专栏首页科研菌别人如何把你眼中的低分套路发了8+分的牛刊?

别人如何把你眼中的低分套路发了8+分的牛刊?

今天和大家分享的是2020年3月发表在Clinical Cancer Research(IF:8.911)上的一篇文章,“A 15-gene immune, stromal and proliferation gene signature that significantly associates with poor survival in patients with pancreatic ductal adenocarcinoma”,作者筛选了15个与胰腺导管腺癌不良预后显著关联的基因标签,并结合了一些肿瘤的临床病理特征在数据库和临床组群中验证其预测效果。

A 15-gene immune, stromal and proliferation gene signature that significantly associates with poor survival in patients with pancreatic ductal adenocarcinoma与胰腺导管腺癌不良预后显著关联的15个免疫,基质及增殖基因标签

一、 文章背景

胰腺导管腺癌(PDAC)是一种消化道肿瘤,恶性程度高,预后差。肿瘤免疫微环境(TME)的基质成分在介导不良预后和化疗抗性中起重要作用。其中,肿瘤相关成纤维细胞(CAFs)-抗肿瘤免疫,免疫基因标签和基质表型,以及一些增殖相关基因与胰腺癌不良预后显著关联。本篇文章中,作者利用TCGA数据库分析鉴定出15个免疫,基质,增殖(ISP)相关基因标签,有助于临床PDAC患者的预测及治疗方案的选择。

二、 分析流程

三、 结果解读

1.鉴定PDAC不良预后的15个风险分级基因标签
  • 在TCGA数据集中鉴定出与PDAC不良OS显著关联的15个ISP基因:AHR, CD160, CDC20, FOXP3, IFIT3, IL4, IL32, INHBA, KDM6B, PLD4, PVRL3, RFC4, TNFSF10, TNFSF18和TNFRSF4。
  • 在TCGA数据集中用ISP基因标签预测OS:ISP高表达患者5年OS为0%,ISP低表达患者5年OS为50%。(图1)
  • 在ICGC、E-MTAB-6134、GSE71729三个验证集进行生存分析验证:ISP基因标签预测PDAC患者不良预后特异性高。

图1.ISP预测 TCGA discovery cohort中PDAC患者5年生存率

2.ISP基因标签鉴定PDAC不良预后分子亚型效果显著
  • ROC曲线鉴定ISP对PDAC不良预后亚型的识别能力:TCGA数据集中,ISP预测三种不良PDAC亚型的效果均显著。(图2)验证集中,ISP也表现出良好的特异性。

图2. TCGA discovery cohort中鉴定ISP对PDAC三种不良预后分子亚型的识别能力

3.ISP基因标签可作为PDAC患者的独立风险因子和预后因子
  • 临床风险分级能力评估:作者用qRT-PCR分析了包含119个PDAC患者的临床组群中ISP基因的表达水平,并进行生存分析,发现ISP高表达患者5年OS为18.52%,ISP低表达患者5年OS为52%。
  • 结合多种临床病理特征如CA19-9、新辅助疗法和辅助疗法等进行单变量和多变量Cox回归分析。这里作者将肿瘤标志物CA-19-9>100U/ml定义为高风险组。
    • 单变量Cox回归分析:晚期肿瘤原发灶范围T1/2 vs. T3/4(p=0.005),淋巴结转移数(p=0.008),CA19-9>100U/ml(p<0.0001)以及ISP基因标签(p=0.001)是不良OS的重要预测因子。(图3)

图3. 单变量分析:ISP和其他临床病例特征的HR

  • 对单变量分析中有统计学意义的因子进行多变量Cox回归分析:ISP基因标签(p=0.001)和CA-19-9高表达(p=0.002)是预测PDAC不良预后的独立风险因子。(图4)

图4.多变量分析:ISP和其他临床病理特征的HR

4.建立PDAC临床预测模型列线图
  • 基于4个独立预测因子建立预测模型列线图。模型中预测,CA19-9和ISP高表达患者的3年和5年OS约为39.0%和27.0%。(图5)

