PMID: 33889544
杂志：Frontiers in Oncology
知识点
- STS: soft tissue sarcoma, 软组织肉瘤；TCGA数据库中为SARC(sarcoma).
- FRG: ferroptosis-related gene, 铁死亡相关基因
- OS: overall survival, 总生存时间
- PFS: disease-free survival, 无病生存期
- DEFRGs: differentially expressed FRGs, 差异铁死亡相关基因
- ImmuCellAI algorithms: 可用来计算24种免疫细胞浸润情况
- FerrDb: 作者从中整理出了219个铁死亡相关基因
软组织肉瘤数据集
| Source | Accession | Platform | Number of cases | 生存数据 | Country |
|---|---|---|---|---|---|
| TCGA | SARC+GTEx | IlluminaHiSeq | 259T 911N | OS PFS | USA |
| GEO | GSE63157 | GPL5175 | 85T | OS | USA |
| GEO | GSE30929 | GPL96 | 140T | DFS | USA |
摘要
作者收集了219个铁死亡相关基因，首先进行差异分析，并对差异基因进行富集分析，同时对差异基因进行cox回归并构建OS和DFS预后模型。随后用两个GEO数据集进行验证，验证结束后作者构建了Nomgram,并分析了高低风险组的免疫细胞浸润。最后，作者选取了3个核心基因，在正常和SARC肿瘤细胞中用PCR验证基因表达。
整体思路
结果
1.差异和富集分析
作者收集了219个铁死亡相关基因，并对这些基因进行差异分析，随后对差异基因用clusterProlifer包富集分析。
Fig.1
2.模型构建
对差异基因进行单因素和多因素cox回归，构建OS和RFS预后模型。
Fig.2
Fig.3
3.模型验证
用两个GEO数据验证模型可靠性
Fig.4
4.模型周边
探索高低风险组免疫细胞浸润情况，并构建nomgram
Fig.5
Fig.6
5.实验验证
选取核心基因在细胞株中验证其表达
Fig.7
总结
本文利用铁死亡相关基因构建OS和DFS预后模型并验证，思路比较清晰。其实文章还可以补充很多东西，让内容更丰满一些：a.构建FRGs的PPI网络；b.免疫周边，如高低风险组基因突变，TMB,mRNAsi，免疫检查点，免疫治疗反应，靶向药物等；c.核心基因验证，CCLE, HPA, CPTAC.
参考链接：
Identification of Novel Prognostic Risk Signatures of Soft Tissue Sarcoma Based on Ferroptosis-Related Genes
