https://pubmed.ncbi.nlm.nih.gov/?term=autophagy-related+genes+cancer&filter=datesearch.y_10&size=200
https://pubmed.ncbi.nlm.nih.gov/33457234/
ARGs 來自人類自噬數(shù)據(jù)庫（HADb，http ://www.autophagy.lu/index.html ），這是一個自噬專用數(shù)據(jù)庫，旨在保留參與自噬的人類基因。
基于 ARGs 的 RI 構(gòu)建：然后使用Forward Stepwise（似然比）方法對與其他變量沒有共線性的DEARGs進行多元邏輯回歸分析，以保留可能作為監(jiān)測獨立指標的基因。
生存相關(guān)的 ARGs 和預(yù)后指數(shù)和自噬臨床預(yù)后指數(shù) (ACPI) 的構(gòu)建
首先應(yīng)用單變量 Cox 回歸分析，使用Forward Stepwise（似然比）方法進行多變量Cox回歸分析。
用基因的相對表達水平乘以回歸系數(shù)的線性組合構(gòu)建了預(yù)后指數(shù)（PI）。
image.png
分類準確率為96.5%，陽性預(yù)測值（PPV）為97.4%，陰性預(yù)測值（NPV）為85.7%。
https://pubmed.ncbi.nlm.nih.gov/30984540/
通過構(gòu)建自噬-lncRNA共表達網(wǎng)絡(luò)（P ≤ 0.05）來鑒定自噬相關(guān)的lncRNA 。
共表達網(wǎng)絡(luò)由cytoscape 3.4 軟件可視化。
接下來，我們使用風(fēng)險評分方法來開發(fā)與自噬相關(guān)的 lncRNA 特征。我們根據(jù)中位風(fēng)險評分將神經(jīng)膠質(zhì)瘤患者分為兩組（低風(fēng)險組和高風(fēng)險組）（圖 2）。 3）。
https://pubmed.ncbi.nlm.nih.gov/32477008/
DE-ATGs的鑒定和富集分析
然后，我們使用字符串數(shù)據(jù)庫（https://string-db.org/）構(gòu)建自噬相關(guān)基因的蛋白質(zhì)-蛋白質(zhì)相互作用（PPI）網(wǎng)絡(luò)，并將數(shù)據(jù)導(dǎo)入Cytoscape的軟件中，以可視化PPI網(wǎng)絡(luò)的相互作用。
單變量Cox
將鑒定出的OS相關(guān)基因納入LASSO回歸分析。建立胃癌ATGs的預(yù)后模型。
列線圖的構(gòu)建
ccRCC 細胞系的藥物敏感性
接下來，我們使用 GDSC 數(shù)據(jù)庫分析了幾種 ccRCC 細胞系的藥物敏感性與BAG1和BIRC5表達之間的關(guān)系，BAG1和BIRC5分別是 OS 和 DFS 的風(fēng)險 DEARG。相關(guān)鏈接：http://www.itdecent.cn/p/f2806673e0f5
https://pubmed.ncbi.nlm.nih.gov/32203889/ 【W(wǎng)GCNA】
體細胞突變譜： 高危組存在特定的體細胞突變
https://pubmed.ncbi.nlm.nih.gov/32618109/
我們通過 MEXPRESS 工具 ( http://mexpress.be/ )探索了 TCGA 數(shù)據(jù)庫中四個 ARG 與 DNA 甲基化之間的這種關(guān)系。
https://pubmed.ncbi.nlm.nih.gov/33194668/
預(yù)后風(fēng)險模型的臨床效用
我們發(fā)現(xiàn)兩組之間存在一些顯著的突變富集——IDH1、TP53、ATRX和CIC突變在低風(fēng)險組中更為豐富。圖 8A）。通過檢查 TCGA 和 CGGA 隊列中風(fēng)險評分與臨床特征之間的關(guān)聯(lián)，我們發(fā)現(xiàn)風(fēng)險評分與神經(jīng)膠質(zhì)瘤的分級呈正相關(guān)。圖 8C、F) 并且它在 1p/19q 共缺失和 IDH 突變樣本中顯著較低 (圖 8B、D、E、G）。
構(gòu)建列線圖，將1p/19q 共缺失和 IDH 突變納入
為了確定該模型是否能夠反映膠質(zhì)瘤患者腫瘤免疫微環(huán)境的狀態(tài)，使用 Pearson 相關(guān)分析分析了風(fēng)險評分與免疫細胞浸潤之間的相關(guān)性。
https://pubmed.ncbi.nlm.nih.gov/33392087/
