数据获取与预处理
获取并整合胰腺癌的转录组、DNA甲基化、体细胞突变和临床数据。
从TCGA、ICGC、GEO和ArrayExpress数据库下载PACA相关数据,包括转录组、DNAm、突变和临床信息;使用limma等软件进行差异表达分析。
A DNA-Methylation-Driven Genes Based Prognostic Signature Reveals Immune Microenvironment in Pancreatic Cancer.
包含多组学数据整合分析、多个独立验证队列、功能富集分析、免疫浸润评估、体细胞突变分析及组织芯片免疫组化验证等至少两个独立证据层级。
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
获取并整合胰腺癌的转录组、DNA甲基化、体细胞突变和临床数据。
从TCGA、ICGC、GEO和ArrayExpress数据库下载PACA相关数据,包括转录组、DNAm、突变和临床信息;使用limma等软件进行差异表达分析。
识别在胰腺癌中因甲基化改变而导致表达异常的基因。
使用MethylMix算法整合DNA甲基化和mRNA表达数据,鉴定MDGs;并与差异表达基因取交集,得到75个与胰腺癌相关的MDGs。
基于MDGs构建能预测胰腺癌患者总生存期的风险评分模型。
对75个MDGs进行K-M分析和单因素Cox回归,筛选出35个与OS相关的基因;进一步通过LASSO回归分析筛选出4个基因(GPRC5A, SOWAHC, S100A14, ARNTL2),构建风险评分模型,并在多个独立数据集中验证其预测性能。
探索高风险评分亚组的分子特征和免疫微环境状态。
对高风险和低风险评分亚组进行GSEA和GSVA分析,鉴定富集通路;利用CIBERSORT、ssGSEA等算法评估免疫细胞浸润;分析癌症免疫循环负调控基因的表达。
比较高低风险亚组的突变谱和肿瘤突变负荷差异。
利用maftools可视化TCGA-PAAD队列的突变景观,计算TMB并比较两组差异。
验证四个MDG蛋白在胰腺癌组织中的表达及其预后价值。
使用本中心70例PACA患者的石蜡包埋样本构建组织芯片,通过免疫组化检测GPRC5A、SOWAHC、S100A14和ARNTL2蛋白表达,并分析其与预后的关系。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 免疫组化 | 抗人GPRC5A抗体 | ABclonal | A8173 |
| 抗人SOWAHC抗体 | Proteintech | 24033-1-AP | |
| 抗人S100A14抗体 | ABclonal | A10394 | |
| 抗人ARNTL2抗体 | Bioss | BS-11446R | |
| DAB底物试剂盒 | ZSGB-BIO | ZLI-9017 |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据获取与处理 | 样本来源(TCGA、ICGC、GEO等)和数据整合方式(TOIL流程) 阅读提示:Materials and Methods: Data Acquisition and Preprocessing |
| 差异表达和MDGs鉴定 | 阈值(|log2FC|>1, p<0.05)、MethylMix版本及参数 阅读提示:Materials and Methods: Screening for Differentially Expressed Genes and Functional Enrichment of MDGs |
| 构建预后模型 | 训练集和验证集划分、LASSO回归的交叉验证次数和lambda选择 阅读提示:Materials and Methods: Construction of an MDG-Based Prognostic Signature |
| 免疫浸润分析 | CIBERSORT、ssGSEA算法的运行参数 阅读提示:Materials and Methods: Subgroup Analyses of Molecular Characteristics |
| 免疫组化验证 | 组织芯片构建细节、抗体稀释比例、抗原修复条件、评分方法 阅读提示:Materials and Methods: Histopathological Evaluation |