点击关注,桓峰基因

桓峰基因

生物信息分析,SCI文章撰写及生物信息基础知识学习:R语言学习,perl基础编程,linux系统命令,Python遇见更好的你

130篇原创内容

公众号

桓峰基因的教程不但教您怎么使用,还会定期分析一些相关的文章,学会教程只是基础,但是如果把分析结果整合到文章里面才是目的,觉得我们这些教程还不错,并且您按照我们的教程分析出来不错的结果发了文章记得告知我们,并在文章中感谢一下我们哦!

公司英文名称:Kyoho Gene Technology (Beijing) Co.,Ltd.

这期分享一篇2022年6月发表在BMC Cancer(IF=4.632)的文章,作者在三阴性乳腺癌(TNBC)中识别铁代谢+免疫相关特征基因,为肿瘤的免疫治疗提供了新的研究方向。

该文章使用桓峰基因公众号里面转录组分析结合临床预测模型教程即可实现,有需要类似思路的老师可以联系我们!

首选看下转录分析教程整理如下:

RNA 1. 基因表达那些事–基于 GEO
RNA 2. SCI文章中基于GEO的差异表达基因之 limma
RNA 3. SCI 文章中基于T CGA 差异表达基因之 DESeq2
RNA 4. SCI 文章中基于TCGA 差异表达之 edgeR
RNA 5. SCI 文章中差异基因表达之 MA 图
RNA 6. 差异基因表达之-- 火山图 (volcano)
RNA 7. SCI 文章中的基因表达——主成分分析 (PCA)
RNA 8. SCI文章中差异基因表达–热图 (heatmap)
RNA 9. SCI 文章中基因表达之 GO 注释
RNA 10. SCI 文章中基因表达富集之–KEGG

RNA 11. SCI 文章中基因表达富集之 GSEA
RNA 12. SCI 文章中肿瘤免疫浸润计算方法之 CIBERSORT
RNA 13. SCI 文章中差异表达基因之 WGCNA
RNA 14. SCI 文章中差异表达基因之 蛋白互作网络 (PPI)
RNA 15. SCI 文章中的融合基因之 FusionGDB2
RNA 16. SCI 文章中的融合基因之可视化
RNA 17. SCI 文章中的筛选 Hub 基因 (Hub genes)
RNA 18. SCI 文章中基因集变异分析 GSVA
RNA 19. SCI 文章中无监督聚类法 (ConsensusClusterPlus)
RNA 20. SCI 文章中单样本免疫浸润分析 (ssGSEA)
RNA 21. SCI 文章中单基因富集分析
RNA 22. SCI 文章中基于表达估计恶性肿瘤组织的基质细胞和免疫细胞(ESTIMATE) 原创 已修改

临床预测模型整理如下:

Topic 1. _临床_标志物生信分析常规思路
Topic 2. 生存分析之 Kaplan-Meier
Topic 3. SCI文章第一张表格–基线表格
Topic 4. _临床_预测模型构建 Logistic 回归
Topic 5. 样本量确定及分割
Topic 6 计数变量泊松回归
Topic 7. _临床_预测模型–Cox回归
Topic 8. _临床_预测模型-Lasso回归
Topic 9. SCI 文章第二张表—单因素回归分析表
Topic 10. 单因素 Logistic 回归分析—单因素分析表格
Topic 11. SCI中多元变量筛选—单/多因素表
Topic 12 _临床_预测模型—列线表 (Nomogram)
Topic 13. _临床_预测模型—一致性指数 (C-index)
Topic 14. _临床_预测模型之校准曲线 (Calibration curve)
Topic 15. _临床_预测模型之决策曲线 (DCA)
Topic 16. _临床_预测模型之接收者操作特征曲线 (ROC)
Topic 17. 临床预测模型之缺失值识别及可视化
Topic 18. 临床预测模型之缺失值插补方法