通過對TCGA和基因表達綜合 (GEO) 數(shù)據(jù)庫的組合分析構(gòu)建了一個預(yù)測 HCC 患者 OS 的新列線圖。
【？？？】從人類自噬數(shù)據(jù)庫 ( http://www.autophagy.lu/index.html ) 中總共獲得了 232 個 ATG，從分子特征數(shù)據(jù)庫 v6.2 ( http: //software.broadinstitute.org/gsea/msigdb/）。刪除兩個數(shù)據(jù)庫中重疊的基因后，最終構(gòu)建了487個ATGs（ 補充表 S1 )。腫瘤環(huán)境
我們使用 ESTIMATE 在線工具 ( https://bioinformatics.mdanderson.org/estimate/ ) 來預(yù)測高風(fēng)險和低風(fēng)險組中基質(zhì)細胞和免疫細胞的比例。EPIC 方法使用“EPIC”包計算 TCGA 和 GEO 數(shù)據(jù)集中免疫細胞的浸潤豐度，該包基于復(fù)雜的組織轉(zhuǎn)錄組分析估計細胞組成。
使用 ESTIMATION 進行的腫瘤環(huán)境分析表明，低風(fēng)險組與高免疫和基質(zhì)評分密切相關(guān)。圖 6E、F）?；?strong>EPIC 的免疫細胞分數(shù)預(yù)測表明，低風(fēng)險組的 B 細胞和 CD8+ T 細胞分數(shù)高于 TCGA 數(shù)據(jù)集的高風(fēng)險組（對于 B 和 CD8+ T 細胞，p < 0.0001；圖 6G、H) 以及GSE54236數(shù)據(jù)集（B 細胞 P < 0.0001，CD8+T 細胞 P = 0.0003；數(shù)字 6K、L）。
https://pubmed.ncbi.nlm.nih.gov/32707305/
表2。自噬相關(guān)基因特征和總生存期和無復(fù)發(fā)生存期的預(yù)測臨床病理因素的單變量和多變量 Cox 回歸分析?！?strong>OS，DFS：單，多cox分析】圖 6。按 ER 狀態(tài)（A、B）、PR 狀態(tài)（C、D）、T 期（E、F）、N 期（G、H）、年齡（I、J）分層的隊列中自噬相關(guān)基因特征的總生存期, 階段 (K, L, M)。
最后，我們探討了關(guān)鍵自噬相關(guān)基因、風(fēng)險評分特征和臨床病理特征之間的相關(guān)性。
https://pubmed.ncbi.nlm.nih.gov/33126898/
基于自噬相關(guān)基因的結(jié)腸癌預(yù)后模型的建立【有】
https://pubmed.ncbi.nlm.nih.gov/33227411/
基因集變異分析（GSVA）[ 22 ]（http://www.bioconductor.org/packages/release/bioc/html/GSVA.html）和基因集富集分析（GSEA）[ 23 ]（http://www.bioconductor.org/packages/release/bioc/html/GSVA.html） .broadinstitute.org/gsea/index.jsp ) 以揭示基因特征的潛在途徑。GSVA ，GSEA這兩個不是一樣的。
圖2。13個預(yù)后基因之間的相關(guān)性分析。
3.3 . 預(yù)后模型與臨床病理特征的相關(guān)性
發(fā)現(xiàn)較高的風(fēng)險評分與較高的分期和晚期腫瘤分級顯著相關(guān)（表 2）。
3.4 . ARGs 是 HNSCC 的獨立預(yù)測因子
3.6 . 在蛋白質(zhì)表達水平上驗證預(yù)后基因特征
https://pubmed.ncbi.nlm.nih.gov/32003756/
【多輪驗證?！?br> GEO 數(shù)據(jù)集中的第一輪驗證
oncomine 數(shù)據(jù)庫中的第二輪驗證
HPA 中的第三輪驗證
實驗驗證
image.png
https://pubmed.ncbi.nlm.nih.gov/32964050/ ------基于自噬相關(guān)lncRNA分析的結(jié)腸腺癌預(yù)后指標的開發(fā)
相關(guān)系數(shù)的平方 ∣ R 2 | > 0.3 和P < 0.001 被認為是自噬相關(guān)的 lncRNA。
https://pubmed.ncbi.nlm.nih.gov/32415055/
轉(zhuǎn)錄組表達譜從 TCGA 和 GTEx數(shù)據(jù)庫下載，ARGs 從人類自噬數(shù)據(jù)庫下載。
