大家好，今天要和大家分享的是2021年2月发表的一篇文章：“An integrated pan-cancer analysisof TFAP4 aberrations and the potential clinical implications for cancerimmunity”。
对于单基因的分析，挑选基因最为关键。小编认为容易发表的基因要符合以下几点（符合条件越多越好）：
1 在多种肿瘤中该基因高表达
2 在多种肿瘤中该基因高表达的患者预后差
3 在多种肿瘤中该基因在高分期表达较高
4 不同肿瘤中的富集分析有比较集中的几种结果
5 在一种或者多种肿瘤中与特定免疫细胞浸润相关，如巨噬细胞，CD8T细胞等
6 最好用不同的方法证明5中的结论
7 在某一种或者几种肿瘤中集中于一些免疫相关基因相关性高
8 该基因最好报道过，但是又研究较少，有一定新颖性
在本研究中，作者全面分析了33种恶性肿瘤的转录因子激活增强剂结合蛋白4（TFAP4）表达模式，并使用了一系列的生物信息学方法，全面分析了TFAP4基因与预后、肿瘤突变负担(TMB)、微卫星不稳定(MSI)、免疫细胞之间的关系，并试图找到TFAP4对泛癌的潜在预后价值。TFAP4在不同的癌细胞系中显示出不同的基因表达水平，并且在大多数恶性肿瘤中显示异常表达，这与总体存活率密切相关。更重要的是，TFAP4水平也与肿瘤浸润程度显着相关。TFAP4使用基因标记在肿瘤浸润免疫细胞和免疫评分中相关。TFAP4表达与不同癌症类型中的肿瘤突变负担和微卫星不稳定性相关。GSEA富集分析也确定了HCC与TFAP4相关的途径。研究结果表明，TFAP4可作为一种预后生物标志物在肿瘤形成中起重要作用，这凸显了开发新的靶向治疗的可能性。
发表杂志：JCell Mol Med.
影响因子：5.3
一、研究背景
在过去的几十年中，恶性肿瘤的发病率以惊人的速度增长，这可能归因于预期寿命的延长，生活方式的改变以及遗传因素与外部因素（物理，化学和生物致癌物）之间的相互作用。恶性肿瘤是全球范围内主要的死亡原因之一，且治疗成功率均较低。
泛癌（Pan-cancer）分析已在癌症研究中广泛使用，以阐明各种人类恶性肿瘤的共同特征，异质性，新兴主题和分析广度。泛癌分析是对各种类型的癌症的分子异常分析，它可以识别由于多种癌细胞谱系而处于失调状态的重要生物学过程中的任何共同特征和异质性。它基于对不同人类癌细胞系和组织在表观基因组，基因组，蛋白质组和转录组水平上的评估而创建的。最近，已经使用泛癌分析来鉴定某些功能和通路基因，从而可以全面而透彻地了解人类癌症。因此，泛癌分析有益于开发联合疗法和个体化疗法以治疗各种癌症的模式。
二、流程图
三、分析解读
1、数据集收集和处理
TCGA数据库和UCSC数据库收集33种癌症正常与肿瘤组织的RNA测序数据集。
结果表明：
①根据CCLE分析，TFAP4在各种癌细胞系中显示出不一致的基因表达水平（P=1.3e-11，下图A）。
②在癌症样品和配对的正常样品之间检测到TFAP4表达显着上调（下图B）。
为了评估所有肿瘤阶段的基因表达水平，作者还比较了I、II、III或IV期肿瘤患者的TFAP4表达。
结果表明：
TFAP4表达在ESCA，KIRC，KIRP，LIHC，LUAD，TGCT和THCA的晚期肿瘤中上调，而在BLCA，BRCA，KICH，LUSC，MESO和SKCM的晚期肿瘤中下调（下图）。
2、TFAP4差异表达及其与生存相关的癌症的筛选
①从33种TCGA癌症类型中提取了有关TFAP4基因表达的数据。
②通过患者ID匹配表达矩阵和临床信息。
③使用单变量Cox模型计算基因表达水平与患者生存率之间的关联。
④绘制与生存相关的森林图，并进行了Kaplan-Meier（KM）分析，以对数秩检验检验根据中位TFAP4表达水平分层的TCGA癌症患者的总体生存（OS）。
