文章标题：Identification and validation of a prognostic risk-scoring model for AML based on m7G-associated gene clustering
中文标题：基于 m 的 AML 预后风险评分模型的识别和验证7G 相关基因聚类
发表期刊：Front Oncol
发表时间：20240111
影响因子：3.5/Q2
研究背景
急性髓系白血病（Acute myeloid leukemia, AML）患者的5年生存率仍然很差，缓解后复发。迫切需要更好的预后评估工具。新的证据表明，7-甲基鸟苷（7-methylguanosine, m7G）甲基化修饰在AML中起重要作用，然而，m7G相关基因在AML预后中的确切作用仍不清楚。
研究方法
该研究从 TCGA 、 GEO 和 TARGET 数据库获取了 AML 表达谱和临床信息。使用来自 TCGA 队列的患者数据作为训练集。基于 29 个 m7G 相关基因进行共识聚类。通过 KM 曲线进行生存分析。使用 WGCNA 筛选亚组特征基因集。通过 ssGSEA 进行肿瘤免疫浸润相关性分析。
研究结果
1.基于 m 的共识聚类7G 相关基因
基于 29 m 的表达式相似性7G 相关基因，通过应用共有聚类对 TCGA 数据进行聚类。150 个 AML 样本可以很好地分为 3 个簇，即集群 1 （n = 51）、集群 2 （n = 60） 和集群 3 （n = 39）。m 的表达式7簇 2 的 G 相关基因显著高于其他两组。此外，Kaplan-Meier 生存分析的进一步应用表明，与第 3 组相比，第 1 组和第 2 组在总生存期 （OS） 方面的预后更差。
2. 基于免疫浸润差异构建的预后评估模型
基于各簇之间免疫浸润和预后的显著差异，我们将第 3 簇定义为缺乏免疫浸润（IL 型），第 1 簇/第 2 簇定义为富含免疫浸润的亚型 （IR 型）。对两种类型的 AML 患者的 mRNA 表达谱进行了详细分析，以揭示 IL 和 IR 亚型之间预后不同的潜在机制。经过基因表达分析，鉴定出 265 个 IL 和 IR 亚型之间的差异表达基因，FDR < 0.05 和 |log FC|> 2 个，其中 131 个在 IR 类型中上调，134 个在 IR 类型下调。
3. 特征基因集的鉴定
为进一步探讨上述 3 个簇之间的差异，建立预后评估较好的预后评估模型，采用 WGCNA 算法挖掘每个簇的共表达编码基因集，均为每个簇的特征基因。首先使用分层聚类;此外，使用 Pearson 相关系数计算每个基因之间的距离，并使用 R 包 WGCNA 构建加权共表达网络。
4. 预后模型的识别和验证
基于对 3 个模块化基因簇的富集分析，获得了 1754 个共表达模块之间的差异基因。对 TCGA 训练集样本中这些基因的表达和存活数据进行单因素 Cox 回归模型分析。获得 194 个与预后显著相关的差异基因 （P < 0.005）。为了进一步筛选用于模型构建的基因，随机选择 80% 的 TCGA 训练集样本进行套索回归分析，采用 10 倍交叉验证，从而进行 1000 次套索分析，最后保留 6 个频率> 500 的 mRNAs 作为靶基因。
5. 风险评分以及临床和病理特征的独立预后分析
为进一步探讨预后风险评分模型的临床价值，对 TCGA 队列进行了单变量和多变量 Cox 回归分析。在单变量 Cox 分析中，年龄和风险评分与 AML 患者的预后显著相关。此外，多因素 Cox 回归结果表明，年龄和风险评分是 AML 患者预后的独立危险因素。接下来，我们对这些因素进行了 ROC 分析，AUC 值的结果表明，风险评分在预测 OS 方面的准确性高于年龄风险因素。
6. 为 AML 患者创建预测柱线图
校准图曲线碎片图还显示，柱线图比理想模型具有更好的预测函数。根据柱线图模型评分、中位数和绘制的 KM 曲线将样本进一步分为高低风险组，由此可见高低风险组的 OS 存在显著差异 （log-rank p < 0.0001，HR = 5.99），其中 68 个样本被归类为高风险，69 个样本被归类为低风险。
文章小结
在本研究中，开发了一种新的预后评分模型，以 CBR1 、 CCDC102A 、 LGALS1 、 SLC29A2 、 RD3L 和 TWIST1 为特征基因，根据 AML 患者的 m7G 相关聚集特征基因集预测 AML 患者的预后。并且，该模型与肿瘤免疫之间存在显着相关性。这些发现表明，该评分模型和关键风险基因可用作 AML 患者的潜在预后生物标志物。（对这种思路感兴趣的老师，欢迎联系小编！）