摘 要

**背景:**细胞内铁代谢失衡可导致铁死亡的发生。铁死亡可作为肿瘤免疫微环境重构的一个因素,影响肿瘤免疫治疗的疗效。如何将促进亚铁减少的方法与免疫治疗相结合,抑制三阴性乳腺癌(TNBC)已成为癌症治疗的热点问题。然而,TNBC中与铁代谢和免疫调节相关的潜在生物标志物仍然知之甚少。

**方法:**我们使用最小绝对收缩和选择算子(LASSO) cox回归构建了一个最优预后TNBC-IMRGs(铁代谢和免疫相关基因)信号。分析生存分析和ROC曲线,以确定训练队列和外部验证队列的预测价值。基因标记与铁死亡调控因子和免疫浸润的相关性也进行了讨论。最后,我们将基因特征与临床模型相结合,构建联合模型,并通过校准曲线和决策曲线分析(DCA)对其进行评估。

**结果:**与高危组相比,低风险评分的TNBC患者在训练集和外部验证集上的预后均有明显改善。IMRGs特征和组合模型均具有较高的预测能力,1/3/5年AUC分别为0.866、0.869、0.754和1/3/5年AUC分别为0.942、0.934、0.846。标定曲线和DCA也表明组合模型具有良好的预测性能。基因集富集分析(Gene set enrichment analysis, GSEA)提示高危人群主要富集在代谢过程中,而低风险人群主要聚集在免疫相关通路中。多算法和单样本GSEA进一步表明,低风险评分与高肿瘤免疫浸润水平相关。在不同的风险群体中,也观察到铁死亡调控因子的表达差异。

**结论:**基于铁代谢和免疫因素联合的IMRGs特征可能有助于评估TNBC的预后、了解分子特征和选择治疗方案。

生信分析流程

这篇文章在三阴性乳腺癌(TNBC)中识别铁代谢+免疫相关特征基因,为肿瘤的免疫治疗提供了新的研究方向。我们从文章中提取生信分析流程,看下文章中使用的数据集和生信分析方法,如下:

  • 相关数据准备

    数据集选择:

    **训练集:**TCGA-BRCA (119 normal and 123 TNBC)

    **验证集:**GSE21653,GSE2603

  • **基因集选择:**2483个免疫相关基因(ImmPort database),499铁代谢相关基因(MSigDB)

  • 生信分析方法:

我们从文章的分析流程中提取所有的分析内容,整理出来就7个分析条目,每个条目都包括分析的内容,这些分析构成了整个文章,本文属于纯生信分析的文章,下面我们就看看哪些分析可以利用桓峰基因公众号的教程来实现,点击分析条码就会跳转到对应公众号的教程,跟着教程做,您也能发轻松发4+,如下:

  1. 30例候选预后TNBC-IMRGs【差异表达火山图(limma),基因表达热图,相关性矩阵图】

  2. TNBC-IMRGs签名的识别和验证【Lasso回归,Kaplan Meier生存分析和ROC曲线】

3. TNBC-IMRGs特征的分层预后分析 【Kaplan Meier生存分析】

4. 功能富集分析 【GO富集、KEGG富集 and GSEA富集,热图】

  1. 免疫浸润分析【ESTIMATE算法、CIBERSORT免疫浸润、热图、ssGSEA免疫富集分析、差异表达箱线图】

6. 建立了组合模型的预测模型【单/多因素分析、Kaplan Meier生存分析、列线表(nomogram)、校准曲线(Calibration curve)、决策曲线(DCA)】

7. 组合模型的验证【Kaplan Meier生存分析、ROC曲线】

研究结果

  1. 30例候选预后TNBC-IMRGs【差异表达limma火山图基因表达热图相关性矩阵图

a. TNBC-DEGs火山图,显著上调和下调的基因分别用红点和蓝点表示;

b. 30例TNBC- imrgs在TNBC与正常标本间的表达图谱;

c. 30个TNBC-IMRGs表达水平相关热图。

2. TNBC-IMRGs签名的识别和验证【Lasso回归Kaplan Meier生存分析ROC曲线

a. 最优lambda产生五个非零系数;

b. 绘制偏似然偏离曲线;

c. 5个基因在TCGA训练集中的风险评分、生存状态和表达情况的分布;

