中科院二区7.4分|NET基因肿瘤分型+生存预后模型+分子对接

简介: 在《Journal of Translational Medicine》上发表的最新研究中,科学家们鉴定了一种新的NET相关基因签名,用于预测弥漫性大B细胞淋巴瘤(DLBCL)患者的预后。他们发现8个基因(PARVB,LYZ,PPARGC1A,HIF1A,SPP1,CDH1,S100A9和CXCL2)与DLBCL生存率显著相关,建立了NRG遗传风险模型,该模型可能有助于指导DLBCL的治疗选择。研究包括基因表达数据的分析、预后特征的构建和验证,以及与免疫微环境和潜在治疗靶点的相关性探索。

今天给大家分享一篇IF=7.4的肿瘤分型的文章,2023年9月发表在Journal of Translational Medicine:A novel NET-related gene signature for predicting DLBCL prognosis,鉴定预测DLBCL预后的新型NET相关基因

Journal of Translational Medicine算是“常驻嘉宾”了

摘要

  • 背景:弥漫性大 B 细胞淋巴瘤 (DLBCL) 是一种侵袭性恶性肿瘤。中性粒细胞细胞外陷阱(NET)是肿瘤微环境中影响DLBCL进展的病原体捕获结构。然而,NET相关基因(NRGs)在DLBCL中的预测功能很少受到关注。本研究旨在探讨NRGs与DLBCL预后的相互作用,以及它们与免疫微环境的可能关联。
  • 方法:DLBCL患者的基因表达和临床数据从基因表达综合数据库下载。我们通过手动收集文献确定了148个NRG。GSE10846(n = 400,GPL570)被用作训练数据集,并以7:3的比例分为训练集和测试集。单变量Cox回归分析用于识别与总生存期(OS)相关的NET,并使用最小绝对收缩和选择运算符来评估NRG的预测效果。 Kaplan-Meier图用于可视化生存函数。受试者工作特征(ROC)曲线用于评估基于NRG的特征的预后预测能力。采用多元逻辑回归和Cox比例风险回归模型构建了包含患者临床信息和预后评分的列线图。
  • 结果:我们确定了36个对患者总生存期(OS)有显著影响的NRG。发现八种NRG(PARVB,LYZ,PPARGC1A,HIF1A,SPP1,CDH1,S100A9和CXCL2)对患者生存具有出色的预测潜力。对于1年、3年和5年生存率,受试者工作特征曲线下获得的区域分别为0.8、0.82和0.79。在训练集中,高NRG风险组的患者预后较差(p < 0.0001),使用两个外部数据集(GSE11318和GSE34171)进行了验证。列线图的标定曲线表明,该图具有较好的预测能力。此外,体外定量实时PCR(qPCR)结果显示,DLBCL组CXCL2、LYZPARVB的mRNA表达水平显著较高。
  • 结论:我们开发了一种基于NRG的遗传风险模型来预测DLBCL患者的预后,这可能有助于为这些患者选择治疗药物。

结果


图 1.两个聚类之间 DEG 的共识聚类和功能注释

  • A,B共识矩阵热图定义两个集群(k = 2)及其相关区域。
  • C PCA显示簇1(n = 174)和簇2(n = 106)之间的转录组有明显差异。两个簇之间DEG的D,E GO和KEGG富集分析。两个集群操作系统的
  • F Kaplan-Meier曲线

image.png

图 2.筛查预后相关的NRGs和在高危和低危人群之间对DEGs进行功能鉴定

  • A 显示 NET 集和单变量 Cox 结果重叠的维恩图分析。
  • B 通过最小绝对收缩和选择运算符(LASSO)逻辑回归分析建立特征。36个基因在LASSO系数分布中由不同的颜色表示。
  • C 在 LASSO 模型中选择最优参数 (lambda),并生成系数曲线图。
  • D-F 气泡图描绘了三个功能类别中富含 GO 的 DEG 项目:生物过程(BP、D)、细胞组成(CC、E)和分子功能(MF、F)

image.png

图 3.评估预后特征以预测 DLBCL 患者的 OS

  • A 高危组患者的OS明显短于低危组。
  • B ROC 曲线,用于根据训练队列中的 NRG 分数预测 1 年、3 年和 5 年生存率。
  • C 风险评分和临床参数的单因素Cox回归分析。
  • D 风险评分和cliAaa临床参数的多变量Cox回归分析。
  • E、F 显示 NRG 评分分布和患者生存状态的排名点和散点图。
  • G NRG风险模型基因表达

