【铁死亡>>预后模型】01.随机森林+PCA+LUAD（4+分）

PMID: 33778001
杂志：Frontiers in Molecular Biosciences

知识点

• 36个铁死亡相关基因
• FRRS: ferroptosis-related risk score, 铁死亡风险评分

肺腺癌数据集

Source	Accession	Platform	Number of cases
TCGA-LUAD	−	IlluminaHiSeq	500
GEO	GSE3141	GPL570	58
GEO	GSE30219	GPL570	85
GEO	GSE31210	GPL570	226
	IMvigor210	IlluminaHiSeq	348
−	CPTAC-LUAD	Proteome	111

亮点

• 随机森林(OOB+minimal depth +VIMP+PCA)筛选基因
• 用主成分分析的第一主成分PC1作为FRRS
• CPTAC+HPA验证模型基因蛋白表达

摘要

作者提取36个铁死亡相关基因，用随机森林方法提取11个基因构建模型，并用3个GEO数据验证模型，随后对构建的模型进行周边分析，包括通路富集分析、突变和TMB、免疫检查点、免疫浸润和免疫反应分析等，为临床治疗提供指导。

整体思路

结果

1.模型构建+PCA分析

作者用随机森林法，选取11个基因构建预后模型，并根据riskscore分为3个部分，随后用PC1作为FRRS

Fig.2

2.模型验证

对构建的模型进行验证，验证过程中KM使用“maxstat”方法选取最大分界点。

Fig.3

尽管采用最佳分割点，仍有无统计学差异的，看看作者怎么解释。

An exception was noted with GSE3141 (p = 0.100). Although not significant, a similar prognostic trend was observed (Figure 3C). The area under the ROC curves in GSE31210 was 0.662, 0.601 and 0.690 for 2, 3, and 5 years, respectively, (Figure 3D). In the GSE30219 cohort, the AUCs of FRRS at 2, 3 and 5 years were 0.686, 0.699, and 0.694, respectively, (Figure 3E). For the GSE3141 cohort, all AUCs were no more than 0.600 (Figure 3F).

3. 模型周边

3.1突变+TMB

根据风险分组，查看高低风险组的突变和TMB情况

Fig.6

3.2 差异基因+富集分析

根据风险组，找出两种的差异基因，进行GO/KEGG/GSEA富集分析

Fig.7

3.3 免疫检查点+免疫浸润

富集分析发现跟免疫有关，那就看看免疫情况吧，免疫检查点+免疫浸润

Fig.8

3.4 免疫反应

作者选取PC1中贡献值最大的3个基因，分析在免疫反应中的作用。

Fig.9

4.模型基因周边

mRNA表达+CNV

Fig.4

Fig.5

总结

中规中距的生信基因预后，相对比较完整，再补充上药物预测+MoAs，一致性聚类，mRNAsi结果会更好玩。
参考链接：
Comprehensive Analysis of Ferroptosis Regulators in Lung Adenocarcinomas Identifies Prognostic and Immunotherapy-Related Biomarkers