2019年的最后一天了，跟大家一起读一读文献吧，基于公共数据库数据挖掘发表在 Cancer Immunology Research杂志上，作者单位是南方医科大学南方医院。
摘要
系统的刻画胃癌免疫微环境，TME: 免疫微环境， 大意是系统的研究了很多病人的免疫浸润模式，计算了免疫微环境分数，并且发现其与预后相关。
方法学部分
使用了很多个GEO数据集和 TCGA-STAD数据集，TCGA临床及基因组数据大部分用 TCGAbiolinks包分析。
作者做了很多工作，检束数据集：所谓免疫微环境其实就是用已经开发好的算法来计算免疫浸润。这里作者使用的是 CIBERSOFT算法。
结果部分
展示整个免疫微环境的一个整体分布情况，然后对其进行聚类分析，聚成不同的类，然后在一个叫做 ACRG的数据集中验证，我没有很仔细的去研究其分析内容，因为我大概看看就行，没有想去深究它。我也没有想过要去重复这个研究，开阔下视野，看看人家有哪些优势即可。
根据找到的signature绘制聚类热图，根据聚类的生存分析，富集分析展示可能的功能。
后面的内容也大同小异，一方面是观测基因的表达差异，另一方面是预后，另外就是其可能的功能。
在不同的数据集中验证, 分析 TME score的意义。
后面的文章分析内容太多了，不再完全展示了，如果想深入研究的话自己去看全文吧。必须要说这篇文章的确做了很多工作，反复深入进行了分析。如果这些分析内容完全是由一位临床医生完成的，这一点上我个人表示非常敬佩。
思考
我读完这篇文章之后就在思考，作者历尽千辛万苦的分析最终究竟得出了什么结论？我们来看看作者是怎么说的吧？
作者定义了三个TME 亚型
建立了TME分数
TME分数的亚型可能与一些通路有关
TMEscore亚型与预后相关
描绘了免疫微环境图景可能解释免疫治疗的反应
我觉得最重要的是预测免疫治疗效果这一点临床意义，因为这个分析使得文章具有了灵魂，其它倒是次要了。
文章的内容，就分享到这里吧，如果你感兴趣的话，可以下载全文去阅读下吧，提供下文章的题目：
Tumor Microenvironment Characterization in Gastric Cancer Identifies Prognostic and Immunotherapeutically Relevant Gene Signatures
下载链接：http://cancerimmunolres.aacrjournals.org/cgi/pmidlookup?view=long&pmid=30842092
本期文献分享就到这里，下期再见，我是老朋友白介素2。
