生信套路分析-识别自噬相关的预后标志物

识别自噬相关的预后标志物,目录,Part1:分析流程概述Part2:数据获取及预处理Part3:自噬基因表达模式的识别Part4:自噬相关风险标记的识别Part5:自噬相关标记与临床信息的相关性Part6:独立预后标志物的识别Part7:独立预后标志物的验证Part8:癌症预后风险预测Part9:风险标记与基因突变的相关性,Part1:分析流程概述,识别自噬相关的预后标志物,Part1:分析流程概述,Step1:研究背景,卵巢癌：世界上最致命的妇科癌症卵巢癌的发病率有所增加。75的卵巢癌患者患者患有浆液性卵巢癌。众所周知，肿瘤分期，组织学分级和残留肿瘤大小是卵巢癌患者的重要预后因素。自噬：自噬可以在癌症发展的不同阶段促进或抑制肿瘤细胞的存活。在癌症的早期阶段，自噬促进受损蛋白质或细胞器的降解，以减轻细胞损伤和染色体不稳定性，从而抑制癌症进展。,Part1:分析流程概述,Step2:流程概述,主成分分析,AIC模型构建,生存分析,卡方检验,生存分析,定量预测,单/多因素Cox回归,Part2:数据获取及预处理,识别自噬相关的预后标志物,Part2:数据获取及预处理,Step1：HADb数据库/MSigDB数据库,Step2：TCGA数据库,网址：http:/www.autophagy.lu//gsea/msigdb自噬相关基因,网址：/标准化的基因表达数据集和与浆液性卵巢癌患者的临床信息,Part2:数据获取及预处理,Step3：cBioPortal数据库,Step4：GEO数据库,网址：/患者的完整突变数据集,网址：/gdsGSE14407,GSE38666,GSE54388,GSE27651,GSE18520,GSE40595,GSE32062,GSE26193,GSE51088独立的微阵列浆液性卵巢癌数据集,Step5：数据预处理,RMA方法用于标准化原始微阵列数据集，ComBat方法用于去除批次效应，对微阵列表达谱探针进行注释,Part3:自噬基因表达模式的识别,识别自噬相关的预后标志物,Part3:自噬基因表达模式的识别,自噬相关基因筛选微阵列表达数据集,主成分分析,Part4:自噬相关风险标记的识别,识别自噬相关的预后标志物,Part4:自噬相关风险标记的识别,Step1:单因素Cox回归分析识别预后相关自噬基因,Riskscore=(-0.6125*SERPINA1的表达值)+(1.3717*CCL2的表达值)+(1.7149*IFNG的表达值)+(3.4981*APOL1的表达值)+(-1.7198*ATG4B的表达值)+(-3.2995*PTPN22的表达值)+(-0.7434*LRRK2的表达值)+(-5.2897*CRNKL1的表达值),Part4:自噬相关风险标记的识别,Step2:多因素Cox回归模型确定独立预后因素,高低风险组OS生存曲线,高低风险组聚类热图,Part4:自噬相关风险标记的识别,Step3:多变量Cox回归模型确定独立预后因素,8基因标记和临床信息的3年生存期ROC曲线,高低风险组之间的预后差异,Part5:自噬相关标记与临床信息的相关性,识别自噬相关的预后标志物,Part5:自噬相关标记与临床信息的相关性,Step1:自噬相关标记在分层浆液性卵巢癌数据中的生存分析（OS）,grade2,grade3,optimal,suboptimal,Part5:自噬相关标记与临床病理的相关性,Step2:自噬相关标记在分层浆液性卵巢癌数据中的生存分析（PFS）,grade2,grade3,optimal,suboptimal,Part6:独立预后标志物的识别,识别自噬相关的预后标志物,Part6:独立预后标志物的识别,单因素/多因素Cox回归分析验证自噬相关标记与OS和DFS相关性,Part7:独立预后标志物的验证,识别自噬相关的预后标志物,Part7:独立预后标志物的验证,Step1:GSE51088数据集验证预后标记,GSE51088数据集高低风险组OS,GSE51088数据集高低风险组聚类热图,Part7:独立预后标志物的验证,Step2:GSE26193数据集验证预后标记,GSE26193数据集高低风险组OS,GSE26193数据集高低风险组聚类热图,Part7:独立预后标志物的验证,Step3:TCGARNAseq数据集验证预后标记,TCGARNAseq高低风险组OS,TCGARNAseq高低风险组聚类热图,Part8:癌症预后风险预测,识别自噬相关的预后标志物,Part8:癌症预后风险预测,Step1:诺模图来估算1,2,3,4和5-年生存概率,Part8:癌症预后风险预测,S