科研星球

有数据没思路?生信预后模型研究这样写6+文章不成问题!

有不少科研小伙伴,可能有如下的困惑“我拿到了生信分析的报告,我如何组织这些结果?然后整理成文章呢?如何构建文章的框架呢?”。为了解决科研小伙伴们的困惑,小编,今天就以这篇发表在Bioengineered期刊杂志(IF 6.832),题为“Prognostic and therapeutic significance of a novel ferroptosis related signature in colorectal cancer patients”(PMID: 35067161),一起来学习一下该论文的生信成文思路。

0.png

从题目中,就可以发现疾病是colorectal cancer(结直肠癌),热点是ferroptosis related signature(铁死亡相关特征),目的是prognostic model(预后模型)


此文的生信成文思路的流程图,可代表预后模型生信类的文章的思路(不同的文章,有些许差异

0 (5).png

Figure 1.A flowchart of the study.


请带着这张流程图所展示的信息,来看看作者的具体的生信成文思路吧~


1、与结直肠癌患者预后相关铁死亡相关基因FRGsferroptosis-related genes)的筛选

为了探索FRGs在CRC患者中的功能,在GSE39582训练队列中,作者基于单变量Cox回归分析(P < 0.05),确定了18个与CRC患者预后相关的铁死亡相关基因(图2a)。小编有话说:有的文章会使用多个数据集

预后相关的铁死亡相关基因进行功能富集分析:

GO和KEGG通路分析表明,这些FRGs主要富集于胆固醇生物合成过程、细胞氨基酸代谢过程和代谢通路中(图2b)。利用STRING在线平台建立了18个基因之间的蛋白质-蛋白质相互作用网络(图2c)。

预后相关的铁死亡相关基因进行临床意义的分析:

为了进一步评估这些基因的预后意义,作者绘制了K-M生存曲线,只有ACACA、NFS1和GSS三个基因与CRC患者的预后显著相关(P < 0.01)(图2 (d-f))。

0 (2).png

Figure 2. Identification of optimal prognostic ferroptosis-related genes in GSE 39582.


2、铁死亡相关基因(FRGs)特征的构建与验证

利用这三个基因,通过Lasso回归分析构建预后FRGs特征(预后模型构建。以风险评分中位数为临界值,将训练组(GSE39582)和验证组(TCGA)患者分为高风险组和低风险组。主成分分析(PCA)显示,两组高危患者与低危患者有明显的区别(图3(a- b))。


对模型进行临床意义的分析

将训练组(GSE39582)和验证组(TCGA)患者平均分为高风险组和低风险组,进行K-M生存分析(图3(c-d))。

图3e、3f分别显示了患者的风险评分、生存状况及基因表达谱热图的分布,提示风险组患者GSSACACANFS1表达较低,死亡病例较多。

0 (7).png

Figure 3. Construction and validation of the three-gene risk score model.


3、确定FRGs特征为独立的预后预测因子

为了验证FRGs特征对CRC预后的预测作用,作者进行了单因素Cox回归分析,结果显示FRGs特征(Risk score)与训练队列(HR = 2.848)和验证队列(HR = 2.932)的不良预后相关(图4(a-b))。

为了探索CRC的独立预后预测因子,FRGs特征和临床参数进行多因素Cox回归分析。在训练队列和验证队列中,发现CRC的独立预后预测因子,有FRGs特征(HR = 2.541)和(HR = 2.927)TNM分期 (图4c-4d)。

0 (1).png

Figure 4. Prognostic performance of the risk score model.


4铁死亡相关基因(FRGs列线图(nomogram的建立和验证

优化模型+制作列线图(nomogram),并评估列线图的预测能力

在临床上,相同分期的患者有不同的临床预后,提示需要一个更准确的预测模型。为了进一步优化预测模型,提取风险评分、年龄、性别、TNM分期等所有预测因子,建立列线图(nomogram),预测3年和5年的生存概率(图5a)。

在GEO训练队列(图5(b-c))和TCGA验证队列(图5(d-e))中,通过评估ROC曲线下的面积证明了nomogram实用性,文字描述nomogram C指数(AUC)数据。校正曲线结果显示,GEO训练队列和TCGA验证队列的nomogram预测和实际生存率非常吻合(图5(f-i))。两个队列的决策曲线分析结果表明,列线图(nomogram)在预测CRC患者生存期方面可能优于其他模型(图S1 (a-b))。

0 (9).png

Figure 5. Development and validation of the nomogram.


