非小细胞肺癌中肿瘤突变负荷与预后以及免疫浸润关系的探索

发布时间：2021-10-17 03:24

　　背景和目的:在多种恶性肿瘤中,肿瘤突变负荷（tumor mutation burden,TMB）是否与生存结果相关或是否能够促进免疫治疗仍存在争议。近些前来,肿瘤突变负荷在肺癌免疫治疗疗效评价方面发挥着重要作用,但其具体机制及如何调控肿瘤微环境变化尚缺乏明确的报道,本文利用生物信息学数据总结分析TMB对非小细胞肺癌（non-small cell lung cancer,NSCLC）预后的影响,并进一步探讨TMB与免疫细胞浸润的关系。方法:从癌症基因组图谱（The Cancer Genome Atlas,TCGA）数据库中下载了1016例NSCLC患者的体细胞基因突变数据、转录组数据及临床数据,并使用R语言“maftools”软件包分析了突变概况,并计算了每个样本的TMB。我们把这些样本按TMB的高和低分成了两组,并进行生存分析。使用“limma”软件包对高低TMB两组的表达谱进行差异分析,得到差异表达基因。基于ImmPort数据库,我们筛选出免疫相关差异基因共16个。通过生存分析,我们从中得到了预后相关基因。基于TIMER数据库,我们进一步评估了在NSCLC中这些突变基因与免疫细胞浸润... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：52 页

【学位级别】：硕士

【部分图文】：

突变信息的汇总与统计计算

第4章结果13图4.2突变基因之间的一致性和排他性对TMB高、低两组患者进行生存分析，这里使用SPSS软件，用Kaplan-Meier估计生存函数。如下图4.3展示了高、低TMB组患者生存率随生存时间的变化情况。蓝色生存曲线代表较高TMB组，红色生存曲线代表较低TMB组。在对两组生存曲线进行检验假设考察其差异时，如表4.1经过LogRank检验，得出两组生存结果有差异（P=0.008）。由此我们可以得出结果，高TMB组的患者的生存结果更差，且两组间差异有统计学意义。

第4章结果14图4.3高、低TMB组患者的生存分析4.2筛选差异表达基因及免疫相关基因我们利用生信工具盒（SangerBox）将RNA-seq的FPKM数据转变为TPM数据，有研究发现，对于RNA转录样本的丰度，TPM数据能够更好地将其展示。将TCGA数据库中的GeneID转换为GeneSymbol，并提取形成表达矩阵。输入表达矩阵文件，以TMB平均数为界将样本分为高、低TMB两组，输入分组文件，通过生信工具盒内置R软件的“Limma”软件包检测两组之间的DEGs，进行差异分析。在软件中设置计算倍数变化（foldchange）时，设置log（foldchange）>1。此外，用错误发现率（falsediscoveryrate,FDR）对P值进行校正，从而能够尽量避免筛选出的差异表达基因为假阳性，校正时，设置表4.1高、低TMB组患者生存分析的分布等同性检验卡方自由度PLogRank（Mantel-Cox）7.06910.008


本文编号：3441017