比較毒物基因組學(xué)數(shù)據(jù)庫 (CTD; http://ctdbase.org/ ) 是一個基于網(wǎng)絡(luò)的數(shù)據(jù)庫檢測調(diào)控獨立預(yù)后基因的 miRNA 和 lncRNA
TargetScan ( www.targetscan.org ) 是一個廣泛使用的數(shù)據(jù)庫，可以預(yù)測 miRNA 的生物靶點。StarBase v2.0（http://starbase.sysu.edu.cn/）可以預(yù)測lncRNAs的生物學(xué)靶點。
miRNAs的富集分析
DIANA 工具 ( http://diana.imis.athena-innovation.gr/DianaTools/index.php ) 是一個 miRNA 通路分析網(wǎng)絡(luò)服務(wù)器
候選小分子藥物的鑒定
Connectivity map (CMap)是一個基于網(wǎng)絡(luò)的數(shù)據(jù)庫，將人類疾病與潛在基因和靶向藥物聯(lián)系起來。獨立預(yù)后基因的預(yù)后價值評估
OSecc 數(shù)據(jù)庫（bioinfo.henu.edu.cn/DBList.jsp）是一種基于網(wǎng)絡(luò)的交互式生存分析工具，可用于評估癌癥患者的 OS [ 9 ]。
https://pubmed.ncbi.nlm.nih.gov/31938577/
2019年9月9日從TCGA數(shù)據(jù)庫下載。相應(yīng)患者的補充臨床信息來自cBioPortal（http://www.cbioportal.org）。
https://pubmed.ncbi.nlm.nih.gov/32903592/
使用獨立數(shù)據(jù)集進一步驗證了 BUC 中 P4HB 和 RGS19 的過表達，包括來自 Oncomine和基因表達綜合 (GEO) 數(shù)據(jù)庫的那些。cBioPortal 和 UALCAN分析表明，改變的 P4HB 和 RGS19 mRNA 表達與突變和臨床特征（淋巴結(jié)轉(zhuǎn)移和癌癥分期）顯著相關(guān)。關(guān)聯(lián)組學(xué)分析
LinkedOmics 13
LinkedOmics的LinkFinder模塊用于分析TCGA隊列BUC中與P4HB或RGS19相關(guān)的差異表達基因。我們使用 GeneMANIA 14 ( 23 ) 來可視化 P4HB 和 RGS19 的基因網(wǎng)絡(luò)。
https://pubmed.ncbi.nlm.nih.gov/33402116/
已證明 miRNA 通過靶向某些 ARG 來調(diào)節(jié)自噬。然而，它們在 PCa 中的潛在作用仍不清楚。大多數(shù) ARGs 的相關(guān)研究只集中在一個信號基因上。我們的研究使用高通量表達譜從自噬的角度捕獲前列腺癌所需的基因。
NKX2-3與自噬相關(guān)風(fēng)險特征相互作用網(wǎng)絡(luò)的構(gòu)建
我們通過FunRich軟件預(yù)測了12個DEMs的靶基因，發(fā)現(xiàn)在眾多自噬相關(guān)基因中，預(yù)測NKX2-3與DEMs中的miR-205有特殊的相關(guān)性。
https://pubmed.ncbi.nlm.nih.gov/33133307/
腫瘤免疫估計資源 (TIMER; http://cistrome.shinyapps.io/timer)，一個用戶友好的網(wǎng)絡(luò)界面，為我們提供了全面研究腫瘤免疫相互作用的分子特征。
https://pubmed.ncbi.nlm.nih.gov/33042422/
研究的目的是確定預(yù)后自噬相關(guān)基因，分析其與膠質(zhì)瘤臨床病理特征的相關(guān)性，并進一步構(gòu)建膠質(zhì)瘤患者的預(yù)后模型。從GeneCards數(shù)據(jù)庫中獲取139個自噬相關(guān)基因后
此外，我們還基于 Oncomine 數(shù)據(jù)庫的數(shù)據(jù)分析了自噬相關(guān)基因的 mRNA 水平，以及基于 HPA 數(shù)據(jù)庫的數(shù)據(jù)分析了蛋白質(zhì)表達水平。表3; 圖 S1 )。
https://pubmed.ncbi.nlm.nih.gov/33042422/
不同預(yù)后模型之間預(yù)測效率的比【列線圖后】
為了進一步評估本研究開發(fā)的列線圖臨床應(yīng)用價值的優(yōu)越性，我們比較了列線圖與傳統(tǒng)預(yù)測模型（即年齡、WHO 分類和組織病理學(xué)）、基于 10 自噬的基因模型之間的預(yù)測精度結(jié)果表明，列線圖預(yù)測患者預(yù)后的準確率明顯優(yōu)于傳統(tǒng)預(yù)測模型、IDH突變、WHO分級（圖 7）。
