m6A+预后模型，这篇文章带你一探究竟.学会轻松get7+

今天给同学们分享一篇生信文章“Identification of clinical prognostic features of esophageal cancer based on m6A regulators”，这篇文章发表在Front Immunol期刊上，影响因子为7.3。

结果解读：

m6A相关基因的遗传变异

为了分析ESCA患者m6A相关基因的整体表达情况，本文首先分析了突变和基因表达水平，包括单核苷酸多态性（SNP）、拷贝数变异（CNV）和基因表达。在172个样本中，有23个样本显示出m6A相关调控因子的SNP，主要是错义突变（图1A）。随后，作者总结了ESCA样本中这23个m6A相关调控因子的CNV发生率。图1B显示了CNV的染色体位置变化。m6A相关基因的CNV变异广泛存在，大多数患者的拷贝数减少（图1C）。此外，本研究还分析了ESCA样本中m6A相关基因的mRNA表达水平，结果显示除了METTL14、ZC3H13、RBM15、YTHDC2和IGFBP1外，所有基因的表达均有差异（图1D）。作者应用Spearman相关分析来相关这23个m6A RNA甲基化调控因子。从图1E可以看出，转录组关联性得到了探索，作者认为编写者、擦除者和读者之间存在密切的相关性。RBMX与HNRNPC、HNRNPA2B1之间的相关性最高（P<0）。

01) 在YTHDF3和VIRMA之间的相关性最高（P<0.01）（P<0.01）。

基于七个m6A甲基化调节因子的预后风险模型的构建和验证

接下来，作者分析了m6A相关调节因子在ESCA患者中的作用。m6A调节网络如图所示 2A揭示了与m6A相关基因、节点的相互作用及其在ESCA预后中的作用。研究发现，不仅m6A调节因子具有相同的功能类，而且功能类m6A调节蛋白的表达也显著相关。

GO富集和基因组富集分析

在这项研究中，作者使用GO分析来探索低风险组和高风险组的生物功能。结果显示高风险组动物的生物过程包括器官身份维持、负调控突触囊泄漏、管状男孩、减数分裂端粒和核膜连接、减数分裂端粒聚集、端粒定位、神经元动作电位调节、嘌呤核苷酸代谢。解码器复合物、四氢生物蝶呤生物合成过程、食物摄入减少、刷状缘组装、半乳糖脂生物合成、糖基鞘脂生物合成、嘧啶化合物跨膜转运以及嘌呤核碱基转运（图3A）。接下来，作者进行了GSEA分析，如图3B所示。高风险组与抗原处理机制、EMT-1和错配修复相关。低风险组与CD8-T细胞、免疫检查点、EMT2、全F TBRS、血管生成、Fanconi贫血、DNA损伤修复、WNT靶标和DNA损伤应答相关。

通过qRT-PCR验证IGFBP2、ALKBH5、FMR1和RBMX

IGFBP2、ALKBH5、FMR1和RBMX被选为研究对象，并通过qRT-PCR方法进行验证（表1）。结果：正常组织中IGFBP2的表达水平明显高于ESCA组织（图4）。

基于m6A风险模型构建遗传特征

为了更好地理解与m6A风险模型相关的表型生物学，使用Spearman方法（Cor|>0.3 & p.adjusted<0.01）分析了与m6A风险评分显著相关的基因。共鉴定出741个相关基因。随后，基于这些基因的表达，采用无监督聚类方法将ESCA患者分为三个亚型，分别命名为GeneClusters A、B和C。使用Boruta算法降低了相关基因亚型的维度，以获得特征基因亚型。根据特征基因表达的趋势，将特征基因分为A组和B组。进一步分析了GeneCluster组、m6A特征组、m6A风险评分和临床预后之间的关系（图5A）。同时，生存分析结果显示，三个基因亚型的患者预后存在显著差异，其中GeneCluster C组的预后最差（log-rank p=0.003，图5B）。

遗传变异风险评分的影响

为了更好地了解高和低m6A评分方法对遗传变异水平的影响，本研究分析了常见肿瘤发生过程中驱动基因的单核苷酸突变，比较了不同组之间的SNP水平差异（图6A）。整体水平分析显示，TMB（P=0.051，图6B）在低风险组和高风险组之间略有相关性，而GeneCluster A中的TMB明显低于B组和C组（图6C）。此外，CNV变异频率的研究显示，高风险组的基因CNV变异主要集中在基因扩增上（图6D），而低风险组相对删除了基因拷贝数（图6D）。

基于m6A风险评分的临床预测模型的构建

接下来，为了量化OS预测，作者将风险评分与独立的临床特征（T、N、M和TNM）结合起来构建了一个评分图（图7A）。为了验证m6A风险评分对T、N和M阶段的不同预测效果，本研究比较了T、N、M和m6A风险评分，并使用TNM风险评分的标尺进行了比较，进而建立了一个TNM+m6A风险评分模型（图7B）。结果显示，TNM+m6A预测模型具有更好的预测效果。为了验证TNM的预后情况以及TNM+m6A风险评分模型的预测价值，作者建立了时间相关的ROC曲线（图7C-E）。TNM模型在1、2和3年的OS的AUC分别为0.691、0.733和0.715；而TNM+m6A风险评分模型在1、2和3年的OS的AUC分别为0.783。这些结果表明，TNM+m6A风险评分模型比TNM模型具有更高的预测价值。此外，作者还生成了校准曲线来测试模型的正确性。通过校准曲线，作者发现两个模型预测的1年、2年和3年生存曲线与观察到的生存曲线非常接近，表明这些评分图具有很高的预测能力（图7F-H）。此外，决策曲线分析显示，TNM+m6A风险评分模型比TNM预后模型具有更广泛的临床益处，但3年生存率的益处相似（图7I-K）。

总结

上述结果表明，17种m6A-RNA甲基化调节因子的异常表达与ESCA患者的生存结果有关。然后将风险评分与TNM相结合，以量化OS预测。这项研究强调了RNA修饰在ESCA形成中的重要作用，并为选择治疗方法提供了潜在的生物标志物。