Multi-omics Analysis of Microenvironment Characteristics and Immune Escape Mechanisms of Hepatocellular Carcinoma
杂志 frontier in oncology
研究方法：
研究队列（只纳入stage I和II）：
训练队列：TCGA（257），GEO（170），ICGC（142），共三个训练队列569个HCC患者的基因表达。
验证队列：GSE14520（170）和ICGC（142）队列。
免疫基因分析：TIMER数据库——13个免疫metagene（集合基因）。中位表达=score。MCP包计算10种免疫细胞的score
数据处理：TCGA同时下载FPKM和SNP，TIMER下载score
HCC免疫亚型分型：ConsensusClusterPlus包做累积分布函数CDF决定亚型个数。SigClust分析用于比较亚型间差异。K-S法挑选亚型上调基因。Top100上调基因做PCA，并找出亚型标志基因
基因共表达网络：WGCNA包（TOM）。KEGG用的ClustProfiler包。最显著关联基因用Cytoscape作图。
5个HCC亚型验证：Support Vector Machine（SVM）
结果：
1. HCC分5个免疫亚群
1a. ConsensusClusterPlus包用778个免疫相关基因表达谱对HCC进行分群（根据CDF），SigClust分析计算分5群后各个亚群间的显著性。
1b. 因此认为分5群成立以及画聚类热图。
2. 5个亚群的免疫微环境基因表达特征
2a. 5个亚型中，分别找出每个亚型中找出上调的免疫基因。再看两两亚型间的上调基因的overlap（C3和C4，C1和C4有54个overlap）——Venn图
2b. 每个亚型top100上调基因做PCA图（也分为5类）
2c. 每个亚型top100上调基因做热图
3. 5种亚型临床特征
临床信息：年龄、性别、TNM分期、组织G分期、T分期、全球分型、HCV感染、HBV感染——此处作图，而不是列表格
4. HCC的免疫原性
4a. 分析免疫逃逸机制方法：13组免疫metagene表达及score（图AB）、肿瘤免疫成分matrix基因表达及score（图CD）、immunity、tumor purity、10种免疫细胞相关MCP counter及score（EF）、6种免疫浸润细胞及score（GH）
4b. 8个immune checkpoint表达：VTCN1、PDCD1、CTLA4、CD86、CD80、CD276、CD274、PDCD1LG2
5. 5种亚型的预后
6. 五种亚型的突变特征
TP53、CTNNB1、AXIN1在5种亚型的突变频率。以及5种亚型中基因突变总数比较。
7. 基因共表达网络
7a. 492个免疫DEG做WGCNA（ABC）
7b. 分出7个module（其中灰色module不能与替他module聚合）
7c. 6个module的相关性分析（D），5个共表达module？？？
7d. 5个module的KEGG
8. 5个亚型的外部验证
8a. 73个共表达基因（与module相关性＞0.8）放进SVM来分类训练集
8b. 用SVM170例验证集分5型，然后看13组metagene在5型中的表达（A）和score（B）
8c. 基质score、免疫score、ESTIMATE肿瘤纯度score
8d. 10组免疫细胞score
