基于ESTIMATE算法和生物信息学分析挖掘卵巢癌免疫治疗关键基因

摘要

目的:通过生物信息学方法从TCGA数据库挖掘卵巢癌(OV)免疫治疗的关键生物标志物.方法:从TCGA数据库下载OV基因表达谱,使用ESTIMATE算法评估免疫浸润细胞的得分.利用R软件包进行差异表达基因(DEGs)分析,通过Metascape工具进行一系列基因本体(GO)富集分析、京都基因与基因百科全书(KEGG)通路分析、反应组学基因集(Reactome Gene Sets)和经典通路(Canonical Pathways)等富集分析,并对富集分析结果进行层次聚类和生存分析.结果:DEGs分析得到1 170个OV免疫相关基因,DEGs的功能富集结果集中于细胞因子介导的信号通路、细胞因子产生、淋巴细胞活化以及细胞因子产生的调控等免疫调节过程,生存分析得到46个免疫相关基因与OV的预后呈正相关关系,其中生长因子非依赖性蛋白1(GFI1)可信度最高(均P＜0.05).结论:基于ESTIMATE算法分析不同免疫评分的OV,所富集的信号通路可能在OV发生发展和免疫调节过程起重要作用,筛选出的关键基因GFI1具有很大的潜力成为指导OV免疫治疗的生物标志物,为进一步深入研究OV免疫治疗提供了依据和思路.