医院郑雨潇冯继锋团队锁定

编者按：“AME作者面对面”专栏由编辑部精心挑选了发表在AME旗下杂志的优秀论著，诚邀作者总结亮点；“不期而会·作者面对面”系列则是从中邀请杰出的作者团队进行线上对话，引出背后的科研故事，进一步启发广大医学同行的学术思维，共促成长。在AnnalsofTranslationalMedicine杂志（点击了解详情）中，医院郑雨潇、冯继锋团队发表了关于“在TCGA数据库中筛选低级别神经胶质瘤微环境相关的预后基因”的研究。编辑部诚邀本文第一作者倪杰分享研究团队的科研思路，看看他们是如何一步步地在热爱的领域深耕、成长的。

不期而会·倪杰

AME：为什么会选择TCGA数据库来开展研究的?在应用公开数据或公共数据库中有哪些需要注意的问题？倪杰：TCGA数据库是收录癌症患者相关信息的综合性数据库，包括了基因组、转录组、表观遗传、蛋白组等各个组学数据。由于TCGA数据库具有丰富的患者样本量及全面的信息，使得其成为我们做这项研究的首选。应用公开数据或公共数据库中，我们认为需要注意的是：一是数据倾向性，有的数据库更倾向于收录临床资料，有的数据库更倾向于收录患者肿瘤学或者基因组学资料，等等。我们需要根据自己的研究选题选择合适的数据库。二是数据时效性，一般来说公共数据库会在一段时间（比如几年）后进行数据更新，由于检测方式的进步和收录模式的改变可能数据会发生变化，我们研究的时候需要注意尽量选择最新数据库。AME：本研究的多项分析发现，对于临床中低级别神经胶质瘤的预后判断及治疗具有怎么的价值？本研究首次构建的RS评分系统具有良好的预后预测潜能（AUC=0.）。该评分系统从研究真正走向临床，中间还有多少的路要走？倪杰：与既往研究相比较，优势在于构建了基于临床与免疫评分的RS评分系统，对于预后的判断纳入了免疫这一重要变量，使得对预后评估更加精准。这个研究的治疗价值在于我们锁定了“hub基因”，这可能成为未来LGG治疗的新型靶点。我们的评分系统是一个初步的理论基础，距离走向临床还需要许多努力，比如探讨及验证中国人群是否适用于这套系统，临床检测试剂盒的工业化制备等等。AME：在确定选题、数据分析、文章发表等过程中，经历了哪些比较困难或比较耗时的工作？期间，是否有一些意料之外的情况或惊喜？倪杰：经历的困难在于生物信息学分析的过程，因为这其中涉及到许多新的生信分析软件的学习和使用，这毫无疑问是一件耗时耗力的工作。惊喜之处在于发现我们的评分系统确实有不错的预后预测效率，这给了我们很大的鼓舞。AME：这篇论文是否还存留一些问题是需要未来的研究加以解决的？贵团队未来是否有这些方面探索的计划？倪杰：这个研究的局限性在于我们仅利用TCGA数据库做出信息筛选，尚未在临床患者中进行实际验证。我们会进一步搜集患者资料，尤其是中国患者临床数据，构建适合中国人的LGG数据库，并优化研究结果，最终应用于临床造福患者。AME：您是通过什么渠道知道ATM杂志的？怎么想到要把这篇文章投稿到这本杂志的？从投稿到文章正式发表，中间是否有大修／小修，历时多久？这本杂志跟您接触过的其他杂志是否有什么不同？倪杰：我是通过师兄弟之间的杂志推荐知道ATM杂志。之前我们团队也有一些文章有幸被贵刊收录发表，所以多年来愉快的合作经历使我们在这篇文章完稿的时候再次想到了ATM杂志。投稿后有小修，历时半年不到。ATM杂志投稿界面友好，信息反馈及时，评审态度良好。医院郑雨潇、冯继锋团队·AME作者面对面编辑部精心挑选了发表在AME旗下杂志的优秀论著，诚邀作者总结亮点，文章内容如下。所刊杂志：AnnalsofTranslationalMedicine（点击查看杂志详情与影响因子）文章标题：在TCGA数据库中筛选低级别神经胶质瘤微环境相关的预后基因（ScreeningTCGAdatabaseforprognosticgenesinlowergradegliomamicroenvironment）

内容亮点

本文在癌症基因组图谱（TCGA）数据库中下载了低级别神经胶质瘤（LGG）患者基因转录组数据，提取临床特征和生存数据。本文利用ESTIMATE算法计算免疫，基质和ESTIMATE评分，并评估上述评分与组织学类型，肿瘤等级之间的关系；利用Kaplan-Meier（K-M）分析探讨评分的预后价值。本文利用生物信息学手段分析筛选出LGG样本中预后及免疫微环境（TME）相关的差异表达基因（DEG）。此外本文通过GSEA分析，PPI等生物信息学手段进一步筛选影响力强的“hub基因”。本文利用多变量Cox回归分析构建了基于hub基因的风险评分（RS）模型，并评估了其对LGG患者生存结果的预测价值。

本文通过上述分析发现较高免疫、基质、ESTIMATE评分均与LGG组织学类型和较高的肿瘤等级显著相关（P均＜0.）。此外，较高的免疫评分，基质评分和ESTIMATE评分的较差的生存结果相关（P值分别为0.，0.和0.）。本文最终筛选出25个TME相关的hub基因，这些基因与LGG患者总生存率显著相关。此外，本文首次构建的RS评分系统具有良好的预后预测潜能（AUC=0.）。（论著中文信息由第一作者整理提供，欲览英文原文请扫描下方
转载请注明原文网址：http://www.jianglingzx.com/jlxxx/10489.html