题目: Integrated analysis to identify the prognostic and immunotherapeutic roles of coagulation-associated gene signature in clear cell renal cell carcinoma

期刊 | 日期：Frontiers in Immunology | 17 March 2023

DOI：https://doi.org/10.3389/fimmu.2023.1107419

凝血相关基因 coagulation-related genes,CRGs

透明细胞肾细胞癌 clear cell renal cell carcinoma,ccRCC

0、主要数据方面

  • TCGA-KIRC转录组数据
  • GSE159115单细胞数据(ccRCC+normal)
  • CRGs来自MsigDB数据库(HALLMARK_COAGULATION, MALLMARK_ COMPLEMENT)

1、两个角度分析CRGs

1.1 差异基因分析

  • TCGA-KIRC中normal与tumor的DE CRGs(limma, P<0.05)
  • scRNAseq中normal与tumor epi细胞群差异分析
    • 使用SCEVAN软件区分肿瘤细胞
  • 取上述二者的交集基因，共16个
image-20230329201144369

1.2 样本亚群分型

  • 使用CRGs将TCGA-KIRC样本首先分为4类，进一步合并为2类
    • ConsensusClusterPlus包
    • (maxK=7, reps=100, pItem=0.8, pFeature=1, distance=“manhattan”, clusterAlg=“pam”)
  • 样本类群之间差异性
    • 生存分析
    • 通路分析–ClueGO(Cytoscape)
    • 免疫浸润分析–ssGSEA
    • 免疫治疗差异–TCIA数据库
    • 药物敏感度差异–pRRophetic
image-20230329202518511

2、诊断与预后模型

2.1 诊断模型

  • 基于16个hub基因，分别使用LASSO与SVM方法识别ccRCC与normal(TCGA)间显著差异的基因组合
  • 对得到的5个交集基因，先结合HPA数据库验证差异表达，在计算AUC指标评价
image-20230329203205026

2.2 预后模型

  • 将TCGA数据集分为训练集与测试集，再加一个外部测试集(E-MTAB-1980)
  • 基于279个CRGs进行单变量cox回归分析，进而lasso回归，得到8个基因组合；根据权重系数计算riskscore
  • 在每份数据集中，根据riskscore中位数分组进行生存差异分析，计算AUC指标
image-20230329205255027
  • 综合Riskscore以及Stage, Grade, Age，分析因素独立性，绘制综合诺模图，再次进行AUC评价。
image-20230329205321737

文章最后一部分结合多个数据集，以及自己的湿实验(临床样本+细胞系)进一步证明了一个key CRG的差异表达。

文章小结：属于是一类基因在一种肿瘤的分析套路。首先基于结合TCGA与scRNA-seq筛选hub基因，在结合lasso与svm筛选diagnostic gene。然后分别中TCGA亚群分析以及常规预后分析流程阐释CRGs的应用价值。部分数据分析手段以及可视化具有借鉴意义。