否又有了生信新思路？简单的预后模型构建与验证会给你带来不一样的惊喜，更多详情请关注布小谷，文章创新不迷路！