解螺旋公众号·陪伴你科研的第2598天
铁死亡
铁死亡是近些年来新发现的一种细胞死亡的新形式，与多种疾病、肿瘤和损伤密切相关，近几年在此方向的国自然项目逐渐增多。今天想和大家一起学习2021年2月发表在 Molecular Therapy-oncolytics（IF：4.115，实时影响因子5.99）上的文章。根据目前的预测结果，该刊在本月底公布的20年影响因子时有望破6。
ps：更多关于影响因子的信息请看“端午节巨献！SCI期刊影响因子预测大pk！”
文章标题
期刊简介
背景知识
铁死亡（Ferroptosis）是一种调节性细胞死亡，主要依赖于铁介导的氧化损伤和随后的细胞膜损伤。与经典的细胞凋亡不同，铁死亡过程中没有细胞皱缩，染色质凝集等现象，但会出现线粒体皱缩，脂质过氧化增加。传统的细胞凋亡，细胞自噬，细胞凋亡抑制剂不能抑制铁死亡过程，但铁离子螯合剂可以抑制这一过程，说明铁死亡是铁离子依赖的过程。
铁死亡可以通过两条主要途径启动：外源性或转运蛋白依赖途径，以及内源性或酶调节途径。
外源性途径：通过抑制细胞膜转运蛋白，如胱氨酸/谷氨酸转运蛋白或激活铁转运蛋白、转铁蛋白和乳转铁蛋白（lactotransferrin）而启动的。
内源性途径：通过阻断细胞内抗氧化酶（如谷胱甘肽过氧化物酶GPX4）激活的。
诱导铁死亡的关键因素：铁积累的增加、自由基的产生、脂肪酸供应和脂质过氧化
多种氧化和抗氧化系统，与自噬和膜修复机制一起作用，塑造了铁死亡时脂质过氧化的过程。
在肿瘤发生过程中，铁死亡具有促进和抑制肿瘤的双重作用。这依赖于肿瘤微环境中损伤相关分子模式（damage- associated molecular patterns (DAMPs)）的释放和铁死亡性损伤引发的免疫反应激活。
小贴士：农民工老师在“铁死亡在肿瘤中的作妖历程，这篇53分重磅综述都道尽了”对铁死亡有非常详细的介绍，有兴趣可以去读一下~ 农民工老师写的推文都是超高品质的，每篇都是最热门最经典最前沿的，每次想不到idea的时候，去读下农民工老师的推文，总能找到点方向，哈哈~
数据解读
本文一共有6张图，作者从GEO数据库获得差异表达基因，从FerrDb数据库获得铁死亡相关基因，取交集获得 45 个差异表达的铁死亡相关基因，并进行富集分析和交互网络分析（图1）。接着，根据单变量 Cox 回归（图2）和多变量 Cox 回归分析（图3）的结果建立了铁死亡相关基因的预后模型，评估肿瘤免疫微环境和免疫细胞浸润情况（图4和图5）。最后，建立了预测性铁死亡相关的预后列线图，其中包括年龄、性别、等级、TNM 分期和风险评分的预测值，以预测总生存期（图6）。
◆ Rstudio + pheatmap 包 + estimate 包 + CIBERSORT包
文章复现
ESCC 中差异表达的铁死亡特征概述
仙桃学术（https://www.xiantao.love/），点击【数据集检索】
输入数据集名称【GSE20347】 → 【检索】 → 【选择样本】
勾选所有样本 → 【添加到样本库】 → 【进入我的样本库】
将【normal】勾选【加入参考组】
将【ESCC】勾选【加入实验组】 → 【提交分析】
小贴士：免费版/基础版/高级版每日可提交的分析次数不同，根据需要提升等级吧~
待状态变为【完成】时即可下载结果
下载【CSV表格】以便后续分析
【热图下载】即为图1 A
GSE23400和GSE75241不能在仙桃工具中直接完成，需要借助GEO2R
输入数据集名称【GSE23400】 → 【检索】 → 【GEO2R】
选择癌旁组织为【control】,选择ESCC组织为【tumor】
【Analyze】
【Download full table】
同样的方法分析GSE75241，将GSE20347, GSE23400, GSE75241的差异基因名称，再加上FerrDb铁死亡数据库中的基因名全部整理到一个Excel表格中。
小贴士：Lily在“超好用铁死亡数据库介绍！这个最新表型数据库，你一定能用上！”中介绍的FerrDb数据库，有详细的FerrDb数据库使用方法哦~
