一次性付費學習所有課程~SCI狂人團隊VIP會員
最新課程領取通知（3-5分純生信）
一次性付費學習所有課程
這個期刊要注意了，小心被潛規則
這個生信期刊值得你收藏
研究背景：
越來越多的證據表明，腫瘤微環境在腫瘤的發生和發展中起著重要作用，並且還可以影響患者的預後。
研究方法：
在這項研究中，我們通過分析腫瘤樣品的免疫和基質評分以檢測差異表達基因（，篩選了乳腺癌腫瘤微環境中的關鍵預後基因，並構建了腫瘤微環境相關的預後模型。首先，我們從TCGA資料庫獲得了乳腺癌患者的mRNA-Seq和相關臨床信息，並使用ESTIMATE算法計算了腫瘤組織的基質和免疫評分。接下來，我們進行了功能富集分析，並從與腫瘤微環境高度相關的差異基因中生成了蛋白質-蛋白質相互作用網絡。最後，對TCGA的乳腺癌數據集進行了Cox比例風險回歸分析，並對浸潤的免疫細胞和人類蛋白質圖譜進行了分析。
研究結果：
總之，這些分析表明，KLRB1和SIT1基因可以用作BC的獨立預後因素，而風險評分，年齡和臨床階段則可以用作預後因素。
研究結論：
總之，我們發現乳腺癌的預後與腫瘤微環境中的免疫調節密切相關。
分析思路如下：
1、下載TCGA表達數據、臨床數據以及免疫評分、基質評分，將這些評分分為高分組和低分組，然後做high vs low的差異分析，然後取交集的差異基因，得到226個差異基因，同時做了這些評分與臨床特徵的相關性分析
2、將這226個差異基因進行GO、KEGG富集分析
3、將226個差異基因批量繪製生存曲線，篩選出p值小於0.05的基因，一共得到66個有預後價值的基因
4、將66個有預後價值的基因做PPI分析
5、先單因素Cox篩選出20個基因，然後構建多因素Cox分析，最後構建3個基因的模型算出risk score，根據risk score（high vs low)繪製生存曲線，ROC曲線，risk score 結合臨床因素再建模
6、根據risk score的高低風險組構建GSEA
7、免疫細胞浸潤分析
8、分析3個核心基因的蛋白表達水平