小编今天跟大家分享的是8月27号发表在frontiers in Genetics（IF=4.15）上的一篇文章

识别预测胶质细胞瘤患者预后的特定基因模块

Abstract

本文使用加权基因共表达分析（WGCNA）构建了TCGA 524个胶质细胞瘤（GBM）患者的共表达基因网络。识别得到了一个预后相关的基因模块。用模块中的hub基因进行多变量cox回归构建了一个GBM风险预测模型，并且用GEO和REMBRANDT 数据集进行预测模型的验证。结果表面构建的风险预测模型对GBM有很好对预测效能。

流程图：

Result

1、数据的获取和整理：

训练集：TCGA 528个sample筛选得到有整体生存信息的数据524个sample

测试集：GSE16011 159个sample 和REMBRANDT 219 个sample 筛选得到有整体生存信息的数据 336个sample

2、WGCNA构建基因共表达网络识别与胶质细胞瘤预后相关基因模块识别：

图A：TCGA训练集样本分层聚类树，共表达网络中有15个模块

图B：模块和临床特征相关性

图C：共表达网络中与survival status 相关的绿色模块可视化，包含436个基因

3、对GBM survival status相关绿色模块功能富集分析

图A-D:依次为生物学过程，cell成分，cell 功能，KEGG通路富集

4、cox比例风险回归模型的构建和验证：

单变量cox回归分析得到绿色模块中14个与生存显著相关的基因（图E）

多变量cox回归风险得分公式：

 risk score = 0.00889 × EXP(CLEC5A) + 0.0681 × EXP(FMOD) + 0.1724 × EXP(FKBP9) + 0.1557 × EXP(LGALS8)  

 构建风险得分公式中四个基因的K-M生存曲线（图I）

风险预测模型能作为GBM预后很好的指标：一年和三年ROC曲线下面积

TCGA训练集：0.62和0.71（见下图A）

GSE16011 测试集：0.67和0.88（见下图B）

REMBRANDT 测试集：0.61和0.76（见下图B）

结果显示有更高的风险得分代表了预后更差

单变量cox回归分析评估不同临床特征的预后效果：结果显示风险评分和年龄是与GBM整体生存相关的独立预后因素。

GSEA富集分析：GBM高风险组高度富集与碱基切除修复，细胞周期，DNA复制和核糖体功能密切相关的基因。（见下图A）

列线图预测患者1和3年整体生存率（见下图B），图C和D为TCGA和GSE16011列线图校准曲线（REMBRANDT测试集没有IDH1突变信息所以未展示）

大家好，首先感谢关注。目前拥有超级预后，超级可变剪切，突变+表达，表达+突变，DNA甲基化，自噬，ceRNA、经典预后、m6A、可变剪切、肿瘤微环境，免疫浸润，多组学，驱动基因，突变，耐药，CNV肿瘤干细胞等多种经典和新潮分析思路和方案。

在此开工季，欢迎大家预定分析服务。

开工季，套路上新

（8.29-9.30）期间签订项目

赠送网课一套