GSE50760 — 结直肠癌 Bulk RNA-seq 分析

作者：陈季威 | 浙江大学海洋学院 标签：bulk RNA-seq GEO 差异表达 富集 GSEA WGCNA 预后模型 R

从一个 GEO 数据集走完"差异 → 富集 → 共表达网络 → 预后建模"的完整流程。前半程（01–04）在 GSE50760 上做表达层面的分析；后半程（05–07）把挖到的基因带到 TCGA-COAD 上建生存预后模型。

数据来源

字段	内容
GEO	GSE50760，Homo sapiens，Illumina HiSeq 2000
设计	54 样本 = 18 例患者 × 3 组织（Normal / Primary CRC / Metastasis）
外部队列	TCGA-COAD（UCSC Xena GDC hub），434 病人带生存随访

分析流程

脚本	内容
01	数据下载与分组
02	QC + 标准化 + PCA
03	差异表达（limma）+ 火山图 + 热图
04	GO/KEGG 富集（ORA）+ GSEA
05	WGCNA 共表达网络 → 模块-性状相关 → hub 基因
06	下载 TCGA-COAD 表达谱 + 生存数据
07	预后模型：单因素 Cox → LASSO-Cox → 风险评分 → KM / timeROC → 列线图

主要结果

差异表达（limma，adj.P<0.05，|logFC|>1）

对比	上调	下调	合计
Primary CRC vs Normal	316	521	837
Metastasis vs Normal	724	924	1648
Metastasis vs CRC	241	141	382

三组都是下调多于上调，提示 CRC 主要丢失正常肠上皮功能基因。最显著下调 OTOP2、BEST4（肠上皮标志），上调含 MMP1、WNT2（侵袭相关）。

富集：CRC 上调富集到细胞外基质重塑、PI3K-Akt；转移癌上调出现补体凝血、胆固醇代谢等肝转移微环境特征。GSEA 全局排序进一步抓到核糖体生物发生、DNA 复制等增殖信号。两组抑制端一致指向"刷状缘 + 离子转运"，即正常肠上皮分化功能的系统性丢失。

WGCNA：以肿瘤进展程度（Normal=0 / CRC=1 / Metastasis=2）为性状，9 个模块中 blue 模块与进展相关性最强（cor=−0.755，p=4.1e-11，随进展整体下调），含 463 个基因，从中筛出 hub 基因。

预后模型（建在 TCGA-COAD，434 病人 / 95 死亡 / 中位随访 22.1 月）：

• 候选 = blue 模块 hub 基因 ∩ TCGA 表达谱
• 单因素 Cox 留 43 个 → LASSO-Cox 选中 20 基因签名 → 风险评分按中位数分高/低危
• KM 高/低危分离 log-rank p=4.5e-8
• timeROC AUC 1/3/5 年 = 0.71 / 0.69 / 0.76
• 多因素 Cox：风险评分、年龄、分期均独立预后；列线图 C-index=0.765

这套"GEO 挖基因 → TCGA 建预后模型"是肿瘤生信的常见范式。GSE50760 本身只有组织类型、无生存随访，所以预后必须借 TCGA 完成。

输出

• results/figures/ — 每图 PDF（矢量，投稿用）+ TIF（300 ppi）
• results/tables/ — 各步骤 CSV（差异基因、富集、模块成员、Cox/LASSO 系数、风险评分等）
• 各图含义与读图方法见 notes-lessons/No.1_lessons_GEO_analysis

环境

# Bioconductor
GEOquery, limma, clusterProfiler, org.Hs.eg.db, enrichplot, WGCNA, AnnotationDbi
# CRAN
tidyverse, ggplot2, ggrepel, pheatmap, data.table
survival, survminer, glmnet, timeROC, rms

数据不纳入版本库（见 .gitignore）：GEO 数据按 accession 从 NCBI 下载，TCGA 数据由脚本 06 从 UCSC Xena 获取。

参考

Kim SK et al. A nineteen gene-based risk score classifier predicts prognosis of colorectal cancer patients. Mol Oncol 2014;8(8):1653-66.