...识别marker+肿瘤分型+建模+关键基因验证!生信发文不得不看的经典思 ...
发布网友
发布时间：2024-10-22 15:47
共1个回答
热心网友
时间：2024-12-01 13:26
研究流程图如下：
研究结果：
在肿瘤微环境中发现成纤维细胞。
通过GEO数据库获取三个MESO样本的单细胞水平基因表达谱，共获得14,347个细胞用于后续分析。利用降维和聚类分析，识别了肿瘤微环境中的15个seurat群，并将其分为七种细胞类型。对15个seurat簇进行差异表达分析，确定marker基因。利用HALLMARK数据库，结合各成纤维细胞中基因组变异评分，进行GSVA分析，揭示各亚型的特征。
成纤维细胞亚型的分化状态和与分化相关的成纤维细胞差异基因。
通过Monocle 2和tSNE分析，识别四种分化状态和六种亚型。利用热图展示各亚型中表达差异最大的四或五个基因。分析KRT19_FIB和MMP2_FIB的免疫相关和增殖相关标志基因集富集程度，推断其可能的增殖潜力。
构建基于成纤维细胞分化的MESO分类（FDBC）。
利用拟时序分析探索FDGs的动态变化，通过共识聚类将患者分为三个不同分类。结合聚类矩阵热图、CDF曲线和delta面积图，确定最佳k值，产生三个聚类。根据FDGs的表达情况，将患者分为“低度分化的成纤维细胞相关间皮瘤（LDFM）”、“高度分化的成纤维细胞相关间皮瘤（HDFM）”和“中度分化的成纤维细胞相关间皮瘤（MDFM）”。
新型预后预测模型的建立和内部验证。
从FDGs中识别出9个MSigDB基因类别和42条通路。通过单变量Cox回归分析，确定6个保护因素和33个危险因素。应用Lasso回归分析法构建预后预测模型，将6个关键FDGs纳入风险评分公式。模型具有良好的预后性能，揭示了不同亚型的临床特征和分子机制。
抑制剂预测和临床标本验证。
利用pRRophetic包评估三种亚型对多种抑制剂的敏感性，筛选出24种潜在药物。通过免疫组化染色和统计分析，进一步验证了基于成纤维细胞分化的分类对临床标本的预测能力。
研究总结：整合单细胞和bulk RNA测序数据，本研究鉴定出六种成纤维细胞亚型、三种分化状态和39种与生存相关的FDGs。构建的基于成纤维细胞分化的分类模型具有良好的预后性能，有助于改善恶性间皮瘤的诊断和预后判断。同时，预测了治疗恶性间皮瘤的潜在药物，为临床研究提供了重要参考。
