得到多组单选框的值_多组学如何构建预后预测模型，还发了7分+？

今天小编解读的这篇文章是2020年发表在Molecular Therapy-Nucleic Acids上（影响因子7.032）。此研究对肺腺癌进行了多组学分析，并建立预后预测模型。作者的预后预测模型可能具有令人信服的临床价值，可能会改善患者总体生存率，甚至可以为LUAD患者开发新的治疗策略。

题目：Multi-Omics data analyses construct tumor microenvironment and identify the immune-related prognosis signatures in human lung adenocarcinoma.

摘要

近年来，肺癌已成为全世界最常见的癌症之一，其中肺腺癌（LUAD）是最常见的组织学类型。为了剖析LUAD的肿瘤微环境并发现更多的预后信息，作者调查了3种类型的遗传或表观遗传学特征（表达，体细胞突变和DNA甲基化）中与免疫相关的差异，并推测这些改变的潜在作用。

通过分析TCGA中多组学数据，了解免疫应答以及与免疫相关的代谢和神经系统。此外，基于lasso回归和cox回归的四步策略用于构建预后预测模型。对于独立测试集的预后预测，经过训练的模型（平均C指数= 0.839）的性能令人满意，1年，3年和5年AUC分别为0.796、0.786和0.777。最后，基于所有样本构建了整体模型，该模型包含27个变量，在1年，3年和5年的ROC分别为 0.861， 0.850， 0.916。

文章流程图

结果简述

1.LUAD肿瘤微环境的构建

肿瘤组织不仅简单地由肿瘤细胞组成，而且还由异质微环境成分（如成纤维细胞，血管，免疫细胞，基质细胞等）组成，这些成分可以被肿瘤细胞浸润并因此具有肿瘤相关的影响。肿瘤细胞与周围浸润物之间的相互作用尤其是2种主要的非肿瘤成分（基质细胞和免疫细胞）能够协调肿瘤的进展或抑制。

为了评估浸润的基质细胞和免疫细胞的肿瘤相关作用，使用ESTIMATE估计恶性肿瘤组织中的基质细胞和免疫细胞，基于TCGA的表达谱建立了TME。ESTIMATE生成一个可测量肿瘤相关基质存在的基质评分，以及一个代表免疫细胞浸润水平的免疫评分，并将它们结合起来，产生一个称为“estimate score”评分的指标，可全面推断肿瘤的纯度。如下图A所示，LUAD样本与正常样本相比，基质评分