结果表明：
①OS的Cox回归分析表明高TFAP4表达是ACC、KIRC、KIRP、SKCM和LIHC的危险因素（下图A）。
②KM分析表明，在KIRC，KIRP，LIHC和UCEC种TFIRC4表达水平较高患者预后较差（下图B-H）。
③DSS的COX回归分析发现，高TFAP4表达是KIRC、LIHC、KIRP、SKCM和THCA的一个风险因素（下图A）。
④KM分析表明，TFAP4表达率较高的患者的DSS比KIRC、KIRP、SKCM和UCEC中较低TFAP4表达的患者差（下图B-G）。
⑤PFI的COX回归分析将高TFAP4表达确定为ACC、KIRP、KIRC、PRAD和LIHC的风险因素（下图A）。
⑥KM分析结果显示，与ACC、KIRC、LIHC、PRAD、THCA中TFAP4水平较低的患者相比，TFAP4表达率较高的患者的PFI较差（下图B-J）。
⑦DFI的COX回归分析发现，较高的TFAP4表达是ACC、LIHC、PRAD和UCEC的风险因素（下图A）。
⑧KM分析还表明，较高的TFAP4表达预测这4种癌症的预后会更差（下图B-E）。
3、TFAP4与肿瘤免疫
①使用TIMER算法检查了TFAP4水平与六种不同免疫渗透水平（CD4+T细胞、CD8+T细胞、B细胞、嗜中性粒细胞、树突状细胞和巨噬细胞）之间的关联。
②CIBERSORT算法检测TFAP4水平与基于先前研究选择的肿瘤渗透免疫细胞基因标记的关联。
③根据单个样本基因集富集分析（ssGSEA）生成频闪评分、免疫评分和估计分数，并计算这些分数和TFAP4表达之间的相关性。
④从TCGA下载了体细胞突变数据并计算TMB得分，确定了TMB和TFAP4之间的相关性。
⑤计算了每个患者的MSI得分，确定了TMI和TFAP4之间的相关性。
结果表明：
TFAP4水平与25种癌症类型的肿瘤纯度有显著关系。此外，TFAP4水平与CD4+T和CD8+T细胞渗透在15种癌症中显著相关，B细胞在12种类型，中性粒细胞在16种类型，巨噬细胞在18种类型和树突状细胞在14种类型显著相关。
①TIMER预测TFAP4水平与HCC内的免疫渗透程度有关（下图A）。
②CIBERSORT预测TFAP4表达与免疫细胞相关关系（下图B）。
③热图表示33种癌症中免疫标记和TFAP4的颜色编码相关性（下图C）。
④TFAP4表达与HCC估计分数的关联（下图D）。
TMB/MSI与TFAP4表达之间存在密切关联。
①TFAP4表达与CESC，BLCA，KIRC，HNSC，LUAD，LGG，MESO，LUSC，PRAD，PAAD，STAD，SARC和THCA的TMB呈正相关，但与COAD，THYM和COAD呈负相关（下图A）。
②TFAP4表达与HNSC，GBM，KICH，LIHC，PRAD，LUAD，SARC，LUS和STAD的MSI呈正相关，但与COAD呈负相关（下图B）。
4、基因集富集分析
使用JAVA进行GSEA富集分析评估HCC中TFAP4表达相关的GO术语和KEGG路径（P<.05;*P<.01;P<.001）。
小结：
本项研究旨在探讨TFAP4与各种癌症预后、免疫相关、肿瘤微环境和肿瘤突变的关系。研究结果发现TFAP4表达在不同类型的癌症之间有所不同。根据Cox和KM生存分析显示，TFAP4表达异常是某些类型癌症的预后因素。这些癌症包括KIRC，KIRP，LIHC，READ，THYM和UVM。更重要的是，作者还通过TIMER和CIBERSORT算法预测了TFAP4过表达与癌症免疫相关关系，并发现它与TMB和MSI相关。最后通过GSEA富集分析鉴定与TFAP4表达相关的GO术语和KEGG途径。这对于个体化治疗的肿瘤特异性靶标或特征极为重要，使临床增加了成功治疗或治愈癌症病例的机会。