image.png
https://pubmed.ncbi.nlm.nih.gov/33149738/ 【自噬相關(guān)的長鏈非編碼 RNA 特征導(dǎo)致結(jié)直腸癌預(yù)后不良】
進行 Pearson 相關(guān)性檢驗以研究自噬相關(guān)基因 (ATGs) 和 lncRNAs 之間的關(guān)系。相關(guān)系數(shù)|R2| >0.4 和p < 0.001 證實了 lncRNA 與 ATG 的相關(guān)性?！救绾螌崿F(xiàn)？】
利用 Akaike 信息準則來優(yōu)化風(fēng)險模型。
圖1-----自噬基因和相關(guān)預(yù)后lncRNA的共表達網(wǎng)絡(luò)。
紅色節(jié)點代表自噬相關(guān)的 lncRNA。藍色節(jié)點代表自噬基因Sankey圖
(b) 使用多指標 ROC 分析驗證模型的準確性。
https://pubmed.ncbi.nlm.nih.gov/32684843/
將整個集合以 6 比 4 的比例隨機分為訓(xùn)練集和測試集?！疽灿?:3的】體細胞突變分析
“maftools”包用于匯總、分析、注釋和可視化突變注釋格式(MAF) 文件 [ 13 ]。應(yīng)用 T 檢驗來識別高危組和低危組之間的差異突變基因。plotmaf 摘要函數(shù)用于繪制各種 MAF 文件的數(shù)量和類型。OncoPlot 用于繪制前十個最明顯突變的基因。
訓(xùn)練集中風(fēng)險評分與OS的關(guān)系
驗證測試集中的風(fēng)險評分
驗證整個集合中的風(fēng)險評分風(fēng)險評分與臨床病理因素的關(guān)系
體細胞突變分析
臨床組織樣本中ARGs的表達水平
https://pubmed.ncbi.nlm.nih.gov/32558072/
TCGA數(shù)據(jù)庫（https://portal.gdc.cancer.gov/）用于獲取轉(zhuǎn)錄組數(shù)據(jù)，cBioPortal數(shù)據(jù)庫（https://www.cbioportal.org/）用于獲取患者臨床病理數(shù)據(jù)。
https://pubmed.ncbi.nlm.nih.gov/31516391/
實驗文章：
最近的研究表明，長鏈非編碼 RNA (lncRNA) 通過與其他細胞大分子（包括 DNA、RNA 和蛋白質(zhì)）的相互作用來驅(qū)動許多重要的癌癥表型 [ 16 ]。關(guān)于 lncRNA 功能機制的一種假設(shè)是競爭性內(nèi)源 RNA (ceRNA) 假設(shè) [ 17 ]，該假設(shè)認為特定的 RNA 可以通過隔離損害 microRNA (miRNA) 活性，從而上調(diào) miRNA 靶基因表達 [ 17 ]。
https://pubmed.ncbi.nlm.nih.gov/32769067/ 【自噬相關(guān)基因表達分類定義了結(jié)腸癌中具有不同臨床和微環(huán)境細胞浸潤特征的三種分子亞型】
[18]、[19]執(zhí)行上述步驟時，保持 1000 次重復(fù)以確保分類穩(wěn)定性。
3.3 . TME細胞浸潤的不同自噬亞型的特征
https://pubmed.ncbi.nlm.nih.gov/33604190/
Reactome ( https://reactome.org/ ) 是一種用于通路可視化、解釋和分析的生物信息學(xué)資源 ( Jassal et al., 2020 )。
Oncomine 差異基因表達分析
不同腫瘤類型中不同ATGs mRNA的表達。
![]()
https://pubmed.ncbi.nlm.nih.gov/32021258/
使用 ESTIMATE R 包 ( https://sourceforge.net/projects/estimateproject/ )，我們計算了來自 CGGA 和 TCGA 數(shù)據(jù)集的所有樣本的免疫評分、基質(zhì)評分、ESTIMATE 評分以及腫瘤純度。
我們分析了 531 個自噬相關(guān)基因，包括來自人類自噬數(shù)據(jù)庫 (HADb) 的 232 個基因和來自 MSigDB 的 GO_AUTOPHAGY 基因組的 394 個基因。