image.png

图 4.验证 DLBCL 队列中的 NRG 预后特征

  • A Kaplan–Meier 曲线显示了验证队列中的预后模型。
  • B ROC 曲线用于预测验证队列中根据 NRGs 分数的1年、3年和5年生存率。
  • C Kaplan–Meier 曲线显示了 GSE11318 队列中的预后模型。
  • D ROC 曲线用于预测 GSE11318 队列中根据 NRGs 分数的1年、3年和5年生存率。
  • E Kaplan–Meier 曲线显示了 GSE34171 队列中的预后模型。
  • F ROC 曲线用于预测 GSE34171 队列中根据 NRGs 分数的1年、3年和5年生存率。

image.png

图 5.列线图的构建和验证

  • A 用于预测训练队列中 DLBCL 患者的 1 年、3 年和 5 年 OS 的列线图。
  • B-D 预测和观察 DLBCL 患者 1 年、3 年和 5 年生存期的临床病理列线图校准曲线

image.png

图 6.高危人群和低危人群的肿瘤免疫微环境分析

  • A 肿瘤浸润免疫细胞之间的区别。蓝色框表示低风险组,红色框表示高风险组。
  • B 热图显示了差异免疫细胞与八个 OS 相关 NRG 之间的 Spearman 相关性。 蓝色表示负相关,红色表示正相关。相关系数随颜色程度的增加而增加。*p < 0.05, p < 0.01, **p < 0.001

image.png

图 7.免疫治疗和靶向治疗目标风险评分的皮尔逊相关性

  • A CTLA4. B DOT1L. C CD47. D IDH1. E IDH2. F MCL1. G MDM2. H PLK1. I CHEK1. J ASXL1. K BCL2. L CD33


图 8.风险评分与治疗敏感性和分子对接

  • A 阿昔替尼的治疗反应。
  • B OSI_027的治疗反应。
  • C Left: HIF1A- AXITINIB. Right: Chemical formula of AXITINIB.
  • D Left: HIF1A-SORAFENIB. Right: Chemical formula for SORAFENIB

image.png

图 9.通过qPCR评估1种NRG的相对表达

  • A CDH1. B CXCL2. C HIF1A. D LYZ. E PARVB. F PPARGCA1. G S100A9. H SPP1. p < 0.05, p < 0.01, p < 0.001

小总结

  • 惯例捋一捋:先做肿瘤分型,GO、KEGG富集分析,然后预后生存分析,与NET相关基因交集,预后模型构建和验证,免疫浸润分析,免疫的靶点相关性,药物敏感性分析,然后做了分子对接,qPCR。
  • 本篇文章也是很典型的肿瘤分型,生存预后模型,比较特殊的点就是做了中性粒细胞细胞外陷阱相关基因集和药敏分析后的分子对接,最后也补充了个qPCR。毕业神作思路,冲吧~


目录
相关文章
|
10天前
|
开发框架 安全 .NET
ASP.NET三甲医院手术麻醉信息管理系统源码 对接麻醉机、监护仪、血气分析仪
辅助医院建设 •支持三级医院评级需求 •支持智慧医院评级需求 •支持互联互通评级需求 •支持电子病历评级需求
23 0
|
10天前
|
数据可视化
R语言弹性网络Elastic Net正则化惩罚回归模型交叉验证可视化
R语言弹性网络Elastic Net正则化惩罚回归模型交叉验证可视化
|
10天前
|
机器学习/深度学习 存储 计算机视觉
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现-4
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现
|
10天前
|
开发框架 .NET 中间件
七天.NET 8操作SQLite入门到实战 - (2)第七天Blazor班级管理页面编写和接口对接
七天.NET 8操作SQLite入门到实战 - (2)第七天Blazor班级管理页面编写和接口对接
|
10天前
|
机器学习/深度学习 算法 数据可视化
MATLAB基于深度学习U-net神经网络模型的能谱CT的基物质分解技术研究
MATLAB基于深度学习U-net神经网络模型的能谱CT的基物质分解技术研究
|
10天前
|
机器学习/深度学习 存储 算法
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现(下)
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现
|
10天前
|
机器学习/深度学习 并行计算 算法
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现(上)
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现
|
10天前
|
机器学习/深度学习 算法 数据可视化
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现-3
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现
|
10天前
|
并行计算
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现-2
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现
|
10天前
|
算法 数据可视化
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现-1
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现