大家好，今天给大家分享一篇肿瘤免疫浸润文章，二区SCI从投稿到接收仅26天，不再是构建预后模型啦，只是简单的纯生信分析套路就可以发到7+。文末获取文献链接哦，文末还有精彩的亮点分析！
文章题目是Identification of prognostic genes in the tumor microenvironment of hepatocellular carcinoma，是发表在frontiers in Immunology杂志，影响因子是7.561，下面带大家一起来拆解一下文章的分析套路吧~
流程图：
首先带大家一起来看看文章的分析流程图，作者先基于TCGA数据库得到HCC样本RNA-Seq和临床病理数据，利用Estimate算法计算了Stromal/Immune/Estimate评分和肿瘤纯度，然后基于Stromal/Immune评分的中位值，将患者分为高、低组，分别筛选差异表达基因（DEGs），并对得到的共有基因进行富集分析。接着，作者基于得到的共有DEGs筛选预后相关基因，并在GEO和ICGC数据库中进行验证。最后，对预后基因和临床参数、免疫细胞浸润进行相关性分析。
结果一：Stromal/Immune/Estimate评分和肿瘤纯度与预后和肿瘤突变负荷（TMB）显著相关
首先，作者利用Estimate算法计算了Stromal/Immune/Estimate评分和肿瘤纯度，接着发现Stromal/Immune/Estimate评分和肿瘤纯度与生存（OS、DSS、DFI及PFI）显著相关（图1A）。接着根据Stromal/Immune/Estimate评分和肿瘤纯度的中位值，将患者分为高、低组，发现低Stromal/Immune/Estimate评分组TMB较高，高肿瘤纯度组TMB较高（图1B）。
结果二：Stromal/Immune相关的DEGs以及相关的通路
作者在这里分别对高、低Stromal/Immune评分组进行差异分析，在高、低Immune评分组筛选到1,065个上调基因和105个下调基因；高、低Stromal评分组筛选到1,597个上调基因，112个下调基因（图2A和B）。并且，高、低Immune评分组和高、低Stromal评分组总共得到896个共有DEGs（图2C）。接着对这896个共有DEGs进行富集分析（图2D和E）。细胞因子-细胞因子受体相互作用信号通路中富集的DEGs相互作用如图3所示。
结果三：鉴定和验证最佳HCC预后生物标志物
首先，对896个共有DEGs进行单因素Cox回归分析，得到89个P < 0.05的基因；接着进行LASSO回归分析，得到18个基因（图4A）。基于多因素Cox回归分析，总共得到3个基因与HCC预后显著相关（图4B），包括GBP5、EMR3和CASKIN1。这三个基因和生存（OS、PFS、RFS和DSS）显著相关（图4C）。为了进一步验证这个结果，作者还在GEO和ICGC数据库中进行了验证，结果都与TCGA数据库得到的结果一致。
结果四：GBP5、EMR3和CASKIN1的表达水平以及与HCC临床参数的相关性
作者基于HPA数据库，比较了GBP5、EMR3和CASKIN1在正常和HCC组织中的蛋白表达水平，结果发现GBP5和CASKIN1在HCC组织中高表达，而EMR3在HCC组织中低表达（图5A）。并且，还基于TCGA数据库发现与癌旁组织相比，GBP5和CASKIN1的mRNA表达水平在HCC组织中显著升高，而EMR3显著下降（图5B）。接着根据这三个基因的中位表达值分析这三个基因和临床参数的相关性，结果发现EMR3低表达多见于低肿瘤及病理分级，晚期高表达比例增加；CASKIN1表达的病理分期和肿瘤分级也观察到类似结果（图5C）。
图5
结果五：GBP5、EMR3和CASKIN1的表达与免疫细胞浸润的关系
首先，作者分析了GBP5、EMR3和CASKIN1表达水平和Stromal/Immune/Estimate评分和肿瘤纯度的相关性，结果发现CASKIN1表达与Stromal/Immune/Estimate评分负相关，而与肿瘤纯度正相关；GBP5和EMR3的表达与Stromal/Immune/Estimate评分正相关，而与肿瘤纯度负相关（图6A）。接着，作者还分析了GBP5、EMR3和CASKIN1表达和免疫浸润水平之间的关系，发现GBP5表达与纯度显著相关；并且EMR3和CASKIN1表达和B细胞、CD4 T细胞、巨噬细胞等显著相关（图6B）。通过ssGSEA算法，分析了GBP5、EMR3和CASKIN1表达和29个免疫细胞浸润水平之间的关系，结果发现CASKIN1基因主要与免疫细胞浸润呈负相关；GBP5基因与29个免疫细胞呈正相关，并且与其中12个免疫细胞高度相关（R > 0.3）；EMR3基因与29个免疫细胞呈正相关或负相关（图6C）。
亮点分析：
这样的套路可适用于所有肿瘤，分析思路比较清晰、简单，那为什么常规的纯生信分析套路就可以发7+？随着小编拆解下来，我们也可以发现，首先，本研究的样本量是比较大的；其次，涉及免疫浸润和突变等分析内容；最后，虽然没做实验，但得到的预后基因也在其他两个数据库（GEO和ICGC）中进行了验证，可信度比较高。总之，有很多我们值得借鉴的地方~
文献出处：
Xiang S, Li J, Shen J, Zhao Y, Wu X, Li M, Yang X, Kaboli PJ, Du F, Zheng Y, Wen Q, Cho CH, Yi T, Xiao Z. Identification of Prognostic Genes in the Tumor Microenvironment of Hepatocellular Carcinoma. Front Immunol. 2021 Apr 7;12:653836. doi: 10.3389/fimmu.2021.653836. PMID: 33897701; PMCID: PMC8059369.