仙桃学术（https://www.xiantao.love/），点击【生信工具】
【高级版】 → 【立即使用】
注：免费版和基础版都可以进行统计和可视化，由于高级版功能最全，这里选择高级版作为范例
【基础绘图】 → 【韦恩图】 → 上传刚刚保存的表格 → 【确认】 → 即得到图1B，【保存结果】，【下载图片】，【下载表格】
为了和原文尽量保持一致，以下分析按照原文中筛选出的45个基因，进行下一步分析。
进入Metascape数据库（https://metascape.org/）
将45个基因名粘贴进【gene list】 → 【Submit】 → 选择【H.sapiens】 → 【Express Analysis】 → 【Analysis Report Page】
【Figure 1】即为图1C
【Figure 2】即为图1D
【Figure 3】即为图1E
预后铁死亡特征的 Kaplan-Meier图和森林图
进入仙桃学术生信工具
【临床意义（靠）】 → 【预后分析】 → 【KM曲线图】 → 【食管癌】 → 输入目的基因【TFRC】 → 【确认】即可得到图2A
图2B-F方法类似：
【临床意义（靠）】 → 【预后分析】 → 【单因素|多因素cox回归】 → 【食管癌】 → 输入【TFRC】等6个目的基因并分为高低组 → 【确认】
【Excel表格下载】
打开Excel,仅保留前4列，即单因素cox回归分析的结果，删除最后2列，保存文件。
【基础绘图】 → 【森林图】 → 上传刚刚保存的文件 → 【确认】 → 【保存结果】并【下载】，即为图2G
基于多元Cox回归分析的预测模型构建
图3还未开发此功能，需要配合R语言代码完成。目前只能实现单基因的KM曲线和ROC曲线
【临床意义（靠）】 → 【预后分析】 → 【时间依赖ROC】 → 【食管癌】 → 输入目的基因【SCP２】 → 预测年限分别输入【１年】【３年】【５年】 → 【确认】即可得到单基因不同时间点的ROC曲线
TCGA-ESCC中免疫评分、基质评分和estimate评分的预后意义
此图需要运用Estimate包来完成
可参考挑圈联靠公众号中汇然的“还不会计算肿瘤纯度和免疫评分？学会这两个R包就够了~”
TCGA-ESCC 队列中不同铁死亡风险评分组的免疫细胞图谱
此图需要运用CIBERSORT 包完成
可参考挑圈联靠公众号中日行一膳的“免疫浸润利器——CIBERSORT纯代码实操”
预测 ESCC 1、2 和 3 年 OS 的列线图
【临床意义（靠）】 → 【预后分析】 → 【预后nomogram图】 → 【食管癌】 → 选择列线图中的参数和基因 → 预测年限分别输入【１年】【３年】【５年】 → 【确认】
即可得到图6A
【临床意义（靠）】 → 【预后分析】 → 【Calibration分析】 → 【食管癌】 → 选择列线图中的参数和基因 → 预测年限输入【３年】 → 【确认】
等待几分钟，Calibration分析就会完成。
【临床意义（靠）】 → 【预后分析】 → 【Calibration可视化】 → 【食管癌】 → 【确认】即可得到图6B
1. 构建与铁死亡相关的预测模型，为 ESCC 预后的预测提供了新的方向
2. 结合免疫评分，确定了免疫微环境与ESCC患者预后的相关性。
3.多个数据集联合分析，有测试集有验证集，使结果更精准
2. 2021年2月发表在Diagnostics(IF: 5.25)上的“A Novel Ferroptosis-Associated Gene Signature to Predict Prognosis in Patients with Uveal Melanoma”， 将 TCGA -UM作为训练集，将GEO数据库中 的 GSE22138 作为验证集，从 GeneCards 中检索到 103 个铁死亡相关基因，进行了 Kaplan-Meier 和单变量 Cox 分析，以初步筛选具有潜在预后能力的铁死亡相关基因。然后基于这些基因 构建LASSO Cox 回归模型，并通过KM、Cox 和 ROC 分析评估发现的基因特征。
联系客服