為了篩選與臨床預(yù)后相關(guān)的基因，在兩個數(shù)據(jù)集（分別來自 CGGA 的 138 個 RNA-seq 數(shù)據(jù)和來自 TCGA 的 152 個 RNA-seq 數(shù)據(jù)）中進行了單變量 Cox 回歸分析。最后，確定了 14 個基因與 OS 顯著相關(guān)（p < 0.05）。將來自 CGGA 數(shù)據(jù)集的 138 名 GBM 患者與 14 個基因的表達譜進行聚類【類似WGCNA】，確定了兩個穩(wěn)健的組。圖 1A）【分組模式稍有不同】
https://pubmed.ncbi.nlm.nih.gov/33777735/【自噬相關(guān)基因和lncRNA在結(jié)直腸癌治療和預(yù)后中的作用】
免疫細胞浸潤計算和腫瘤微環(huán)境評分
聚類分析
通過 R 包“Consensus ClusterPlus”的無監(jiān)督聚類，我們基于 DEAGs 的相似性對 CRC 樣本進行聚類，以根據(jù) CDF 曲線下的最大面積（http://www.bioconductor.org/）評估最佳聚類數(shù)。
結(jié)直腸癌差異自噬相關(guān)基因的無監(jiān)督聚類分析及臨床特征
我們根據(jù)訓(xùn)練集中的 DEAG 對具有不同 AG 質(zhì)量的 CRC 患者進行分類。最終使用基于 CDF 曲線的無監(jiān)督聚類確定了兩種不同的表達模式，包括 cluster1 中的 374 個案例和 cluster1 中的 192 個案例（圖 2B-E）。
結(jié)直腸癌風(fēng)險模型的免疫評分和免疫細胞浸潤
Oncomine 數(shù)據(jù)庫和人類蛋白質(zhì)圖譜中預(yù)后相關(guān)差異自噬相關(guān)基因驗證的表達
https://pubmed.ncbi.nlm.nih.gov/32649310/
然后我們使用cbioProtal數(shù)據(jù)庫研究了上述基因的 CNV 和 mRNA 表達變化。圖 10A）。
![]()
怎么來的？？
https://pubmed.ncbi.nlm.nih.gov/33050642/【ceRNAs介導(dǎo)的自噬在癌癥化療耐藥和轉(zhuǎn)移中的作用】
https://pubmed.ncbi.nlm.nih.gov/33960661/【★★★★★】
我們收集了總自噬相關(guān)基因，并通過 BLCA 中的 LASSO cox 回歸分析建立了自噬相關(guān)基因特征 (ATGRS)。Kaplan-Meier 生存率和多變量 cox 回歸分析都表明 ATGRS 是一個可靠的獨立預(yù)后因素，具有很高的準確性。
隨后，綜合分析表明ATGRS與分子亞型、臨床病理特征和體細胞突變改變有很強的相關(guān)性。而且，發(fā)現(xiàn) ATGRS 與腫瘤微環(huán)境 (TME)中免疫細胞的浸潤和免疫檢查點表達呈正相關(guān)，表明自噬通過調(diào)節(jié) TME 發(fā)揮了強大的作用。
此外，ATGRS 被證明可有效預(yù)測基于免疫檢查點抑制劑 (ICI)的免疫療法和化學(xué)療法在 BLCA 中的臨床益處。
此外，我們觀察了自噬相關(guān)基因的異常表達水平，并通過 LASSO cox 回歸分析發(fā)現(xiàn)了 ATGRS 在泛癌中的不同行為。
2.3. 預(yù)測列線圖的構(gòu)建
“ forestplot ”包----------過包“ rms ”構(gòu)建列線圖R. 36 中的 “ nomogramEx ”和“ regplot ”
2.4. TME免疫細胞浸潤的估計
2.5. 化療和免疫檢查點抑制劑 (ICI) 免疫治療反應(yīng)預(yù)測
公開可用的藥物基因組學(xué)數(shù)據(jù)庫 Genomics of Drug Sensitivity in Cancer (GDSC) ( https://www.cancerrxgene.org/ ) 用于根據(jù) ATGRS 風(fēng)險評分預(yù)測每個樣本的化療反應(yīng)。
通過 R 中的“pRRophetic”包，通過 10 倍交叉驗證基于 GDSC 訓(xùn)練集評估每個樣本中的半數(shù)最大抑制濃度 (IC50)。所有參數(shù)均設(shè)置為默認值，通過使用 R 中的包“combat”去除批次效應(yīng)，組織類型選擇為“allSoldTumours”。
2.6. ATGRS 的泛癌驗證
2.7. 自噬相關(guān)基因的異常蛋白質(zhì)水平驗證
將來自 HDAB 和 MSigDB 的 ATG 合并后，我們最終得到了 436 個候選 ATG 用于后續(xù)研究（圖 1A）。
3.6. ATGRS 可預(yù)測免疫療法和化學(xué)療法的臨床反應(yīng)
而在 CHOL、LGG、LUAD、PAAD 和READ 中，ATGRS 譜可用作有益標記。
