文章标题：Construction of S100 family members prognosis prediction model and analysis of immune microenvironment landscape at single-cell level in pancreatic adenocarcinoma: a tumor marker prognostic study
中文标题：胰腺腺癌S100家族成员预后预测模型构建及单细胞水平免疫微环境景观分析：肿瘤标志物预后研究
发表期刊：Int J Surg
发表时间：2024年06月
影响因子：12.5/Q1
胰腺腺癌的5年生存率仅为10%，由于其特殊的解剖位置，使得肿瘤组织获取困难，这是一个巨大的挑战。这一限制强调了对新型生物标志物的迫切需要，以对这一患者群体进行分层。因此，本研究旨在构建以S100家族成员为中心的预后预测模型。本研究旨在构建以 S100 家族成员为中心的预后预测模型。利用 6 个 S100 基因及其相应的系数，计算 S100 评分以预测生存结果。本研究提供了全面的内部和外部验证以及功率评估结果，证实了所提出的模型的有效性。此外，该研究探讨了 S100 驱动的潜在机制，导致恶性进展。通过比较预后不同的患者群体的免疫细胞浸润比例，该研究确定了 S100 表达驱动的差异。此外，该分析探讨了受 S100 基因影响的恶性细胞和免疫细胞之间的重要配体-受体对，揭示了重要的见解。值得注意的是，该研究确定了一种能够预测新辅助化疗敏感性的新型生物标志物，为进一步的研究和临床应用提供了有希望的途径。1.S100家族成员预后预测模型构建及预测效果比较首先，作者构建了一个网络图来可视化S100家族成员之间的相互作用及其在GSE71729队列中的预后意义。发现10个S100家族成员预后不良。随后，在TCGA、E-MTAB-6134、GSE57495、GSE79668、GSE62452和ICGC等不同队列中评估了这10名S100家族成员的预后意义。在这些额外的队列中，S100A1并没有成为一个重要的风险预后因素。利用LASSO函数确定预后预测模型的关键基因，最终的预测模型由6个S100家族成员组成。 为了评估模型的预测能力并探讨其临床治疗意义，采用了几种综合分析，包括ROC曲线、校准曲线、Bootstrap重采样进行内部验证，都证实了模型的稳健性。此外，在临床治疗意义方面，与AJCC TNM分期相比，该预测模型在新辅助治疗不良反应方面表现出更好的辨别能力。 3.S100基因在细胞群中的表达分布及单细胞水平上S100驱动的恶性倾向的探讨 使用R包Seurat显示单细胞水平的间充质微环境细胞分布。为了鉴定与S100驱动的恶性倾向相关的基因，利用R包极限分析S100高、低评分组的差异表达，鉴定出26个上调基因和28个下调基因。随后，使用GSEA进行的Reactome富集分析显示，嘧啶分解代谢途径可能是s100驱动的恶性倾向的核心机制。根据嘧啶分解代谢相关的富集基因在细胞簇中的表达水平，鉴定出5个基因NT5C、NT5E、NT5M、UPP1和UPP2。利用R软件包Seurat中的AddModuleScore函数，基于该基因集计算嘧啶代谢评分。随后，应用sctyper功能将恶性细胞分为Pym+和Pym-细胞。研究结果显示，在S100评分高的组中，Pym+恶性细胞的比例更高。 4.胰腺腺癌中s100相关免疫微环境变化的综合分析及关键免疫细胞间的CellChat分析使用tSNE图可视化免疫微环境的详细特征。为了说明不同细胞群在S100高分组和低高分组之间的分布，作者生成了条形图，展示了S100高分样本与S100高分样本之间细胞群的分布比例。利用Wilcoxon检验比较S100高、低评分组间免疫细胞浸润的差异，强调恶性细胞、CD4+ T细胞、CD8+ T细胞、NK细胞的差异具有统计学意义。 该研究提供了来自家族成员的 6 个 S100 基因来构建具有更好区分和校准能力的预后预测模型，解释了嘧啶代谢物的变化是模型基因的恶性进展机制，恶性进展驱动巨噬细胞是改变有效免疫细胞比例的中间体，包括 CD8+T 细胞和 CD4+单细胞水平的 T 细胞。S100A11被筛选为新辅助治疗的可能生物标志物，值得进行实验研究。今天为大家分享的文章纯公共数据挖掘+统计分析，就发到了一区！如果你也想在临床方向发高分文章，不妨试试这个省钱省事又省力的思路吧！![]()