d. Kaplan Meier对高危组和低危组进行生存分析;

e. 训练队列TNBC-IMRGs标记的1-、3-和5年的时间依赖性ROC曲线;

f, i. GSE2603和GSE21653验证集中5个基因的风险评分、生存状态和表达量分布;

g-h、j-k. Kaplan Meier生存分析和ROC曲线。

3. TNBC-IMRGs特征的分层预后分析 【Kaplan Meier生存分析

a-h. 高危组和低危组的生存差异根据临床变量进行分层:

a、b. 年龄(55岁和>55岁),

c、d. 淋巴结(N0和N1-3),

e、f. 肿瘤(T1-2和T3-4),

g、h. 分期(I-II期和III-IV期)。时间:一天

4. 功能富集分析 【GO富集KEGG富集 and GSEA富集热图

a. 高风险组和低风险组之间的DEGs的显著基因;

b-c. GO和KEGG富集分析;

d-f. GSEA高、低风险人群分析;

g. 高、低风险人群中铁死亡调控因子差异表达的比较。

5. 免疫浸润分析【ESTIMATE算法、CIBERSORT免疫浸润、热图、ssGSEA免疫富集分析、差异表达箱线图】

a-c. 采用ESTIMATE算法分析风险评分与免疫相关评分的相关性;

d. 基于CIBERSORT的充血免疫细胞热图;

e. 风险评分与CD4+T细胞相关性散点图;

f. ssGSEA评价免疫细胞富集评分;

g. 高危和低危人群免疫检查点基因的差异表达分析。

6. 建立了组合模型的预测模型【单/多因素分析Kaplan Meier生存分析、列线表(nomogram)、校准曲线(Calibration curve)、决策曲线(DCA)】

a. 单因素和多因素Cox回归分析OS与包括风险评分在内的各种临床变量的相关性;

b-c. Kaplan Meier生存分析(b)和临床模型的ROC曲线©;

d. 预测TNBC患者1-、3-、5年生存OS的组合模型绘制列线表(nomogram);

e. 1年、3年和5年生存期校准曲线(Calibration curve);

f-g. 联合模型Kaplan Meier生存分析(f)和ROC曲线(g);

h. 临床模型、基因签名及联合模型的决策曲线分析。

7. 组合模型的验证【Kaplan Meier生存分析、ROC曲线】

a-d联合模型在验证集GSE2603和GSE21653中的Kaplan Meier生存分析(a, c)和ROC曲线(b, d)

这篇文章利用桓峰基因公众号的教程完全可以实现,跟着教程学习肯定有成果,怎么样感觉难吗?如果觉得还是搞不定这些复杂的分析,桓峰基因铸造成功的您,来找我们吧!

References:

  1. Li XF, Fu WF, Zhang J, Song CG. An iron metabolism and immune related gene signature for the prediction of clinical outcome and molecular characteristics of triple-negative breast cancer. BMC Cancer. 2022;22(1):619. Published 2022 Jun 7. doi:10.1186/s12885-022-09679-x

IF:4+ 铁代谢和免疫相关基因标记预测三阴性乳腺癌的临床结局和分子特征相关推荐

  1. 代谢组学资讯,全球爆火的ChatGPT,是如何看待三阴性乳腺癌的?

    领导说 今天下午6点前必须发出一篇推文 我表面毫无波澜实则内心风起云涌 那么问题来了 我如何才能在下班前发送推文准时下班呢 我要怎么写才能获得趣粉们的认可呢 全球爆火的ChatGPT,让我的格局一下打 ...

  2. 铁死亡中的铁代谢 | Nature Reviews Nephrology 2023

    铁死亡简介 铁死亡的三大支柱为铁.脂质(多不饱和磷脂)和硫醇(半胱氨酸.GSH等). 图1 经典铁死亡通路三大支柱[1] System xc- 是一种逆向转运蛋白,负责将胱氨酸(cystine)输入哺 ...

