目的 结合生物信息学方法,使用肿瘤基因组图谱(TCGA)数据库中宫颈癌表达谱数据,通过ESTIMATE算法分析肿瘤微环境挖掘有价值的预测免疫治疗疗效相关的预后基因.方法 从TCGA数据库下载宫颈癌数据,运用R软件ESTIMATE包将宫颈癌基因表达谱数据分为高低免疫/高低基质评分组,通过limma包计算各组差异基因,最终两组的交集基因将用于生存分析、功能富集分析及蛋白互作网络构建.使用R Survival软件包分析高低免疫/高低基质评分组与预后的关系,同时使用Wilcox检验分析高低免疫/高低基质评分组与临床特征之间的关系.结果 高免疫评分组与预后呈正相关(P=0.035);高基质评分组中位总生存期延长,但无统计学意义(P=0.391).高免疫评分组、高基质评分组与M分期呈正相关(P<0.05).设定阈值为|log2(FC)|>2且FDR<0.05,共鉴定出485个交集差异基因(上调475个,下调10个).差异基因生存分析显示157个基因与预后有关.基因本体分析(GO)和京都基因与基因组百科全书途径(KEGG)共富集788个基因本体术语和36条通路(FDR<0.05).差异基因构建PPI网络并利用Cytoscape提取3个关键核心网络,共包括66个基因,其中12个也与预后相关.结论 基于TCGA数据库分析肿瘤微环境获得的免疫预后相关基因可能是潜在的免疫治疗疗效预测的生物标志物,值得深入研究.

宫颈癌;肿瘤微环境;免疫基质评分;ESTIMATE算法;癌症基因组图谱

吴南昌;王静;卢东林;韦云宝;卢海娉;何雪芬;陈升才

右江民族医学院附属医院妇科,广西百色533000

右江医学

[1]吴南昌;王静;卢东林;韦云宝;卢海娉;何雪芬;陈升才-.基于TCGA在宫颈癌肿瘤微环境中挖掘免疫疗效相关的预后基因)[J].右江医学,2022(01):7-12

免疫基质评分

TCGA,宫颈癌,癌肿,肿瘤微环境,预后基因,生物信息学方法,肿瘤基因组图谱,中宫,谱数据,ESTIMATE,算法分析,免疫治疗,治疗疗效,下载,癌基因,基因表达谱,低基质,limma,差异基因,交集,生存分析,功能富集分析,蛋白互作网络,网络构建,Survival,软件包,包分析,Wilcox,检验分析,免疫评分,总生存期,log2,FC,FDR,基因本体分析,京都基因与基因组百科全书,共富集,PPI,Cytoscape,核心网络,数据库分析,预后相关基因,疗效预测,生物标志物,癌症基因组图谱

0.327472