IF: 8+ m6A调控因子与m6A相关的lnc/mRNA作为结直肠癌预后因子的综合性分析

点击关注，桓峰基因

桓峰基因

生物信息分析，SCI文章撰写及生物信息基础知识学习：R语言学习，perl基础编程，linux系统命令，Python遇见更好的你

86篇原创内容

公众号

这期分享21年12月发表在Molecular Therapy: Nucleic Acid杂志（IF：8.86）文章，本文研究m6A调控因子与m6A相关的RNA作为结直肠癌预后因子的综合性分析，该文章使用桓峰基因公众号里面的教程即可实现，有需要类似思路的老师可以联系我们！

摘 要

结直肠癌(Colorectal cancer, CRC)是最常见的恶性肿瘤之一，近年来已成为全球范围内癌症相关死亡的主要原因。N6-methyladenosine (m6A)甲基化是各类rna中最丰富的表观遗传修饰，在促进癌症发展中起着至关重要的作用。本研究中，我们从癌症基因组图谱(TCGA)中获得了CRC的SNV和转录组数据。我们发现大多数m6A甲基化调控因子在CRC患者中异常表达。m6A调控因子的异常表达是由其不同的拷贝数变异(拷贝数变异，CNV)模式引起的，m6A调控因子的改变与预后及肿瘤分期显著相关。通过加权共表达网络分析(WGCNA)，我们识别了m6a相关的长链非编码RNA (lncRNAs)和mRNA;然后我们使用最小绝对收缩和选择算子(LASSO) Cox回归分析构建TCGA数据集中m6A相关的lncRNA和mRNA预后特征。建立具有临床病理特征、lncRNA风险评分和mRNA风险评分的Nomogram生存风险预测图，对CRC患者在训练集和测试集的总体生存预测能力较强。综上所述，m6A甲基化调控因子在影响CRC患者的预后中发挥着至关重要的作用，而m6A相关的lncRNA和mRNA揭示了CRC肿瘤发生和进展的潜在机制。

生信分析流程

我们从文章中提取生信分析流程，文章算是利用多组学的思路来分析结直肠癌预后，m6A调控因子的表达和CNV在结合lncRNAs和mRNA的数据综合性分析，看下文章中使用的数据集和生信分析方法，如下：

• 相关数据准备

  数据集选择：TCGA-CRC 包括618例患者的FPKM和CNV数据，包括582 primary tumor tissues and 36 normal tissues；

  训练集和测试集：a training set (n = 393) and a testing set (n = 189)

基因集选择：19个m6A调控因子，14176 lncRNAs and 19645 mRNAs

• 生信分析方法

我们从文章的分析流程中提取所有的分析内容，整理出来就12个分析条目，构成了整个文章，临床大样本量+生信文章，发了8+，点击分析条码就会跳转到对应公众号的教程，跟着教程做，您也能发8+，如下：

1. CRC中m6A RNA甲基化调控因子的概况（heatmap)

2. CRC中m6A RNA甲基化调控因子与临床特征的关系（K-M）

3. CRC原发与正常样本的差异基因分析（limma）

4. CRC原发与正常样本的lncRNAs和mRNAs的差异分析（edgeR）
5. m6A RNA甲基化调控因子表达与临床病理特征和生成之间的关系

6. WGCNA检测m6A相关的lncRNA和mRNA

7. 构建Lasso Cox 回归进一步筛选m6A相关的lncRNA和mRNA

8. m6A相关lncRNA和mRNA的Cox风险模型的构建

9. 单/多因素Cox回归分析筛选独立的预后因素

10. 基于m6A相关lncRNA和mRNA预后模型的Nomogram构建

11. 临床预测模型的校验曲线（Calibration curve）

12. 临床预测模型的决策曲线（DCA）

13. 临床预测模型准确性（ROC）

研究结果

1. CRC中m6A RNA甲基化调控因子的概况（heatmap)

文章对整体进行了终结，如热图和调控因子之间的相关性，如下：

2. CRC中m6A RNA甲基化调控因子与临床特征的关系（K-M）

3. CRC原发与正常样本的差异基因分析（limma）

4. CRC原发与正常样本的lncRNAs和mRNAs的差异分析（edgeR）

5. m6A RNA甲基化调控因子表达与临床病理特征和生成之间的关系

6. WGCNA检测m6A相关的lncRNA和mRNA

7. 构建Lasso Cox 回归进一步筛选m6A相关的lncRNA和mRNA

8. m6A相关lncRNA和mRNA的Cox风险模型的构建

分别构建lncRNA和mRNA的Cox风险预后模型，并计算ROC以及RiskScore的高低分组与生存之间的关系，如下：

9. 单/多因素Cox回归分析筛选独立的预后因素

通过结合临床特征和两个预后RiskScore值进行单因素分析，再次进行多因素分析，而P-value<0.2的即可作为结直肠癌的临床预后独立因子，如下图的Age, Gender, Tumor stage，T stage 和两个RiskScore值，如下：

10. 基于m6A相关lncRNA和mRNA预后模型的Nomogram构建

基因多因素选择的独立预后因子构建Cox风险比例回归模型，并绘制列线表，如下：

11. 临床预测模型的校验曲线（Calibration curve）

通过构建的列线表可以获得每个患者的预后打分值，和风险比例，进一步绘制校验曲线，如下：

12. 临床预测模型的决策曲线（DCA）

评估临床预测模型的决策曲线DCA (Decision Curve Analysis) ，如下：

13. 临床预测模型准确性（ROC）

计算临床预测模型的准确性，如下：

References:

1. Li W, Gao Y, Jin X, et al. Comprehensive analysis of N6-methylandenosine regulators and m6A-related RNAs as prognosis factors in colorectal cancer. Mol Ther Nucleic Acids. 2021;27:598-610. Published 2021 Dec 14. doi:10.1016/j.omtn.2021.12.007