2个数据库就搞定了？？贵州医科大学王季石团队：预后模型，加上基础湿实验，小白也能轻松发文！- 大数跨境

2个数据库就搞定了？？贵州医科大学王季石团队：预后模型，加上基础湿实验，小白也能轻松发文！

生信日报

2024-03-30

预后模型的思路可太常见了，如何设计才能更加新颖呢？就今天就给大家分享一篇简单的生信预后类的文章吧！这个文章是研究缺氧和白血病之间的关系的，更细的说是缺氧与耐药和微环境的关系，虽然是在中规中矩，但是还是可以从中学到一些作者思路设计的小技巧，那我们就简明概要说一下吧。

1.分析思路：为探究缺氧相关基因对AML临床预后的影响，对两组患者进行生存分析，在进一步研究缺氧相关基因在评估AML临床预后中的价值时，构建了基于缺氧相关基因的AML风险预后模型。

2.多方验证：1）为了确认风险预后模型的可靠性，对验证集中AML患者样本的风险评分、生存状态和核心基因表达水平进行分析。2）采用CIBERSORT联合LM22特征基质分析两组免疫细胞浸润的差异，对高危组和低危组进行了药物预测。3）基于GDSC数据库鉴定了22种与风险评分相关的抗肿瘤药物。

3.湿实验评测：1)为进一步验证风险预后模型中枢纽基因PSMD11和PSMD14对患者预后的影响，对AML患者和正常供体的骨髓血样中的表达进行了实时荧光定量PCR和Western blot检测。2)为了评估了AML敏感细胞系U937和THP-1的活力，以及耐药细胞系U937R和THP-1R，在不同浓度的Ara-C下使用CCK8进行检查。

这个方向很适合临床的宝宝哦！小伙伴们快来领取，换上自己研究的疾病，马上就能发文了！（ps:如果对这个方向感兴趣，可以扫码联系小记者哦，我们会提供最适合你的发文方案！）

后台回复“999”获取原文献，文献编号240331

题目：缺氧相关基因预后风险模型及其通过免疫微环境和耐药性导致急性髓系白血病预后不良的机制
杂志：Front Pharmacol
影响因子：IF=5.6
发表时间：2024年2月

研究背景

急性髓系白血病（AML）是一种恶性克隆性造血干细胞病，其特征是髓系内原始幼稚细胞的异常增殖。尽管许多患者在治疗后取得了完全缓解，但其中大约一半患者会出现复发。缺氧的存在是大多数实体瘤中常见的标志。它的存在不仅阻碍了临床疗效，增强了肿瘤异质性和耐药性，而且还破坏了TIME，从而促进了肿瘤免疫逃逸。然而，缺氧是否能通过这两个因素影响AML的预后仍不清楚，需要进一步探索。近年来，随着第二代测序等技术的广泛采用，AML的研究逐渐推进，为研究AML不良预后相关因素及其特定发病机制开辟了一条新途径。

数据来源

临床样本为2021—2023年在贵州医科大学附属医院血液科采集的AML患者和正常供体的骨髓样本。通过形态学、细胞化学和免疫分型诊断患者的病情。AML患者按诊断分为“新诊断”和“复发”。因此，临床样本分为三组：“正常供体”（n=27）、“新诊断”（n=33）和“复发”（n=29）。

数据集/队列	数据库	数据类型	详细信息
AML临床样本	TARGET	训练集	187个AML患者样本
AML临床样本	TCGA	验证集	151个AML临床样本

研究思路

根据缺氧相关基因将治疗适用研究产生有效治疗（TARGET）数据库获得的AML患者样本分为C1和C2，然后利用基因本体（GO）、京都基因和基因组百科全书（KEGG）和基因集富集分析（GSEA）进行分析。通过单因素和LASSOCox回归分析，鉴定缺氧相关枢纽基因26S蛋白酶体非ATP酶调节亚基11（PSMD11）和26S蛋白酶体非ATP酶调节亚基14（PSMD14）构建模型。从TARGET和TheCancer Genome Atlas（TCGA）数据库中获取AML患者样本，作为训练集和验证集，并根据中位风险评分分为高风险组和低风险组。使用CIBERSORT和癌症药物敏感性基因组学（GDSC）数据库分析了该模型与TIME和抗肿瘤药物之间的相关性。Western blot和real-time PCR检测临床样本和AML敏感和耐药细胞系中PSMD11/PSMD14的表达。

主要结果

1．基于缺氧相关基因的共识聚类分析对AML患者样本进行分组

为了研究缺氧与AML预后不良之间的关联，将AML患者样本分为不同的亚型。首先，在MSigDB数据库中使用关键字“缺氧”进行检索，得到60个基因集。C1被定义为高表达缺氧相关基因组，而C2被定义为低表达组。为探究缺氧相关基因对AML临床预后的影响，对两组患者进行生存分析。KM生存曲线表明C1组的OS较差（图1D）。

