基于转录组数据，探索卵巢癌不同病理亚型的免疫微环境，寻找不同亚型预后相关的免疫signature和基因。
思路导图：
数据来源：作者从多个数据库（GEO, TCGA, ArrayExpress, InSilicoDB, PubMed等）中下载3176例卵巢癌转录组数据，将其归类为不同的组织病理学亚型，进而分析不同亚型的免疫微环境，并寻找每种亚型与预后的相关免疫特征和基因。
一． 卵巢癌不同病理亚型的淋巴细胞亚群（TILs）
不同的组织病理学亚型下，其免疫微环境具有异质性。
二． 对每种亚型的TIL进行cox回归分析
1.利用cox回归方法，寻找影响每种亚型生存的TIL，发现每种卵巢癌亚型的免疫浸润与生存的的关系各有特点。
2.利用K-M曲线和log rank检验，绘制免疫细胞影响预后的生存曲线。
1）在高级别浆液性卵巢癌亚型中，具有高活性B细胞，活性CD4 T细胞，活性CD8 T细胞以及树突状细胞浸润的患者呈现出更好的生存。
2）在低级别浆液性卵巢癌亚型中，具有高中央记忆CD4 T细胞浸润的患者呈现出较差的生存。
3）在粘液性卵巢癌亚型中，具有辅助细胞Th2浸润的患者与较差的预后相关。
4）在透明细胞卵巢癌亚型中，具有活性CD4 T细胞，辅助细胞Th2，CD56 bright NK细胞，嗜酸性粒细胞和中性粒细胞浸润的患者，一般预后较差。
三． 不同亚型的免疫相关基因与预后的关系
将11个免疫相关基因表达情况与每种亚型的预后信息相关联，利用Log rank检验的方法，寻找影响每种亚型生存的免疫基因。
四． 鉴定不同亚型的预后相关基因
针对每种亚型，作者联合基因表达数据和生存信息，利用单因素cox回归模型，建立出每种亚型的“good prognostic genes”和“bad prognostic genes”。
通过功能富集分析发现：
1） 高级别浆液性卵巢癌亚型中的“good prognostic genes”主要参与了固有免疫应答和适应性免疫应答过程。
2） 低级别浆液性卵巢癌亚型中的“good prognostic genes”主要参与了瘤间充质干细胞中纤毛聚集和纤毛形态发生。
3） 高级别浆液性卵巢癌亚型中的“bad prognostic genes”富集到了细胞外基质结构，细胞黏附等生物学过程。
4） 低级别浆液性卵巢癌亚型中的“bad prognostic genes”富集到了细胞外基质结构，胶原纤维结构等生物学过程。
说明高级别、低级别浆液性卵巢癌亚型具有不同的生物学行为来影响预后。
Ref: Yang L, Wang S, Zhang Q, et al. Clinical significance of the immune microenvironment in ovarian cancer patients[J]. Molecular omics, 2018, 14(5): 341-351.
