今天和大家分享的是11月份发表在Gynecologic Oncology上的文章，特别是做预后的小伙伴可以仔细研读下。Identification and validation of a prognostic proteomic signaturefor cervical cancer宫颈癌中蛋白质组学相关的预后特征的识别与验证迄今为止，TCGA提供了最广泛的侵袭性宫颈癌(ICC)的分子特征。对TCGA样本中反相蛋白阵列(RPPA)数据的分析表明，宫颈癌可分为3个在生存结果方面存在显著差异的簇。本研究的目的首先是在一个独立的ICC患者队列中验证TCGA中RPPA的结果，其次开发并验证一个能够临床应用的小抗体集的算法。 一． 结果1. 在MCW-61队列中验证TCGA亚型的生存结果作者使用来自两个RPPA平台的173种常见抗体的表达数据，以与使用192种抗体的TCGA研究相同的方式完成了TCGA-155的一致性聚类。展示了作者对簇数据生存分析的方法。接着作者在使用了173种常见抗体的TCGA-155和MCW-61组中，对TCGA簇的结果进行了验证生存分析如所示。 

.TCGA簇的分析流程

.验证集中TCGA簇的生存分析. 识别22种与生存结果和风险相关的抗体在这一部分，作者使用RSF和Cox比例风险模型进一步探讨RPPA数据识别小蛋白组的能力，这些小蛋白组可以准确预测生存率。RSF分析确定了11个与生存显著相关抗体（表1）。此外，作者还使用Cox比例风险回归进一步测试了52个被VIMP评分为>0但未被最小深度识别的蛋白。对于那些违反比例风险假设的蛋白质，如果在最终模型中仍然显著，则选择该蛋白质。从这些分析中，发现52个抗体中有11个的表达数据与存活率显著相关(p < 0.05)，这使得需要进一步研究的候选总数达到22个。作者接下来评估了一个得分指数研究这22个SAAs能否准确的将患者分为高低风险组。然后根据这个得分将上面两个验证集的患者分为高低风险组，进行生存分析，观察是否存在生存差异（）。

表1.识别出的22种与生存相关的风险抗体的列表

.在两套数据集中根据22个抗体分级的生存曲线. 22个SAAs亚组与临床和病理特征相关最后，作者在两套数据集中评估这22个SAAs是否与临床和病理学特征相关（）。A，B展示了两个检查点的磷酸化kinase 1 (Chk1_pS345)和jun proto-oncogene (cJun_pS73)与HPV显著相关。在另一方面，作者还检测了这些抗体亚组与其他临床病理学特征的关系，如肿瘤分级等，如C-G所示。

.SAAs亚组与临床和病理特征相关性二． 结论这项工作对现有的基于基因组的研究进行了补充。对于预后生物学标志物的发现提供了重要信息，而且识别了可检测的肿瘤蛋白质特征，可能对宫颈癌的治疗提供帮助。对于SAAs表达数据的检测分析能够帮助进一步完善预后生物标志物。

欢迎关注

TCGA | 小工具 | 数据库 |组装| 注释 |   基因家族  |  Pvalue

基因预测  |bestorf |  sci | NAR | 在线工具 | 生存分析 | 热图

 生信不死 | 初学者 | circRNA | 一箭画心| 十二生肖 | circos

 舞台|基因组 | 黄金测序 | 套路 | 杂谈组装 |  进化 | 测序简史