生信发文：细胞衰老公开数据轻松5分快来抄作业

关于细胞衰老，小编从研究潜力、分子机制、研究切入点到14分GTEx挖掘都为大家一一做了详细的介绍，相信机智的小伙伴已经把握住了。当然，对于还在观望或者不知如何实战的选手，小编也不会落下。今天小编将围绕两篇肺腺细胞衰老的文章为大家讲解如何开展5分以上的细胞衰老生信分析。

Comprehensive Analysis Uncovers Prognostic and Immunogenic Characteristics of Cellular Senescence for Lung Adenocarcinoma

Identification and validation of cellular senescence patterns to predict clinical outcomes and immunotherapeutic responses in lung adenocarcinoma

第一篇：

综合分析揭示了肺腺癌细胞衰老的预后和免疫特征

文章去年十一月份发表在Frontiers in Cell and Developmental Biology, IF: 6.64。

背景：

细胞衰老在肿瘤发生发展和免疫调节中扮演了重要角色。然而，肺腺癌中还缺少一个鲁棒和可信的细胞衰老相关signature来预测患者临床结局和免疫治疗反应。

材料方法：

文章以TCGA肺腺癌数据作为训练集，GEO三套独立数据作为验证，此外74对临床样本用于验证signature基因表达水平，膀胱癌免疫治疗队列IMvigor210用于分析免疫治疗预测效能。

细胞衰老基因来自CellAge，针对278个细胞衰老基因依次进行差异表达，单变量cox，LASSO cox进行分析并构建signature (SRS)。生信分析需求意向填写

结果：

1.肺腺癌中识别差异表达细胞衰老相关基因

2.肺腺癌中开发细胞衰老相关signature

3.三个独立数据验证SRS

4.SRS生物学过程分析

5.SRS与SASP（细胞衰老相关分泌表型）改变和免疫细胞浸润有关

6.临床结局中SRS和免疫检查点的影响

7.SRS对于免疫治疗反应的预测潜能

8.肺腺癌组织验证signature基因表达

小结：

总的来说，文章基于公共数据库的细胞衰老基因，在TCGA数据中成功构建了一个signature预测患者预后并在三套独立数据中得到证实。分子解析发现高风险患者具有更多的SASP和免疫抑制表型，低风险患者可能在免疫治疗中获益。研究结果表明signature通过SASP参与了肿瘤微环境的调节，是肺腺癌预后和免疫治疗强有力的生物标志物。

第二篇：

肺腺癌中识别和验证细胞衰老模式以预测患者临床结局和免疫治疗反应

文章去年十二月份发表在Cancer Cell International, IF: 5.722

背景：

aging和senescence能够影响免疫细胞健康和肺癌治疗效应，特别是免疫治疗。然而，细胞衰老和肿瘤微环境的关系还不清晰；细胞衰老相关基因在评估肺腺癌患者临床结局和免疫浸润方面的能力还需要进一步研究。

材料方法：

文章一共使用五套公共数据，以及一套非小细胞肺癌免疫治疗数据，74对临床样本。

细胞衰老基因来自CellAge，针对278个细胞衰老基因，首先进行单变量cox分析识别预后相关基因。基于预后相关基因使用NMF方法识别不同细胞衰老模式。对于不同模式间差异表达基因，依次进行单变量cox，随机森林和多变量cox进行分析并构建signature。

结果：

1.肺腺癌不同细胞衰老分子模式识别

2.不同细胞衰老cluster免疫landscape表征

3.肺腺癌患者OS细胞衰老score构建

4&5.肺腺癌患者CSS可作为独立预后因素及Nomogram

6.不同风险分组肿瘤突变和生物学通路综合分析

7.CSS与肿瘤免疫浸润有关且能够预测治疗获益患者

总结：

第二篇文章从分子分型出发，最后构建了一个细胞衰老signature，表明了肺腺癌细胞衰老模式与免疫之间的关系，增强了我们对于肿瘤免疫微环境的理解，为改善肺腺癌免疫治疗结局提供了一个新的视角。

两篇文章都属于比较经典的公共数据挖掘思路，虽然都是肺腺癌，但是核心却不一样。第一篇属于基于细胞衰老基因构建预后signature；而第二篇属于识别细胞衰老模式（分子亚型），并基于临床应用开发signature。相信细心的人已经发现了，两篇文章的作者还是有两位是不一样的。此外，比较遗憾的是两个杂志都已经是风险期刊了（一个低风险，一个中风险）。不过总的来说，细胞衰老的公共数据挖掘，这两篇文章可以作为入门实战的利器。生信分析需求意向填写