写在前面
今天先不阅读肺癌的了，先读一篇胃癌的文章
文献
An individualized stemness-related signature to predict
prognosis and immunotherapy responses for gastric cancer
using single-cell and bulk tissue transcriptomes
IF:4.0 中科院分区:2区 医学WOS 分区:Q2
亮点：不像其他生信文章，用什么lasso、svm，然后基于表达值做风险得分，而是基于基因间的秩次关系，从而克服了批次效应。
可以学习的点
1.from the Tumor Immune Single Cell Hub 2 database (http://tisch.
comp-genomics.org/), were annotated into malignant
cells, stromal cells, and immune cells.
tisch的使用教程：https://www.cn-healthcare.com/articlewm/20230530/content-1557644.html
这个到底是怎么回事
2.CytoTRACE score如何计算，为细胞干性得分，评估单细胞数据中各细胞亚群的分化潜力，从而鉴定出祖细胞。
3.aucells，定义出的基因集的aucells。
4.为什么GSE134520,分出3组，要找恶性相对于其他两类上调的基因。
所有的基因集得分有没有可能是最后鉴定出的167个跟干细胞相关的基因。
结果
1.鉴定stemness-related signature genes
1）we calculated CytoTRACE scores of malignant cells to estimate their stemness
2）579 genes showed positive correlation with the stemness scores were set as G1 (Pearson R > 0.2 and FDR <0.05), and genes upregulated in malignant cells were set as G2. The 175 overlapping genes between G1 and G2 were defined as stemness-related signature genes。
3）在额外的数据集验证，这边想问下是怎么验证的？应该是有背景知识在的，b图应该指的是找到的基因集能特异识别出某细胞类型。
4）也是一个额外的验证。数据基于定义的基因集算出的aucell得分与未基于基因集算出的cytotrace得分，正相关，侧面说明定义的该基因集与细胞干性的相关性。不过我觉得这个aucell得分可能也与G1基因集的定义有关。
2.将GC样本进行分组
基于基因集做ssgsea打分，算不同临床分组的打分情况，发现符合真实世界，而后再看不同ssgsea打分组的生存差异，上述结果都不错。
3.看分组的基因组特征与分子特征
看突变情况与MSI、TMB、同路。
4.开发REO模型与验证
基于秩次关系与半数投票，构建后观察分组表现，及不同临床分组的模型结果比例。额外4套数据再验证，算是比较多的了。
5.看GPS与免疫治疗的关系
1）estimate看基质细胞、肿瘤、M2巨噬细胞，高风险组M2高，目前高M2风险组预后差，又是一个验证。
2）tide网站看高风险组的免疫治疗抗性高，可能不敏感。
3）submap 预测能否对PD-1响应，高风险组不响应，一个验证。
