摘要
免疫治疗成为新的肿瘤治疗方法。从TCGA和Immport中筛选487个DEGs，使用KEGG和GO分析基因功能。样本聚类分析结肠癌和免疫的相关性，WGCNA找出结直肠癌免疫相关基因。PPI分析Hub基因，鉴定出7个结直肠癌的免疫相关基因。最后，使用lasso回归构风险预测模型。使用GSE14333数据验证模型。IRF4和TNFRSF17被鉴定为结直肠癌免疫相关基因。
introduction
癌症免疫疗法（cancer immunotherapy, CIT）显示了人类免疫系统和癌症之间相互联系，CIT通过激活免疫反应介导肿瘤破坏。肿瘤微环境（The tumor microenivronment, TME），在CIT中扮演重要角色，其组成为：免疫细胞、基质细胞、细胞外基质、细胞因子和趋化因子组成，可以促进免疫逃逸肿瘤生长和转移。免疫检查点抑制剂（Immune checkpoint inhibitors），可增强对肿瘤的免疫反应。免疫相基因Immune-related genes(IRG)已经被证实为预后标志物。
从TCGA和Immport中筛选基因的交集被认为是免疫相关基因，使用GO和KEGG分析这些基因的功能。WGCNA找出与结直肠癌显著相关的基因模块使用PPI筛选HUb基因，使用lasso回归构建预后模型。根据免疫相关基因和免疫浸润细胞之间的关联，验证模型的准确性。
materials and methods
Clinical Samples and Data Collection
- TCGA：
- 肿瘤：455
- 正常：41
- 免疫相关基因：Immunology Database and Analysis Portal (ImmPort) database
- 免疫细胞的评分数据库：TIMER database
- GSE14333
Differentially Expressed Genes (DEGs) and Functional Enrichment Analysis
- TCGA差异基因筛选条件:
P<0.05, |log2FC| > 1 - TCGA差异基因与免疫相关基因的交集: Venn diagrams
- 富集分析: R package clusterprofiler package (adjust P < 0.05)
- GSEA分析基因: IRF4、TNFRSF17
NOM p-value <0.05, FDR q-value <0.25, and | NES |> 1 were the threshold
Hierarchical Clustering
- 将上述免疫基因分为不同亚组: R package ConsensusClusterPlus
- 观察不同亚组与免疫之间的关系
- 确定最佳聚类数，并对免疫细胞矩阵进行聚类：R package pheatmap
- 免疫检查点在不同亚组的分布显著性热图：R package pheatmap
Weighted Gene Co-Expression Network Analysis (WGCNA)
Protein-Protein Interactions (PPI)
Construction of a Prognostic Feature Model
result
DEGs in COAD and Immune-Related Genes DEGs
上调基因1404，下调基因1246，差异基因与免疫基因的交集有487个基因。487个交集基因进行GO和KEGG富集分析。
图片alt
图片alt