挑圈,靠解读近5篇单细胞测序纯字母文章
大家好~我是英英,今天给大家带来一篇关于单细胞测序的文章。标题为“基于单细胞和基因表达数据集的黑色素瘤转移相关预后和诊断生物标志物的发现和验证”,即基于单细胞和基因表达数据集的黑色素瘤转移相关预后和诊断生物标志物的发现和验证。本文为纯字母文,评分近5分,刚发表。快来学习这篇文章的套路吧!
期刊信息
图6C
此外,作者计算了每个患者的TMB评分,Wilcoxon检验显示低风险组的TMB评分明显高于高风险组。
英英说:肿瘤突变负担代表蛋白质编码区非同义突变分布的密度。蛋白质编码区非同义突变位点总数除以蛋白质编码区总长度。
图6D-E
同时,Kaplan Meier图显示,高TMB组的OS和DSS时间明显长于低TMB组,即低风险组的OS和DSS时间长于高风险组,这与之前的结果一致。
图6F
因此推测MRGs评分高的黑色素瘤患者TMB评分较低,可能是黑色素瘤患者的危险因素。此外,为了评价MRGs评分与免疫微环境的相关性,首先使用R中的CIBERSORT包量化免疫细胞的比例。只有CIBERSORT P被认为有资格进行进一步分析。总共选择了178个黑色素瘤样本和22个免疫细胞用于后续分析。
图6G
方框图显示,高风险组巨噬细胞、树突状细胞、NK细胞、肥大细胞等免疫细胞成分普遍高表达,而低风险组CD8 T细胞、CD4 T细胞、卵泡辅助T细胞等T细胞普遍高表达。
表2
因此,作者认为,不同MRGs评分的黑色素瘤患者会导致不同的免疫浸润,从而导致不同的预后。最后,对低危组和高危组临床变量的亚组分析显示,在黑色素瘤中,OS和DSS的Clark水平和生活状态存在显著差异。
英英说:“克拉克水平”——这是黑色素瘤病理报告中的一个指标。一般来说,克拉克水平越高,延伸到组织越深。
图7A-B
然后,作者将风险评分与其他临床变量的预后进行比较,并将这些因素与操作系统和决策支持系统进行单变量和多变量回归。
多因素回归分析显示,风险评分、年龄、种族、肿瘤分期和转移与OS显著相关。与决策支持系统呈显著正相关。结果表明,五种磁共振成像的风险评分在预测能力上保持独立,可作为TCGA黑色素瘤患者预后的独立因素。
图7C-D
之后,作者利用TCGA的黑色素瘤患者数据集构建了一个列线图,并根据算法将多元逻辑回归分析中认为有意义的变量输入列线图。最后,年龄、种族、肿瘤分期、转移类型和风险评分都包括在列线图中。总分汇总了各变量的得分,可以预测3-5年内OS或DSS的概率。
图8A-B
标定曲线表明,与理想模型相比,诺谟图表现良好。
图8C-D
诺谟图模型的3年或5年AUC在操作系统和决策支持系统中具有较高的准确性。
图8E-F
最后,为了评价诺谟图的临床实用性,采用决策曲线来评价模型的净效益。诺谟图预测的5年预后优于所有接受治疗或未接受治疗的患者,表明诺谟图模型具有较好的临床实用性。与肿瘤分期、Clark水平等传统因素相比,本研究的诺谟图模型可以获得比黑色素瘤肿瘤分期、Clark水平更高的净收入。
循环富集分析
图9A-B
最后,根据每个表型,利用R中的clusterProfiler包分析了GSEA对途径的富集,探索了不同风险表型共享的显著途径。筛选出显著的正相关和负相关途径。在高危组中富集了9个癌症标记物通路和7个KEGG术语。
图9C-D
更重要的是,上皮-间质转化和细胞外基质受体相互作用是高危人群中上调最多的途径。
摘要
本研究开发了一种新的5-MRGs预后诊断生物标志物,并建立了皮肤黑色素瘤的列线图,为预测黑色素瘤预后提供了更简单、更准确的生物标志物和列线图。所有的统计分析和可视化都是R做的,所以,如果你真的想抓住盛鑫红利的小伙伴,就要好好学习R语言!努力的过程很辛苦,但是努力之后你会很开心!
生成消息的例程一般由四个部分组成:“挑选”、“循环”、“链接”和“依赖”。本文主要讲预后和诊断,所以“依靠”的内容占绝大多数,没有“联系”的部分。
这篇文章将有助于更多临床信息的癌症研究。
好了,这份文件的解读就到这里~下次见~
—结束—