5CRCFRGs信号的功能分析

为了阐明FRGs特征影响CRC预后的潜在机制作者使用ssGSEA分析高风险和低风险组间的GO基因集和KEGG基因集(图6(a-b))。作者发现高风险组中JAK-STAT信号通路、Ras信号通路、MAPK信号通路、PI3K-Akt信号通路明显富集(图6b)。这些通路通常被报道与肿瘤进展相关,并可以部分解释为什么较高的FRGs信号特征 or 标签)预示着CRC的不良预后。此外,作者发现许多免疫相关基因集在高风险组中显著富集(图6(a-b))。此外,作者量化了不同免疫细胞亚群、相关功能或与ssGSEA通路的富集得分,其中大部分在两组的高风险组中富集(6(c-d))。这些结果提示FRGs特征与免疫高度相关,需要进一步的研究来阐明其相关性。

0 (8).png

Figure 6. Pathway analysis and ssGSEA scores comparison between the high and low-risk groups.


6FRGs风险评分越高,对铁死亡诱导剂越敏感(湿实验验证

考虑到FRGs特征是一个独立的预后危险因素,作者想知道FRGs特征是否与铁铁死相关的治疗相关。

作者首先通过RT-PCR检测ACACANFS1GSS在不同CRC细胞系和正常结肠细胞系中的mRNA水平,并根据公式计算其FRGs特征(图7a)。有趣的是,FRGs特征值最高的SW480细胞系对铁死亡诱导剂RSL3最敏感,而FRGs特征值最低的正常肠上皮细胞系NCM460对RSL3不敏感(图7b)。这里需要提示的是:FRGs特征值高,不是指FRGs表达量高。

0 (3).png

Figure 7. Higher FRGs signature predicts more sensitivity to ferroptosis-inducer.


为了进一步阐明FRGs特征与铁死亡诱导剂的关系,作者在Caco2细胞系中沉默ACACA、NFS1和GSS(图7c),发现NFS1或GSS敲低的细胞对RSL3更敏感,而敲低ACACA并没有改变Caco2细胞系对RSL3的敏感性(图7d)。为了检验RSL3是否能诱导CRC细胞系的铁死亡,在RSL3处理下使用不同的铁死亡抑制剂。正如预期的那样,铁死亡抑制剂如fer-1或DFO,而不是凋亡或坏死抑制剂,可以阻止RSL3治疗引起的死亡(图7e)。PTGS2是铁死亡的标志,在RSL3处理下显著增加(图7f)。此外,RSL3处理后脂质ROS也增加,特别是SW480细胞(FRGs特征最高)(图7g)。RSL3处理后,GSS或NFS1敲低的Caco2细胞中PTGS2和脂质ROS的表达进一步增加(图7(h-i))。这些结果表明,具有较高FRGs特征的细胞对铁死亡诱导剂更敏感。


7、磷酸氟达拉滨(fludarabine phosphate)与铁死亡诱导剂联用具有协同作用(湿实验探索机制)

作者已经证实,下调NFS1和GSS可以增加CRC细胞对铁死亡诱导剂的敏感性(图7d)。为了确定与铁死亡诱导剂具有协同作用的药物,作者筛选了75种FDA批准的癌症药物,发现磷酸氟达拉滨(F-ara-A)对NFS1和GSS表达的抑制作用最大(图8a)。

此外,F-ara-A以剂量依赖性的方式使结肠细胞对RSL3敏感(图8b)。同样,在脂质过氧化试验中也出现了同样的趋势。F-ara-A的加入增加了铁死亡细胞的比例,提示F-ara-A增强了结直肠癌对铁死亡的敏感性(图8c)。根据组合理论计算了协同效应的等值线图和组合指数(CI), CI<0.9表示协同效应。作者发现F-ara-C与RSL3之间具有很强的协同效应,平均CI为0.67(图8(d-f))。综上所述,F-ara-A可通过下调NFS1GSS使CRC细胞对rsl诱导的铁死亡敏感,这为CRC提供了一种潜在的治疗途径(图8g)。

0 (4).png

Figure 8.Fludarabine phosphate has a synergistic effect(协同作用) in combination with RSL3.


看到这里,小编想问一下,你Get到预后模型类的生信成文思路了吗?还有疑惑的话,我们再来回顾一下此文的流程思路

0 (6).png

Figure 1.A flowchart of the study.


最后,小编认为,此文“Prognostic and therapeutic significance of a novel ferroptosis related signature in colorectal cancer patients”(PMID: 35067161)的生信分析这一块,还是很套路化的,但是加入了铁死亡这个热点,再者是因为后续的湿实验验证这一块,此文做的相对充分一些,后两点是此文能够发表在Bioengineered期刊杂志(IF 6.832)的原因吧。


没有账号?