  3. 如何从ImmPort下载免疫相关的基因集

    首先进行管网https://www.immport.org/home 选择gene list 选择gene summary 该列表的基因即是所有的免疫相关的基因集

  4. 易基因|疾病研究:DNA甲基化与转录组分析联合揭示吸烟免疫相关疾病的表观遗传机制

    大家好,这里是专注表观组学十余年,领跑多组学科研服务的易基因. 2021年12月09日,<Clin Epigenetics>杂志发表了题为"Genome-wide methyla ...

  5. tcga数据下载_TCGA数据库免疫相关文件下载大全

    本文首发于生信技能树公众号,直达链接是:https://mp.weixin.qq.com/s/-amtbxvk0mC2Nv-bwt1BeQ 2018年4月Immunity杂志上发表了文章The Imm ...

  6. 易基因|DNA甲基化揭示应激反应影响婴儿免疫相关基因的表观遗传调控机制 | 表观发育

    易基因|DNA甲基化揭示应激反应影响婴儿免疫相关基因的表观遗传调控机制 | 表观发育 大家好,这里是专注表观组学十余年,领跑多组学科研服务的易基因. 2021年,<Brain, Behavior ...

  7. pandas pandas具体用法相关内容(三)

    pandas pandas具体用法相关内容(三) #%%import pandas as pd import numpy as np titanic_survival = pd.read_csv(&q ...

  8. 机器学习(四)SVM之根据相关数据预测交通流量

    根据相关数据预测交通流量 实验内容 准备工作 详细步骤 实验结果 实验内容 我们将建立一个SVM来根据相关数据预测交通流量. 准备工作 我们将要使用的数据集可以在https://archive.ics ...

  9. 汇咖科技:风口当下,与我们相关的,三大小程序创业红利项目!

    对于整个互联网来说,微信小程序自2017年上线以来,已经是一个新的趋势与风口.腾讯公开课时曾表明,微信小程序本身是一项有利工具,它链接生活方方面面,为各行各业提供更便捷的解决方案,也让人们的吃喝玩乐住 ...

  10. 2019年十大云服务相关技术预测

    在对2019年的预测中,调研机构Forrester公司预测企业的数字化转型方式将变得更加务实.受到乐观预测的影响,他们可以从根本上改变商业模式而不会对日常运营产生影响,企业董事会和高管们将推出更多适合 ...

最新文章

  1. ganglia 监控mysql_Ganglia监控MySQL
  2. Java的字符串常量池
  3. 【原创】Github团队协作之Pull请求
  4. KDD CUP 2020之Debiasing赛道方案 (Rush)
  5. 2个在Java中将Byte []数组转换为String的示例
  6. HIVE-分桶表的详解和创建实例
  7. python的缩进意义_python缩进错误的原因是什么
  8. WARNING: 997: Failure to setup sound, err = -50
  9. 【开发者portal在线开发插件系列四】数组 及 可变长度数组
  10. java同步器__学习笔记
  11. php经典排序算法,PHP中四大经典排序算法
  12. Oracle 官宣:腾讯 JDK 18 国内第一!
  13. python tornade 表单和模板
  14. RabbitMQ消息可靠性传输示例
  15. 深度系统安装移动硬盘启动_国产操作系统深度(deepin)系统安装教程
  16. VS间接寻址级别不同
  17. 设计模式入门--发布订阅模式
  18. (10)从1开始写一个操作系统
  19. cad卸载工具_CAD安装失败都是红?
  20. 分布式系统限流策略(一)

热门文章

  1. MIPS体系结构简介
  2. 苹果闪存性能测试软件,iPhone6闪存是什么类型 iPhone6闪存类型检测教程
  3. 计算机全盘搜索功能不见了,win7搜索功能不见了两种恢复方法(图文)
  4. 20140322深圳百公里
  5. BurpSuite工具-HTTP协议详解部分(不懂就查系列)
  6. android opengl把经纬度点用红色点显示在3d地球上,在OpenGL中使用正确的经度和纬度在全球范围内渲染点...
  7. 【loj6184】无心行挽(虚树+倍增)
  8. 03 在CentOS7中安装oracle11g
  9. C++实训easyx打地鼠(动画版)
  10. x射线直接投影成像的条件_X射线形貌成像实验站