背景和目的:在多種惡性腫瘤中,腫瘤突變負(fù)荷（tumor mutation burden,TMB）是否與生存結(jié)果相關(guān)或是否能夠促進(jìn)免疫治療仍存在爭議。近些前來,腫瘤突變負(fù)荷在肺癌免疫治療療效評價(jià)方面發(fā)揮著重要作用,但其具體機(jī)制及如何調(diào)控腫瘤微環(huán)境變化尚缺乏明確的報(bào)道,本文利用生物信息學(xué)數(shù)據(jù)總結(jié)分析TMB對非小細(xì)胞肺癌（non-small cell lung cancer,NSCLC）預(yù)后的影響,并進(jìn)一步探討TMB與免疫細(xì)胞浸潤的關(guān)系。方法:從癌癥基因組圖譜（The Cancer Genome Atlas,TCGA）數(shù)據(jù)庫中下載了1016例NSCLC患者的體細(xì)胞基因突變數(shù)據(jù)、轉(zhuǎn)錄組數(shù)據(jù)及臨床數(shù)據(jù),并使用R語言“maftools”軟件包分析了突變概況,并計(jì)算了每個(gè)樣本的TMB。我們把這些樣本按TMB的高和低分成了兩組,并進(jìn)行生存分析。使用“l(fā)imma”軟件包對高低TMB兩組的表達(dá)譜進(jìn)行差異分析,得到差異表達(dá)基因�；贗mmPort數(shù)據(jù)庫,我們篩選出免疫相關(guān)差異基因共16個(gè)。通過生存分析,我們從中得到了預(yù)后相關(guān)基因�；赥IMER數(shù)據(jù)庫,我們進(jìn)一步評估了在NSCLC中這些突變基因與免疫細(xì)胞浸潤... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【部分圖文】：

突變信息的匯總與統(tǒng)計(jì)計(jì)算

第4章結(jié)果13圖4.2突變基因之間的一致性和排他性對TMB高、低兩組患者進(jìn)行生存分析，這里使用SPSS軟件，用Kaplan-Meier估計(jì)生存函數(shù)。如下圖4.3展示了高、低TMB組患者生存率隨生存時(shí)間的變化情況。藍(lán)色生存曲線代表較高TMB組，紅色生存曲線代表較低TMB組。在對兩組生存曲線進(jìn)行檢驗(yàn)假設(shè)考察其差異時(shí)，如表4.1經(jīng)過LogRank檢驗(yàn)，得出兩組生存結(jié)果有差異（P=0.008）。由此我們可以得出結(jié)果，高TMB組的患者的生存結(jié)果更差，且兩組間差異有統(tǒng)計(jì)學(xué)意義。

第4章結(jié)果14圖4.3高、低TMB組患者的生存分析4.2篩選差異表達(dá)基因及免疫相關(guān)基因我們利用生信工具盒（SangerBox）將RNA-seq的FPKM數(shù)據(jù)轉(zhuǎn)變?yōu)門PM數(shù)據(jù)，有研究發(fā)現(xiàn)，對于RNA轉(zhuǎn)錄樣本的豐度，TPM數(shù)據(jù)能夠更好地將其展示。將TCGA數(shù)據(jù)庫中的GeneID轉(zhuǎn)換為GeneSymbol，并提取形成表達(dá)矩陣。輸入表達(dá)矩陣文件，以TMB平均數(shù)為界將樣本分為高、低TMB兩組，輸入分組文件，通過生信工具盒內(nèi)置R軟件的“Limma”軟件包檢測兩組之間的DEGs，進(jìn)行差異分析。在軟件中設(shè)置計(jì)算倍數(shù)變化（foldchange）時(shí)，設(shè)置log（foldchange）>1。此外，用錯(cuò)誤發(fā)現(xiàn)率（falsediscoveryrate,FDR）對P值進(jìn)行校正，從而能夠盡量避免篩選出的差異表達(dá)基因?yàn)榧訇栃�，校正時(shí)，設(shè)置表4.1高、低TMB組患者生存分析的分布等同性檢驗(yàn)卡方自由度PLogRank（Mantel-Cox）7.06910.008


本文編號：3441017