图5.4个独立预后因子预测3年和5年OS的列线图

  • KM分析评估列线图预测能力:用列线图中预测因子的中位风险得分将患者分为高风险组和低风险组,其中高风险组患者5年OS为15.7%,显著低于低风险组患者的5年OS(56%)。
  • 用区分度指数,校准曲线验证预测模型:ISP基因标签(包括CA19-9和T/N-stages)的预测结果与观测结果一致。(图6)
  • 这些结果进一步证实ISP基因标签和CA19-9,T/N-stages的临床意义:可以作为风险预后因子较好的预测PDAC患者预后。

图6.预测30名患者3年、5年OS的校准图

小结

本篇文章中,作者系统全面的筛选了PDAC不良预后的分子标志物,筛选出15个可以鉴定PDAC不良分子亚型并进行风险分级的ISP基因标签,并在验证集中验证。最后,作者又结合ISP基因标签和肿瘤重要的临床病理特征建立了一个风险列线图,为临床上鉴别高风险PDAC患者和预测不良预后提供了一个可行的方案。

Limitation

TCGA数据集中ISP高表达患者5年OS比临床验证组群的5年OS差,可能是由于临床组群提供了多学科治疗(包括新辅助治疗和放化疗)。此外,公共数据组群中一些临床病理信息以及新辅助疗法信息丢失了。

和以往一样,后台回复[62a]就可以获取我们今天分享的文献啦!我们下期再见!

本文分享自微信公众号 - 科研菌(keyanjun2020),作者:薏米仁

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-06-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 这样筛选危险因素让你文章焕然一新!

    Identification of pleiotropic genes between risk factors of stroke by multivaria...

    科研菌
  • 4+分临床回顾性研究深度分享

    这是一项针对抑郁症患者使用抗抑郁药的药物性肝损伤研究,也是一项回顾性研究,于2020年1月发表于Pharmacopsychiatry杂志(IF:4.34)。

    科研菌
  • 仅用公开数据集发4+分纯生信数据挖掘

    今天和大家分享的是2020年1月发表在Cells(IF:4.366)上的一篇文章,“Computational Detection of Breast Canc...

    科研菌
  • 9个,程序员又爱又恨的编程习惯

    编程习惯No. 1:使用goto 关于禁止使用goto可以追溯到许多结构化编程工具还未面世的时代。如果程序员想要创建一个循环或跳到另一段程序中,那么他们需要输入...

    BestSDK
  • 持续反馈如何反作用于持续交付和持续集成?

    ? 作者简介: ? 梁定安 腾讯织云负责人,目前就职于腾讯社交网络运营部,开放运维联盟委员,腾讯云布道师,腾讯学院讲师,EXIN DevOps Master讲...

    DevOps时代
  • 互联网大公司还在采用过时的技术,为什么?

    许多刚毕业的程序员朋友,都有一个执念,进想要那种规模大一点一的公司,上市的,业内有名的最好。

    一墨编程学习
  • 2018-08-24 大公司为什么还在采用过时的技术!

    https://mp.weixin.qq.com/s/-1VPme1Eb_ItA4ej6_Ghsw

    Albert陈凯
  • 年薪30w+的软件开发工程师需要掌握的技能

    现在,有这样一种主流观念,压垮了很多新手软件开发者,那就是你需要学习很多东西才能成为软件开发人员,并且很多人不知道从哪里开始起步。如今新手进入软件开发的程序员月...

    一墨编程学习
  • 云函数场景下的DevOps实践--蓝盾

    本文将展示使用云函数+ 蓝盾,开发部署一个"给用户发送提醒短信"的微服务。以这个非常简单的应用,探索一下ServerLess结合DevOps所能产生的合力,畅想...

    腾讯云serverless团队
  • 为何Google将几十亿行源代码放在一个仓库?| CSDN博文精选

    【AI科技大本营导读】与大多数开发者的想象不同,Google只有一个代码仓库——全公司使用不同语言编写的超过10亿文件,近百TB源代码都存放在自行开发的版本管理...

    AI科技大本营

扫码关注云+社区

领取腾讯云代金券