基因集分型预后是这几年的一大热点。然而，随着大量基因集肿瘤分型文章的发表，我们的文章怎样才能脱颖而出呢？请跟小编一起看看下面这篇2021年10月发表的一篇文献。
Frontiers in Immunology （IF: 5.2011）发表的文章（Development and Verification of the Hypoxia- and Immune-Associated Prognostic Signature for Pancreatic Ductal Adenocarcinoma）使用缺氧和免疫两大基因集共同确定胰腺癌预后特征
作者构建了一个缺氧和免疫相关的风险评分模型来预测胰腺癌(PDAC)患者的预后。首先，作者通过TCGA+GTEx数据集分别筛选出缺氧、免疫相关的PDAC差异表达基因（DEGs），并进一步找到缺氧-免疫共有的差异基因。随后，作者通过Cox回归和LASSO回归构建了一个7基因风险评分模型，该模型的可靠性在GEO和ICGC队列中得到进一步验证。结果表明，低风险组患者的总生存率(OS)显著优于高风险组。临床相关性分析也表明，本研究构建的预后模型可以作为独立预后因子。此外，通过CIBERSORT和ESTIMATE算法发现高风险组与低风险组患者相比，免疫评分、基质评分和免疫检查点表达（如PD-L1）较低。
研究背景
胰腺癌(PDAC)在全球癌症死亡人数中排名第七。此外，PDAC患者5年总生存率（OS）率仅为5%。缺氧是肿瘤微环境的主要特征，胰腺癌的快速增殖容易引起氧应激，逐渐形成缺氧微环境。在缺氧条件下，各种分子和信号通路被激活，会增强PDAC的增殖、转移以及对放疗和化疗的抵抗力，通过诱导侵袭和耐药性等恶性表型影响PDAC患者的预后。此外，肿瘤细胞和免疫微环境成分之间的相互作用是肿瘤进展和对免疫治疗反应的关键。越来越多的证据表明，缺氧与PDAC免疫微环境中的状态呈直接或间接相互作用关系，但该机制尚未得到充分研究。因此，只有缺氧-免疫相互结合，应用于PDAC的免疫疗法才能更好的获益于临床。
数据介绍
数据来源还是大家无比熟悉的几个癌症数据库。mRNA表达矩阵和相关临床信息来自TCGA(https://portal.gdc.cancer.gov/projects/TCGA-PAAD/)和GTEx。验证集来自ICG（https://dcc.icgc.org/releases/current/Projects/PACA-AU/）和GEO的GSE28735数据集。
结果解析
01缺氧和免疫相关的基因
由于不同缺氧水平的胰腺癌患者的预后各不相同，作者首先进行了无监督聚类分析，以确定不同的缺氧模式并将患者分为两个cluster。
接下来鉴定缺氧和免疫相关的差异表达基因。鉴定了疾病VS正常差异表达基因，通过Pearson 相关分析研究差异表达基因与缺氧基因之间的关系、差异表达基因与免疫基因之间的关系。通过取交集，确定了缺氧、免疫相关的差异基因。
02缺氧和免疫相关的风险打分模型
缺氧与免疫相关的共同差异表达基因有72个。通过单变量Cox回归确定了22个最相关的差异表达基因。通过多变量Cox回归和LASSO回归选择了七个基因来构建预后特征。
根据风险评分，所有病例被归类为高风险组或低风险组。根据Kaplan-Meier分析，高风险患者的总体生存显著降低。此外，作者还调查了基于TCGA-PDAC队列、GEO队列和ICGC队列的曲线下面积 (AUC) 值的1、2和 3年总体生存情况。
为了深入了解风险模型中七个特征基因的独立预后价值，作者进一步进行了单变量Cox回归分析，发现其中五个对胰腺癌患者有害，两个对患者有益。在七个基因的聚类热图上，作者发现风险模型与先前建立的缺氧聚类一致，即缺氧和免疫可能相互作用影响胰腺癌预后。作者继续绘制 Kaplan-Meier生存曲线以评估每个特征基因的预后价值，结果也与单变量Cox回归一致。
03风险评分模型与临床特征的相关性
为了研究风险模型是否与胰腺癌的临床特征相关，作者进行了Wilcoxon秩和检验，发现高风险组具有更晚期的TNM分期和更高的肿瘤分级。考虑到两个风险组之间预后相关的临床特征不同，进一步研究了风险模型是否与其他胰腺癌独立预后因素具有相似或更好的预测有效性。
作者构建了一个列线图，通过三个独立的预后因素来预测患者的总体生存，包括年龄、主要治疗、N 和风险评分。校准图表明列线图可以准确估计死亡率。对于1年、2年和3年的总体生存，列线图的AUC分别为0.76、0.80和0.82。上述结果表明，风险模型既可以作为独立的预后因素，也可以与现有的临床指标相结合。
为了进一步验证风险模型在缺氧和免疫中的功能，作者进行了GSEA通路富集分析，发现在高危组中富集了三个缺氧相关基因集。在六个免疫相关基因组中，三个在高风险组中富集，另外三个在低风险组中富集。由于与缺氧相关基因集相比，免疫相关基因集的富集更为复杂，因此需要进一步深入评估这种关于免疫状态的风险模型。
04风险模型与免疫浸润的关系
高危患者的初始B细胞、CD4记忆静息T细胞、调节性T细胞、静息NK细胞、M0巨噬细胞、静息树突细胞和活化树突细胞的免疫细胞浸润程度较高，而低危组则表现出较高的免疫细胞浸润程度，记忆B细胞、CD8 T细胞、滤泡辅助 T细胞、单核细胞、M1巨噬细胞、M2巨噬细胞、静息肥大细胞和嗜酸性粒细胞的浸润程度更高。
ESTIMATE评分显示，与低风险组相比，高风险组的基质和免疫评分较低。在临床亚组分析中，在T3T4、Stage2、N1和Grade2 中，高风险组的免疫评分和基质评分显着低于低风险组。高风险组的免疫检查点表达水平也显着低于低风险组。因此，胰腺癌的不同风险人群可以暗示免疫水平，高危组患者的整体免疫反应水平低于低危组。
05风险评分模型与胰腺癌患者突变
瀑布图显示了高风险和低风险组中最常突变的胰腺癌基因。 高危人群的突变负担明显更高。 此外，四个胰腺癌突变基因（KRAS、TP53、SMAD4和TTN）在高危人群中突变频率更高，突变谱更丰富。 其他6个突变基因（CDKN2A、RNF43、MUC16、ATM、GNAS和HMCN1）在高危组中的突变频率低于低危组，并且突变谱较窄。
总结与点评
在这项研究中，作者通过系统分析构建了一个缺氧和免疫相关的预后风险评分模型，并对模型的可靠性进行了验证，最后，作者分析了高低风险评分组与免疫浸润和PDAC突变之间的联系。结果证实，缺氧和免疫微环境之间的相互作用对PDAC具有一定的预后意义。本文为我们提供了一个崭新的基因集思路，因为癌症通常与免疫相关，那我们就可以使用免疫+铁死亡/细胞凋亡/细胞焦亡等等基因集共同确定某种癌症（泛癌）的预后标志物。
╰(￣▽￣)╭爱什么来什么，来公众号eryunjian2014，搜罗更多科研干货~