如何利用TCGA和GEO数据库+机器学习，发表6分SCI？

导语

糖酵解相关基因作为恶性胸膜间皮瘤（MPM）的预后标志物尚不清楚。本文通过生物信息学和机器学习构建预后风险模型，探索糖酵解途径基因与MPM预后的关系。 

背景介绍

今天小编为大家带  来一篇利用GEO公共数据库+机器学习发表6分+的文章。文章题目为  Identification of glycolysis genes signature for predicting prognosis in malignant pleural mesothelioma by bioinformatics and machine learning。

研究流程

数据介绍

从TCGA数据库下载MPM病例的临床信息和mRNA测序数据。从GEO获取GSE67487和GSE51024数据集。

结果解析 

01   糖酵解通路的获取和差异基因的选择  

从MSigDB共获得5个糖酵解相关通路基因集，包括BIOCARTA 糖酵解通路、GO糖酵解过程、HALLMARK糖酵解、KEGG 糖酵解糖异生、反应组糖酵解。对数据集GSE51024进行GSEA分析，发现5个糖酵解相关通路基因集在MPM组织和正常样本中显著差异（图2A-E）。5个糖酵解相关通路基因集中共有312个基因，使用limma包筛选出数据集GSE51024-MPM组织与正常组织差异表达的17个糖酵解基因（图3A，B）。

图2

图3

02   糖酵解基因构建预后模型  

通过单因素COX回归分析，发现11个糖酵解途径相关基因与患者总生存期（OS）显著相关。通过多因素COX分析纳入6个基因（COL5A1、ALDH2、KIF20A、ADH1B、SDC1和VCAN）构建患者预后风险模型，并同时绘制列线图（图4A）。COL5A1、ALDH2、KIF20A、ADH1B、SDC1和VCAN是独立风险基因。

单因素COX回归分析和多因素COX分析结合TCGA临床信息将风险评分确定为独立的预后危险因素（图4A，B）。风险核心 = （COL5A1×0.487）+（ALDH2×-0.252）+（KIF20A×0.337）+（ADH1B×-0.151）+（SDC1×0.223）+（VCAN×-0.406）（图 4B、C）。

图4

03   风险模型的评估和验证  

通过构建的MPM风险模型计算TCGA数据集中每个患者的风险评分，根据中位风险值将病例分为高风险组和低风险组。K-M曲线显示，高危组生存率显著低于低危组（图5A）。ROC曲线显示曲线下面积（AUC）=0.830，相对于年龄、性别和肿瘤分期具有显著预后意义（图5B）。

图5

通过对所有MPM病例的风险评分进行排序来分析生存率分布（图5C）。散点图中，随着风险评分的增加，患者的死亡率逐渐上升（图5D）。HR > 1（COL5A1，KIF20A，SDC1）的基因被定义为危险基因，HR < 1（ALDH2，ADH1B，VCAN）的基因被定义为保护基因。高危人群中的病例更可能表达风险基因，而低风险人群中的病例倾向于表达保护基因（图5E）。

临床亚组分析表明，对于不同年龄分层和肿瘤分期，基于K-M曲线预后模型的高危组生存率也显著低于低危组（图6A–D）。数据集GSE67487 K-M曲线中，低危组生存率显著高于高危组，ROC曲线AUC=0.782，验证了预后模型的可靠性（图6E，F）。

图6

04   机器学习筛选预后基因  

选择COL5A1，ALDH2，KIF20A，ADH1B，SDC1和VCAN基因纳入分析，并根据最佳特征基因组合构建SVM和RF分类模型（图7A，B）。经分析结果表明，当预后数设置为5时，最佳预后基因组合的分类转移准确率最高。

与SVM相比，RF分类模型具有更高的精度（图7C）。RF分类模型的迭代计算过程如图7D所示。射频分类模型算法根据MPM患病率相关性得到预后基因的特异性重要性排名（图7E），最终筛选得到与MPM患病率风险相关性最高的5个预后基因最终筛选MPM风险最高的5个预后基因（ALDH2、KIF20A、COL5A1、ADH1B和SDC1，按重要性排序）， MPM风险模型基于上述五个基因构建（图7F）。

图7

小编总结

糖酵解与恶性肿瘤的发生、迁移和代谢密切相关。本研究鉴定出6个糖酵解相关基因（COL5A1、ALDH2、KIF20A、ADH1B、SDC1、VCAN），并通过单因素COX回归分析和多因素COX分析验证了上述6个基因对MPM的预后意义。K-M 分析还显示，高风险评分与转移和预后不良有关。本研究还对6个糖酵解基因的预后重要性进行了机器学习排序，最终确定了5个主要影响MPM预后的基因，按重要性降序排列：ALDH2、KIF20A、COL5A1、ADH1B和SDC1。

打赏