生信分析，生信分析公司，医学sci，生信分析学习，tcga数据库，geo数据库，单细胞测序，转录组分析，甲基化，医学sci写作，论文解读热点机制推荐！5+缺氧+铁死亡+分型生信思路解析非肿瘤生信

导语

今天给同学们分享一篇缺氧和铁死亡相关基因构建预测模型的生信文章“A Novel Predictive Model for Adrenocortical Carcinoma Based on Hypoxia- and Ferroptosis-Related Gene Expression”，这篇文章于2022年5月16日发表在Front Med期刊上，影响因子为5.058。缺氧对铁死亡的影响在癌症增殖中很重要，但目前还没有结合缺氧和铁死亡的肾上腺皮质癌(ACC)预测模型的报道。研究的目的是构建一个基于ACC缺氧和铁死亡相关基因表达的预测模型。

图1 研究流程图

1. ACC缺氧相关基因表达的三种分子亚型

作者的研究使用ConsensusClusterPlus包根据缺氧相关基因的表达谱将这79名ACC样本分为分子亚型。样本分为C1、C2和C3亚型（图2A-D）。C3亚型患者的生存期短于C1和C2亚型患者（图2E）。因此，缺氧相关基因表达可用于表征具有不同临床结果的三种ACC亚型。

图2 基于ACC缺氧相关基因表达的三种分子亚型鉴定

2. .三种缺氧相关亚型与铁死亡相关基因表达的关系

作者分析了三种缺氧相关亚型与ACC中铁死亡相关基因表达之间的关联。作者发现25个铁死亡相关基因中的17个，包括ACSL4、ATL1、ATP5MC3、CARS1、CISD1、CS、DPP4、FANCD2、FDFT1、HSPA5、HSPB1、LPCAT3、NCOA4、NFE2L2、SLC1A5、SLC7A11和TFRC在三种缺氧相关亚型中显着差异表达（图3A）。在这些铁死亡相关基因中，FDFT1和ATP5MC3在C3样本中的表达显着高于C1和C2样本。相比之下，C3样品中HSPB1的表达明显低于C1和C2样品。热图显示了类似的结果（图3B）。因此，这三种缺氧相关亚型与ACC中的铁死亡密切相关。

图3 ACC缺氧相关亚型与铁死亡的关系

3. 基于缺氧和铁死亡相关基因表达的预测模型的建立

使用limma包分析79个ACC样本和258个正常肾上腺样本的差异基因表达，获得4,743个DEG，包括4,029个上调基因和714个下调基因（图4A、B）。接下来，分别从75个先前鉴定的缺氧相关基因和24个先前鉴定的铁死亡相关基因中提取了34个缺氧相关DEG和12个铁死亡相关DEG。通过单因素Cox比例风险回归进一步筛选这些关键基因后，作者发现12个基因与ACC患者的OS显着相关（图4C）。然后从String中检索到包含12个基因的PPI网络，以探索这些基因之间的相互作用（图4D）。然后作者构建了LASS-Cox回归模型（图5A、B）。根据LASSOCox回归模型的结果计算风险评分，然后根据中位风险评分将79名ACC患者分为高风险组和低风险组。作者的结果表明，高危组患者的OS比低危组患者短（图5D）。作者使用ROC曲线分析进一步验证了该模型的预测效果。用于预测3年OS的模型的AUC为0.925（图5E），表明遗传模型具有准确且稳健的预后预测性能。为了进一步探索五个关键基因（ACSL4、FANCD2、HIF3A、HSPA5和PSMB7），作者发现ACC中五个关键基因的表达与正常组织中的表达显着不同（图6A）。图6B表示关键基因表达、肿瘤分期和生存状态之间的关系。作者进一步发现每个基因都与TMB显着相关（图6C）。

图4 ACC中与缺氧和铁死亡相关的关键基因

图5 缺氧和铁死亡相关预测模型的建立

图6 预测模型和TMB中五个关键基因的相互作用

4. 预测模型的评估

单因素Cox回归分析表明，根据作者的预测模型计算的风险评分与ACC患者的不良预后显着相关（图7A）。多因素Cox回归分析表明，风险评分是ACC患者预后不良的独立危险因素（图7B）。建立列线图来预测ACC患者的OS。年龄、性别、分期和风险评分用于构建列线图。风险评分对OS的预测贡献***（图7C）。为了验证预测模型的普遍性，使用来自GSE19750和GSE10927数据集的合并数据对其预测性能进行了外部验证。与TCGA数据集的结果一致，风险评分与这些数据集中的OS显着相关（图7D）。ROC曲线分析证实了用于预测OS的预测模型的可靠性和稳定性（图7E）。热图显示了低风险和高风险组中五个预后基因表达谱的差异（图7F）。

图7 评估ACC预测模型的可靠性和稳定性

5. 功能富集分析

为了探索与风险评分相关的生物学功能和途径，获得了高风险组和低风险组之间的1,860个DEG（图8A、B）。进行了GO富集和KEGG通路分析。图8C显示显着KEGG通路。图8D显示上调DEGs中的GO通路，图8E显示下调DEGs中的GO通路。图8F表示BP通路之间的交互关系。GSVA富集分析显示细胞周期检查点、有丝分裂姐妹染色分离和核分裂是主要的生物过程（图8G）。

图8 功能富集分析

6. 预测模型中五个基因的泛癌分析

作者在TCGA数据库中进一步探索了5个关键因（ACSL4、FANCD2、HIF3A、HSPA5和PSMB7）在33种癌症中的作用（图9）。五个基因的表达均与ACC中的TMB显着相关。在33种癌症类型中，ACSL4表达与ACC中的TMB***相关，而FANCD2、HIF3A、HSPA5和PSMB7与胸腺瘤(THYM)中的TMB***相关。

图9 预测模型和TMB中五个关键基因的泛癌分析

总结

总之，研究确定了ACC患者中三种具有不同预后和铁死亡相关基因表达谱的缺氧相关分子亚型。构建并验证了结合缺氧和铁死亡相关基因表达的预测模型。该模型可以准确而有力地预测ACC患者的预后。作者还建立了结合年龄、性别、肿瘤阶段和作者的预测模型的列线图，以协助临床判断。这些发现为ACC的诊断、预后预测和治疗提供了新思路。对缺氧和铁死亡感兴趣的老师，欢迎扫码咨询！

生信分析定制服务

请扫描下方二维码