原文题目：Mining TCGA database for genes of prognostic value in glioblastoma microenvironment
摘要：
胶质母细胞瘤(GBM)是最致命的脑肿瘤之一。已有研究表明，肿瘤微环境细胞、免疫细胞和基质细胞浸润程度对预后有重要影响。基于ESTIMATE算法的免疫评分和基质评分的计算可以方便地对肿瘤中的免疫和基质单元进行量化。
根据它们的免疫/基质分数分为高、低分数组,将TCGA GBM病例数据库进行分类，识别DEGs的表达与GBM患者的预后显著相关。功能富集分析和PPI进一步表明，这些基因主要参与免疫反应、细胞外基质和细胞粘附。
最后,在CGGA对这些基因进行验证。该研究得到了预测GBM患者预后不良的肿瘤微环境相关基因列表。.
流程图
结果
1.免疫评分和基质评分与GBM亚型显著相关
从TCGA中下载GBM的147例病人的基因表达及临床信息
其中经典亚型128例(30.7%)，间充质亚型122例(29.3%)，64例(15.3%)神经亚型、103例(24.7%)神经亚型。
基于ESTIMATE算法，进行stromal 和 immune 评分，见图
图A、B为各亚型评分
图C、D为IDH1正常与突变的immune 及 stromal 评分（然鹅尽管没有统计学意义）
图E、F表明低分数人群生存期限高于高分数人群
2.GBM基因表达谱与免疫评分、基质评分的比较
图A：对高、低分数的人群的基因表达量绘制两张热图（immune & stromal）
以基因评分为基础比较（FC > 1.5 , p < 0.05），与低分数人群相比，高分数人群有480个上调基因和127个下调基因。
以基质评分为基础比较（FC > 1.5 , p < 0.05），与低分数人群相比，高分数人群有380个上调基因和25个下调基因。
图C、D ：用Venn图确定了 374 个 共上调基因和25个共下调基因。
图 E 、F 、G ：对这些DEGs进行GO分析。
3.个体DEGs在总生存率中的表达相关性
对选定的DEGs绘制生存曲线，发现258个上调基因在log-rank检验中显著预测了较差的总体生存率。（ P < 0.05）选中11个基因
4.具有预后价值的基因间PPI
使用STRING工具做PPI
5.功能富集分析具有预后价值的基因
FDR<0.05, -log FDR> 1.301
（感觉之前的GO分析没啥用啊...）
6.在CGGA数据库验证
亮点来了：这是国内独立的神经胶质瘤数据库，与TCGA不重合
下载CGGA中114例GBM 基因表达信息，验证了44个基因与较差预后显著相关，其中21个基因先前并没有被提到过。
参考来源：生信技能树
友情链接：
课程分享
生信技能树全球公益巡讲
（https://mp.weixin.qq.com/s/E9ykuIbc-2Ja9HOY0bn_6g）
B站公益74小时生信工程师教学视频合辑
（https://mp.weixin.qq.com/s/IyFK7l_WBAiUgqQi8O7Hxw）
招学徒：
（https://mp.weixin.qq.com/s/KgbilzXnFjbKKunuw7NVfw）
欢迎关注公众号：青岛生信菜鸟团