Clinical Cancer Research|震惊最简单预后signature能发10分！！！

震惊！！！十分的文章，看起来却没那么难。今天跟大家分享的是三月份发表在Clinical Cancer Research（IF：10.199）上的一篇文章，文章主要讲的是利用15个基因的signature作为特征对胰腺导管癌病人的预后分析。该文章的方法部分比较容易实现，唯一有难度的地方就是采集病人数据进行qRT-PCR实验证实，但是却发表在10分的杂志！

A 15-gene immune, stromal and proliferation gene signature that significantly associates with poor survival in patients with pancreatic ductal adenocarcinoma

15个基因的免疫，基质和增殖基因标记，与胰腺导管腺癌患者的不良生存率显着相关

胰腺导管腺癌（PDAC）是一种致死率高的疾病。肿瘤微环境（TME）与不良预后和化疗耐药相关。在该工作中，利用ISP对TCGA数据库的样本进行分析，并在ICGC、E-MTAB-6134、GSE71729数据集中验证，进行病人总体生存（OS）预测。该工作对immune, stromal and proliferation (ISP)signature分析，发现ISPsignature与不良的OS显著相关，且signature在独立数据及中得到验证（ICGC、E-MTAB-6134、GSE71729）。此外，ISP基因作为signature还在四个数据集中对于鉴定PDAC亚型具有高的准确性。TCGA（AUC = 0.94），ICGC（AUC = 0.91），E-MTAB-6134（AUC = 0.80）和GSE71729（AUC = 0.83）。生存分析发现，ISP高风险患者的OS明显较差。

材料方法

下载了TCGA，ICGC，EMTAB-6134和GSE71729中PDAC患者的转录组数据，分别用来作为signature的识别和验证数据集。在随后的临床验证阶段，使用了来自日本熊本大学医院PDAC患者的FFPE组织样本（N = 119）进行了qRT-PCR分析，以评估候选基因的表达水平与生存之间的联系（临床验证队列）。癌症的亚型信息均来自于之前的研究。并从之前的研究中下载了170个免疫、基质、增殖（immune, stromal, and proliferation， ISP）相关基因。利用lasso罚分Cox回归分析得到显著的基因。并使用Cox比例风险回归模型来评估15个基因的ISP signature预测PDAC患者的总生存期（OS）的预后模型。利用Kaplan-Meier（KM）分析以确定生存差异。将中值用作阈值绘制KM曲线，并通过logRank检验评估统计显着性。

结果：

1.15个ISP相关预后风险基因识别

首先在TCGA数据集中对170个与免疫，基质和增殖（ISP）相关的基因。利用lasso惩罚Cox回归鉴定15个基因与PDAC患者的OS显著相关。在TCGA发现队列中，高风险和低风险患者5年整体生存分别为0％和51％（图1A）。且在其他三套独立数据集中得到验证（ICGC，HR：2.63，p <0.0001；E-MTAB-6134，HR：1.53 [1.14-2.04]；p = 0.004；GSE71729， HR：2.33， p <0.0001；图1B，C，D），表明ISP基因signature在预测PDAC患者不良预后方面的准确性。

 图1. TCGA以及三个独立的验证数据集中ISPsignature在预测整体生存的性能.

 

2.ISP基因signature可有效地识别PDAC的分子亚型

ISP基因signature除了预测存活率之外，为了评估ISP基因signature对亚型的预测性能。在TCGA数据集中，ISP基因signature在识别三种PDAC分子亚型中具有鲁棒性，Squamous（AUC = 0.94），Quasi-mesenchymal（AUC = 0.91），Basal-like（AUC = 0.80）（图1E）。同样，其他三组独立数据集中，ISP基因signature识别其他亚型具有好的分类性能（图1F-H）。这些结果表明ISP基因signature与PDAC患者分子亚型存在潜在的关联，具有一定的临床应用价值。

3. ISP基因signature可作为PDAC患者风险和生存结果的独立预测指标

为了进一步评估15个ISP基因signature在临床上可转化的潜能，接下来使用qRT-PCR的分析方法分析了这些基因在119名PDAC患者的临床病人中的表达（这部分是自己的数据）。Kaplan-Meier生存分析显示，根据ISP基因signature计算得到的高、低评分患者的5年OS率分别为18.5％和52％（p ＝0.0004，图2A）。接下来，对各种临床病理特征，CA19-9水平以及PDAC患者的新辅助治疗状态进行分析。通常认为37-50 U / mL的范围是中风险人群，这里将CA-19-9水平高于100 U / mL的患者归为高危组。在单变量分析中，不同分期（T1 / 2 vs. T3 / T4（p = 0.005），淋巴结转移（p = 0.008），CA19-9水平大于100 U / mL（p <0.0001）， ISP基因signature（p = 0.001）与预后显著相关（图2B）。接着利用多变量分析单变量模型中具有统计学意义的特征，表明ISP基因signature（p = 0.001）和较高的CA19-9水平（p = 0.002）是预测PDAC患者OS的重要因素（图2C）。

图2. 临床验证队列中ISP基因signature在预测整体生存率中的性能。

4. 建立用于预测PDAC患者生存率的风险-诺模图

为了结合其他单变量显著特征（例如Tstage，Nstage和CA19-9水平），进一步提高ISP基因signature的预测准确性，建立了PDAC的风险诺谟图，以预测PDAC患者的生存可能（图3A）。为了评估诺谟图的风险识别潜力，根据ISP以及T-Stage，N-Stage和CA19-9水平组成的诺模图对所有患者进行划分，绘制Kaplan-Meier曲线（图3B）。高危患者的5年生存率明显较差。进一步为了验证预测模型，通过计算3年和5年生存率的判别指数和模型校正曲线来评估列线图的预测性能。图3C和3D分别显示预测3年和5年OS率的30位患者的校准图。ISP基因signature的校准图（包括CA19-9水平和T / N阶段）显示观测结果与预测生存之间的一致性。这些结果进一步表明ISP基因signature以及CA19-9水平和T/N分期的临床意义。

图3.线型图预测PDAC患者的存活率。

好了今天的分享到这里就结束啦，文章的整体思路比较简单也容易实现（除了临床样本获取）。一个预后模型、三张图、四个公共数据集+一个实验集能发10分的文章，你还在等什么呢，嘟~嘟~快上车！