超简单的肿瘤预后风险模型套路文章

　　研究背景

　　由免疫相关的lncRNA组成的标志物，在预测肝细胞癌（HCC）患者的生存中很有价值。

　　研究方法

　　该研究从TCGA数据库中获取转录组数据，通过共表达分析鉴定了免疫相关lncRNA，进而构建了区分肝癌患者预后风险模型。最后根据生存率，临床病理特征，浸润肿瘤的免疫细胞，化学治疗功效和免疫抑制的生物标志物对模型进行评估与验证。

　　研究思路

　　研究结果

　　1.鉴定差异表达的免疫相关lncRNA

　　作者从TCGA数据库获取肝癌的转录组数据（50个正常和374个肿瘤样本）。通过已知的免疫基因和lncRNA的共表达分析，鉴定了808个免疫相关lncRNA，差异表达分析进一步筛选出102个差异表达的免疫相关lncRNA。

　　2.构建风险评估模型

　　经过单因素分析和Cox回归分析，作者筛选了36对DElncRNA进行风险模型构建。接下来，作者通过ROC曲线分析对模型进行评估。作者绘制了1年，3年和5年ROC曲线，所有AUC值都超过0.85，而且还比较了5年ROC曲线与其他临床特性。这些结果都验证了风险模型的可靠性。

　　3.通过风险评估模型进行临床评估

　　基于风险评分作者将TCGA的365例肝癌患者分为高危组（157例）和低危组（208例），之后进行生存分析。结果显示低风险生存时间更长。

　　接下来作者又通过卡方检验研究肝细胞癌风险与临床病理特征之间的关系，结果发现风险评分与临床分期、肿瘤等级、生存状态等临床病理参数显著相关。

　　最后，通过Cox回归分析进一步证实了风险评分可作为独立预测指标。

　　4.风险评估模型与肿瘤浸润的免疫细胞、免疫抑制分子及化学疗法相关性分析

　　由于风险模型的构建是基于与免疫相关的lncRNA，因此作者对该模型是否与肿瘤免疫微环境有关进行了探讨。Spearman相关分析结果发现，与成纤维细胞和CD4 + T细胞相比，高风险组与浸润肿瘤的免疫细胞（如巨噬细胞，单核细胞和CD8 + T细胞）有着更高的正相关关系。

　　由于在临床实践中使用免疫检查点抑制剂（ICI）来治疗肝细胞癌，因此作者又研究了该风险模型是否与ICI相关的生物标志物有关，发现高风险评分与CTLA4，HAVCR2的高表达呈正相关。

　　除了免疫检查点抑制剂（ICI）外，作者还探究了风险模型与普通化学治疗肝癌的疗效之间的关联。分析发现高风险评分与阿霉素、丝裂霉素等化学治疗药物的半抑制率（IC50）相关。该结果表明风险模型可作为化学治疗敏感性的潜在预测指标。

　　总结

　　这篇文章从研究思路流程图就能看出是只是一篇常规的构建风险模型的文章，就是先筛分子（免疫相关的lnRNA），再建模型，最后评估模型。而且该文章还有一个不足：基于公共数据库肝癌数据量的局限性，缺少了外部验证数据集对风险模型进行验证。但作者巧妙地利用了风险模型与临床病理参数、肿瘤浸润的免疫细胞、免疫检查点抑制剂及化学疗法相关性分析，既评估了模型的可靠性，又蹭足了免疫浸润、免疫检查点等研究热点。总之，这是一篇简单、可复制性极高的文章！当然除了m6A相关/免疫相关，还有转移相关/增殖相关/自噬相关/铁死亡相关等热点可以探究，同样套路的文章你想复现吗？