胃癌免疫侵润预后Signature数据挖掘-糖酵解

背景：肿瘤细胞为了适应复杂多变的微环境，肿瘤细胞产生了代谢异质性，这已成为癌症的一个重要特征。相对于正常细胞肿瘤细胞最常见的代谢改变之一是有氧糖酵解，也称为Warburg 效应。Warburg 效应是几乎所有癌细胞的代谢特征：正常分化的细胞主要依靠线粒体的氧化磷酸化为细胞供能，而大多数肿瘤细胞则依赖有氧糖酵解，将葡萄糖“发酵”成乳酸供能，从而导致酸性环境。现有研究表明，抑制肿瘤糖酵解途径可以有效抑制肿瘤细胞的增殖，甚至可以起到杀灭肿瘤细胞的作用。

文章：

Front Oncol (IF:4.848;Q1).2020 Sep18;10:1778. doi:10.3389/fonc.2020.01778. eCollection 2020.

文章分析分析思路

数据：TCGA数据库中375例胃癌表达数据用于模型构建，GEO数据库3个数据集用于模型验证, GSE26253 (n = 394), GSE26901 (n = 109), GSE66229 (n =300) ，对于生存期<30天的样本进行删除，最终：1,140 patients for analysis, including 337 patients from TCGA and 803 patients from GEO。糖酵解相关基因集：从Molecular Signatures Database v4.0数据库中筛选与糖酵解相关的基因集5个：BIOCARTA_GLYCOLYSIS_PATHWAY, GO_GLYCOLYTIC_PROCESS,HALLMARK_GLYCOLYSIS,KEGG_GLYCOLYSIS_GLUCONEOGENESIS, REACTOME_GLYCOLYSIS，最终从56,639mRNA基因中筛选到326个与糖酵解（GRGS）相关的基因用于后续分析；并分析了互作网络：

单因素cox筛选：基于326个糖酵解相关基因，利用单因素cox回归分析，筛选到 12 GRGs与生存预后显著相关的基因：

Lasso cox 回归分析：从单因素分析结果的12个GRGs中，挑选出7GRGs构建最优的预后模型：Risk score（RS） = 0.170 × expression of STC1+0.215 × expression of CLDN9-0.111 × expression of EFNA3-0.546 × expression of ZBTB7A+0.234 × expression of NT5E-0.374 × expression of NUP50 + 0.166 × expression of CXCR4.

根据模型计算每个病人的RS（risk score）值，RS值中位数划分高低风险亚型：

高低风险组生存差异，与模型预测准确性评估：高低风险组预后差异明显

GEO数据集验证模型：不同数据集模型表型良好，很好的区分了样本。