大家好呀！今天跟大家分享的是2021年6月发表在International Immunopharmacology （IF:4.932）上的一篇文章。葡萄膜黑色素瘤（UM）是成人最常见的原发性眼内恶性肿瘤，易发生转移。肿瘤微环境（TME）是肿瘤发生和发展的关键。本篇文章作者使用TCGA和GEO数据库中的UM数据研究UM患者的肿瘤微环境并评价免疫打分和免疫细胞浸润对预后的价值。使用WGCNA分析鉴定与CD8+ T细胞浸润水平显著相关的模块和基因，使用单因素Cox，LASSO和多因素Cox分析构建8-基因预后模型。

Identification of survival-related genes and a novel gene-based prognostic signature involving the tumor microenvironment of uveal melanoma

鉴定葡萄黑色素瘤肿瘤微环境中生存相关基因和预后模型

1.数据获取

从GEO数据库下载葡萄黑色素瘤（UM）的基因表达数据和临床数据包括GSE84976（28例）和GSE44295（57例）数据集。从TCGA数据库下载TCGA-UM（80例）数据集。

2.TCGA-UM数据集的TME分析

使用ESTIMATE和ssGSEA对TCGA-UM的TME进行分析（a），根据免疫打分中位数将TCGA-UM分为两组，其中免疫打分-high组的预后较差（b）。KEGG分析表明有12条KEGG通路富集在免疫打分-high组（c）。

TCGA-UM的TME分析

此外，对免疫检查点（ICPs）的表达水平进行分析，其中PD1,CD86,LAG3和IDO1在免疫打分-high组的表达水平较高（）。

ICPs表达水平

3.鉴定两个免疫分组的DEGs

对两个免疫分组进行差异分析鉴定到834个上调基因和197个下调基因（a和3b）。对DEGs进行GO和KEGG通路分析，上调基因显著富集与免疫应答，白细胞活化和迁移等功能和通路（c），下调基因显著富集与外源刺激应答等功能和通路（d）。

两个免疫分组的DEGs

4.免疫细胞浸润与OS的相关性

使用CIBERSORT评估UM的免疫细胞浸润情况，作者发现T细胞和巨噬细胞浸润比例最高（a），两组中有9个免疫细胞浸润水平存在显著差异（b）。免疫细胞与OS的相关性分析发现T辅助细胞和CD8 T细胞与预后不良有关而单核细胞和CD4 T细胞与OS较好有关（d）。

免疫细胞浸润与OS相关性

5.构建共表达模型

随后，作者进行WGCNA分析，选择软阈值为13（）。其中青色模块与CD8 T细胞显著相关（a和6b）。将DEGs与青色模块中基因取交集得到142个基因（c）。对这些基因进行功能富集分析，这些基因主要富集在免疫相关的功能和通路（d）。

WGCNA分析

与CD8 T细胞相关的模块和基因

6.构建预后模型

对这142个基因进行单因素Cox回归分析得到107个生存相关基因，随后进行LASSO和多因素Cox回归分析，最终得到8个基因构建预后模型（）。

构建预后模型

根据风险打分将UM患者分为高风险组和低风险组。Kaplan-Meier曲线表明高风险组的OS较差（a），1年，3年和5年OS的ROC曲线的AUC分别为0.95，1和1（b），UM患者的生存状态和风险打分如c所示，对预后模型中基因的表达水平绘制聚类热图（d）。

构建预后模型

单因素和多因素Cox回归分析表明8-基因的预后模型是UM患者的独立预后因子（a）。使用预后模型和临床特征构建列线图（b）。高风险组患者富集在氧化磷酸化等KEGG通路（c）。

预后模型的独立性检验和列线图

7.8-基因预后模型的验证

作者使用GSE84976和GSE44295数据集验证预后模型的性能。根据风险打分将患者分为高风险组和低风险组。Kaplan-Meier曲线表明高风险组患者的OS较差（0a和11a）。GSE44295的1年，3年和5年ROC曲线的AUC分别为0.62，0.65和0.68（0b），GSE84976的3年和5年ROC曲线的AUC分别为0.77和0.77（1b）。此外，作者绘制两个数据集UM患者的生存状态和风险打分分布图以及预后模型中基因表达水平的聚类热图（0c-10d和1c-11d）。

0 GSE44295数据集

1 GSE84976数据集

8.预后模型中的基因与CD8 T细胞浸润的相关性

作者使用TIMER网站研究预后模型中的基因与CD8 T细胞的相关性，这些基因与CD8 T细胞浸润比例呈正相关（2）。

2 基因与CD8 T细胞浸润比例的相关性

9.青色模块中核心基因与CD8 T细胞浸润显著相关

青色模块中有13个核心基因，包括B2M, CD74, HLA-B, HLA-C, HLA-DMA, HLA-DOA, HLA- DPA1, HLA-DPB1, HLA-DRA, HLA-DRB1, HLA-E, HLA-F, IRF1（3a-13c）。这些核心基因在免疫打分-high组的表达水平较高（3d）且这些核心基因的相关性较强（3e）。

3 青色模块中核心基因与OS的相关性

这些核心基因与OS较差显著相关（4a），其表达水平与CD8 T细胞浸润比例正相关（4b）。

4 青色模块中核心基因与CD8 T细胞浸润的相关性

小结：

本篇文章作者使用多种生物信息学算法对UM患者的TME进行综合评价。作者发现免疫打分-high和CD8+ T细胞浸润与OS较差有关。根据WGCNA分析，鉴定到与CD8+ T细胞显著相关的模块和关键基因。使用常规单因素Cox-LASSO-多因素Cox构建预后模型。本篇文章分析思路还是挺简单的，想要尝试自己进行预后模型分析的小伙伴门可以作为参考~