图1 基于缺氧相关基因表达的AML患者样本共识聚类分析

2．不同缺氧亚型之间的DEGs和信号通路的鉴定

筛选GO、KEGG和GSEA两种亚型之间的DEGs，分析其生物学功能和与缺氧相关的信号通路。该分析能够阐明缺氧影响AML临床预后的机制。DEGs的GO和KEGG富集分析确定了前15个相关的生物过程（BP）和信号通路（图2C）。GSEA揭示了缺氧相关基因的高表达与多种信号通路的激活呈正相关，包括细胞质模式识别受体信号通路、癌症通路、蛋白乙酰化和mTOR信号通路。

图2 DEGs、相关的血压和C1和C2中的信号通路

3.基于缺氧相关基因的AML风险预后模型的构建

在进一步研究缺氧相关基因在评估AML临床预后中的价值时，构建了基于缺氧相关基因的AML风险预后模型。最初，进行单因素Cox回归分析，从63个缺氧相关基因中选择34个与AML预后直接相关的基因（图3A）。分析了两组的风险评分、生存状态以及PSMD11和PSMD14表达。此外，使用ROC-AUC评估训练集模型以确定其准确性。总的来说，这些结果表明，基于缺氧相关基因PSMD11和PSMD14的AML风险预后模型在预测预后方面表现出良好的准确性。

图3 在训练集中使用缺氧相关基因构建AML风险预后模型

4．缺氧相关基因风险预后模型预测能力的验证

为了确认风险预后模型的可靠性，采用外部数据集进行验证。与训练集类似，KM生存率在验证集的高风险组中表现出较低的OS（图4A）。然后对验证集中AML患者样本的风险评分、生存状态和核心基因表达水平进行分析。获得的结果与在训练集中观察到的结果一致（图4B）。这表明模型在验证集中保持其预测能力。

图4 验证集中风险预后模型的验证

5．风险预后模型与AML时间的关联

缺氧通过改变TIME对AML进展的影响尚不清楚。因此，本研究探讨了风险预后模型与AML时间的相关性。首先利用热图来说明免疫细胞在高风险和低风险群体之间的分布（图5A）。采用CIBERSORT联合LM22特征基质分析两组免疫细胞浸润的差异。这些发现表明，高危人群免疫微环境的活性较低。最后，采用Mantel检验对风险评分矩阵与免疫细胞基质的相关性进行统计分析。

图5 风险预后模型与TIME之间的相关性

6．AML风险预后模型与抗肿瘤药物的相关性

为了探究风险预后模型的生物学意义，对高危组和低危组进行了药物预测。基于GDSC数据库鉴定了22种与风险评分相关的抗肿瘤药物。热图显示了两组之间药物敏感性的分布（图6A）。22种药物的箱形图显示，高危组对mTOR抑制剂雷帕霉素和ATP竞争性PI3K和mTOR抑制剂Dactolisib的敏感性更高，与GSEA结果一致。因此，这些抗肿瘤药物可能在高危人群中产生更好的治疗效果。总的来说，风险预后模型具有生物学意义。

图6 风险预后模型与抗肿瘤药物的关联

7．PSMD11和PSMD14与AML预后不良密切相关

为进一步验证风险预后模型中枢纽基因PSMD11和PSMD14对患者预后的影响，对AML患者和正常供体的骨髓血样中的表达进行了检测。实时荧光定量PCR和Western blot结果显示，与新诊断组相比，复发组的mRNA和蛋白表达水平明显更高（图7A，B）。然后将新诊断的临床样本分为3个风险类别，即有利、中等、不良组，并计算这些临床样本的风险评分。分析显示，不良组临床样本的风险评分显著高于有利组（图7D）。总的来说，这些结果进一步证实了风险预后模型的可靠性，并强调了PSMD11和PSMD14与AML预后不良的密切关联。

图7 PSMD11和PSMD14与AML预后不良的关联

8．PSMD11和PSMD14在AML耐药细胞系中高表达

最后，为了确认风险预后模型与对常规化疗药物的耐药性之间的关联，评估了AML敏感细胞系U937和THP-1的活力，以及耐药细胞系U937R和THP-1R在不同浓度的Ara-C下使用CCK8进行检查。实时荧光定量PCR和Western blot结果显示，PSMD11和PSMD14在AML耐药细胞系中的mRNA和蛋白表达水平较高。这些发现提供了证据表明，PSMD11和PSMD14水平升高与AML耐药性密切相关，表明缺氧在通过耐药性导致AML预后不良方面具有潜在作用。

文章小结

本研究利用缺氧相关基因PSMD11和PSMD14构建了稳健且新颖的AML风险预后模型，预后准确率较好。已建立的风险预后模型为预测AML预后和指导药物选择提供了有价值的见解。到此，整篇文章就结束了，乍一看就是常规的分析嘛，但是我们仔细再看作者是从免疫微环境入手，瞬间提升了档次，又步步为营加上耐药性，构建风险模型，进行交叉对比就get到了本文的结论，除此之外，作者还进行了基础的实验验证，可以说是很完整的干湿结合文章。如果你也没啥思路又着急发文，不如来问下小记者，说不定可以给你解答一下最近的焦虑呢！