免疫分析一直是肿瘤研究的热点，下面就来看一篇中规中矩的免疫基因加预后分析的文章。
题目：Clinical significance and inflammatory landscapes of a novel recurrence-associated immune signature in early-stage lung adenocarcinoma
https://doi.org/10.1016/j.canlet.2020.03.016
封面
整体思路
整体思路
结果
1.基因筛选
基因筛选
通过AmiGO2 Web protal (http://amigo.geneontology.org/amigo/landing)获取免疫相关基因，过滤，单因素cox回归分析，获得232个与RFS相关的免疫基因。对232个基因进行GO和KEGG分析，LASSO回归分析去除基因之间的共线性。
2.模型构建
对Lasso回归的到11个基因，进行逐步多因素回归分析并构建预后模型，获得9个基因构成 的预后模型。预后模型ROC和亚组KM plotter分析。
3.模型验证
GSE31210
4.模型周边分析
炎症和免疫图谱
LM22和免疫基因
对构建的模型进行炎症和免疫图谱分析，包括7个metagene，30个免疫分子和免疫细胞浸润情况。
5.收集样本再次验证
再次验证
为了说明构建模型的稳定性，作者收集68例临床样本进行验证，与TCGA和GSE31210结果完全一致。
6.meta分析
meta分析
为了说明本文结果的通用性，作者将TCGA，GSE31210和收集样本得出的结果进行meta分析，结果同样证明预后效果明显。
亮点
- 针对早期肺癌分析
- 收集临床样本验证
- 免疫周边的分析
- 最后结果的meta分析
参考文献：
Clinical significance and inflammatory landscapes of a novel recurrence-associated immune signature in early-stage lung adenocarcinoma
