Development and Validation of a Novel Prognostic Model for Acute Myeloid Leukemia Based on Immune-Related Genes
▌背景
AML难治复发,已充分证明同种异体造血细胞移植 (alloHCT) 可成功治疗 AML,并且 AML 具有免疫反应性。
AML blast也可能引起免疫抑制,从而导致AML患者出现矛盾的免疫抑制。因此,进一步了解免疫细胞如何与 AML 原始细胞作斗争,可以为 AML 提供更有效的治疗方法。
目前尚缺乏关于免疫相关基因(IRG)表达在预测AML预后以及将AML与健康样本进行比较中的实用性的综合研究。
▌数据来源
训练集来源
TCGA和GTex:(从 UCSC Xena 数据库 ( http://xena.ucsc.edu/ )获得 TCGA-LAML 和 GTEx-全血队列的临床和转录组信息。)
验证队列来源
从GSE37642获得了临床和转录组数据基因表达综合(GEO)数据库中的队列(验证队列)以验证我们的预后模型。
免疫基因相关来源
ImmPort数据库提供了总共2,498个与免疫相关的基因。
表格1列举了训练和验证队列中患者的基线特征。
▌文献解读
挑
寻找差异基因:
在TCGA-LAML和GTEx-全血队列之间确定了2,516个DEG。
从2498个IRG中取交集,获得了199个差异表达的IRG。
圈:GO和KEGG分析
基因本体论(GO)和《京都基因与基因组百科全书》(KEGG)途径富集分析表明,DEG主要在免疫生物学过程中富集(图S1A)。用了常规的dot图
KEGG富集分析结果揭示了转录异常在AML发生中的重要作用(图S1B)。用了圈图。
联
单变量分析:进行单变量 Cox 回归分析以评估个体 IRG 的表达水平与 OS 之间的关联,其中 72 个具有潜在的预后价值。
代表性的 Kaplan-Meier 图显示 TRH、MPO、IGHV4-39 和 CLEC11A 与延长 AML 患者的生存期相关。相反,APOBEC3G、IL1R2、GZMB、ISG20 和 HSPA1B 与较差的 OS 相关( 图 1A-I)。
Lasso回归:建立了免疫预后标记(immune-17标记,因为它包含17个IRG)。风险评分的计算公式为:β1 × 基因 1 表达 + β2 × 基因 2 表达 + … + βn × 基因表达,其中 β 是 LASSO 回归分析生成的相关系数。
靠
图 2A、B使用中位风险评分作为临界值将这些患者分为低风险组和高风险组。进行 Kaplan-Meier 分析以评估免疫 17 特征的预后意义。高风险组的患者的OS明显缩短。
图2C和2D通过计算曲线下面积 (AUC) 值来评估模型特异性和敏感性。当 AUC > 0.60 时确定特异性预测能力,而如果 AUC > 0.75 则确定优良的预测值。该模型的 AUC 值在 TCGA-LAML 队列中分别达到 0.823 和在验证队列中达到 0.613。
使用单变量和多变量 Cox 分析来证明该特征是一个独立的预后模型。
分层分析评估:
为了确定immune-17信号是否为稳定的预测模型,我们分别对按年龄(图S2A)和ELN风险系统(图S2B)分层的TCGA-LAML队列患者进行了Kaplan-Meier分析。结果表明,在所有分层组中,免疫17标记都可以区分低危患者和高危患者。
我们进行的单变量和多变量 Cox 分析显示该特征是一个独立的预后模型(单变量 Cox:风险比 [HR],1.768;95% 置信区间 [95% CI],1.559–2.019;p <0.001;多变量 Cox:HR,1.631;95% CI,1.417–1.878;p <0.001),( 表3)。
高免疫族群被分到高一级别的分组中,低免疫族群降低一个危险度分层
患者被分为三个新组:ELN 有利/免疫 17高和 ELN 不利/免疫 17低患者被重新分配到中危组,ELN 中/免疫 17高患者被重新分配到高危人群。通过Kaplan–Meier分析,评估了新的风险分层系统的预后意义。
患者重新分层后(图 3A),我们发现结合使用ELN +免疫17风险分层系统可以更准确地确定AML患者的预后(图 3B、C)。
意义:本研究基于TCGA-LAML和GTEx-全血队列构建了AML的免疫预后特征,提高了ELN2017风险分层系统的准确性。
▌软件包:R包
DEG :limma包
“pheatmap”包进行热图和聚类
“clusterProfiler”包进行富集分析
“survival”包进行单变量和多变量Cox回归分析
“glmnet”和“survival”包用于进行LASSO回归分析。
“survminer”和“survival”包用于执行 Kaplan-Meier 分析。
“survivalROC”包用于确定 AUC 值并构建受试者工作特征 (ROC) 曲线。
欢迎大家关注解螺旋生信频道-挑圈联靠公号~