机器学习算法识别结直肠癌中的免疫相关lncRNA signature

今天学习一篇2022年2月份发表于Nature Communications（IF 14+）的生信文章。

这篇文章思路并不难，也没有花里胡哨的技能和图表，但在2022年依然能发表在NC上，肯定是有很多可取之处的。

文章是关于机器学习算法识别结直肠癌中的免疫相关lncRNA signature。

• 📜文章信息

• 研究背景

• 研究方法

• 学习思考

📜文章信息

• Title: Machine learning-based integration develops an immune-derived lncRNA signature for improving outcomes in colorectal cancer

• Publication: Nature Communications

• IF: 14.919

• Author: Zaoqu Liu, Long Liu, Siyuan Weng, Chunguang Guo, Qin Dang, Hui Xu, Libo Wang, Taoyuan Lu, Yuyuan Zhang, Zhenqiang Sun, Xinwei Han

• Date: 01/2022

• DOI: 10.1038/s41467-022-28421-6^[1]

研究背景

lncRN在结直肠癌免疫中发挥重要作用，但免疫相关的lncRNA在临床中的作用还所知甚少。本文通过整合多种机器学习算法构建免疫相关的lncRNA signature（IRLS）。发现IRLS在结直肠癌预后和免疫治疗中有重要意义。

研究方法

1. lncRNA signature（IRLS）的构建。通过聚类、多种免疫浸润算法（包括ssGSEA，TIMER, quanTIseq, MCP-counter, xCell, EPIC, and ESTIMATE）、WGCNA等确定了43个 immune-related lncRNA。然后通过10种机器学习算法的101中组合确定最佳的lncRNA signature。

   不得不说，光是这第一步寻找IRLS的工作量，都超过不少低分灌水杂志的全部工作量了。

2. 验证IRLS的可靠性。 通过联合TCGA和多个GEO数据集，并使用多种评价指标，评价IRLS的可靠性。计算了101种组合的C-Index，然后通过lasso和stepwise Cox继续筛选合适的 lncRNA。之后在TCGA和多个数据集中做生存分析。

   这一步也是很大的工作量，作者在Methods里面有说明，这一步是使用多个R包完成的，每一种算法使用哪个R包都有详细的说明，感兴趣的小伙伴可以去研究。比较C-index是通过compareC这个包做的。

3. 评价模型在结直肠癌预后中的作用。 通过多个数据集验证，主要是看1,3,5年的AUC以及和其他临床指标比较的C-index。这一步是使用的图形也很值得学习！就是普通的柱状图，不过非常能说明问题，我认为是比那些花里胡哨的图实用多了，一目了然。

4. 和已经发表的109个signature进行比较，确定这个IRLS的优越性！作者找了已经发表的109个signature，然后在多个数据集中计算C-index，进行比较！

   不得不说，每一步都是很大的工作量！这就是别人能发NC，你只能灌水的原因吧...光是找到这109个signature也是不小的工作量了。

5. 使用自己的数据进行验证。 这一步作者使用了自己医院招募的病人做了生存分析和，结果发现效果也是很好！并做了qrt-PCR和免疫组化等实验。

6. 前面说明了造肿瘤预后中的作用，下面就是说在肿瘤治疗中的作用。

OK，文章基本内容就是这样的，很多细节问题并没有讲到，不过大体思路就是这些。感兴趣的小伙伴可以下载原文仔细学习，还有文章附件也要好好看哦。

学习思考

• 这篇文章通篇没有复杂的图表和方法，有的是足够大量的数据支持，让我想到一句话：最顶级的食材往往只需要最普通的烹饪方法！
• 干湿结合，说服力更强。不仅使用了多套数据集，还使用了自己的病人，不是纯生信分析，还加了一些简单的实验，这样结果就更加可靠，不会显得纸上谈兵的感觉！
• 如果你没有很棒的idea，你也可以尝试这种大工作量的方法。发不了NC，发个3-7分的还是可以的吧？能做到别人做不到的事，就是强！
• 基础很重要，现在生信文章或者湿实验，常用的方法就那么几种，关键是谁用，怎么用。高分文章也是各种方法的排列组合，基本思路是可以学习的，可以模仿的。基础扎实了，思路可以通过读文献学习。
• 文章提供了代码，但是没提供数据。不过也可以学习，看看优秀的人是怎么写代码的，你可以自己编几个数据试试看。而且文中给出了详细的说明，用了什么方法，哪个R包，用了那几个GEO数据集，数据是怎么处理的，从哪里下载的，都有详细的说明，感兴趣的小伙伴可以自己尝试下哦！
• 郑附一是宇宙第一大院！名不虚传...

参考资料