尔云间 一个专门做科研的团队

原创 eryun 云生信学生物信息学

关注我们

小云前面有讲过要发纯生信的关键点是“创新性”，并且能做到多重创新点叠加的话，文章竞争力更强，也更容易发高分纯生信。

其中，“选题创新”是最容易达到的，可以追踪一些新热点，比如刚提出的双硫死亡（ps：小云已经总结了8种“双硫死亡”生信切入思路，感兴趣的小伙伴可以点击文末链接观看哦），或者研究比较少的方向~ ~

这次就把选题目标聚焦在“放疗抵抗”方向上，分享一个超高性价比的纯生信思路

这个8分+纯生信思路，首先筛选放疗敏感标志物、进行多组学分析并建立预后列线图模型，简单分析思路中又包含一些亮眼设计，选题创新+新颖思路，就能拿下高分纯生信！这个思路换成其他耐药小方向同样适用，学起来吧！

题目：基于多数据集鉴定直肠癌放疗敏感性相关枢纽基因及潜在分子机制

杂志：Journal of Translational Medicine

影响因子：IF=8.44

发表时间：2023年3月

研究背景

放疗抵抗是局部晚期直肠腺癌（READ）肿瘤消退率低的主要原因。与放疗敏感性相关的生物标志物和潜在的分子机制尚未完全阐明。

数据来源

研究思路

利用GSE35452数据集筛选出放疗反应者和非反应者之间的差异表达基因。对DEGs进行GO和KEGG分析。利用随机存活森林分析鉴定hub基因。基于CIBERSORT算法、GDSC数据库、基因集变异分析(GSVA)、富集分析(GSEA)、列线图、非编码RNA网络分析和GWAS分析，研究了hub基因与免疫细胞浸润、药物敏感性、特定信号通路、预后预测和TF–miRNA调控和ceRNA网络之间的关联以及hub基因的致病区域。最后利用HPA数据库验证hub基因的蛋白表达。

主要结果

1. READ中放疗敏感性相关差异基因分析和hub基因鉴定

首先在GSE35452进行了DEGs分析，在READ的放疗反应者和无反应者之间鉴定了1119个DEGs（图1A）。利用1119个DEGs在TCGA-READ队列中进行进行随机生存森林分析，共获得8个基因（图1B）。针对这8个基因进行Kaplan-Meier生存分析，获得3个有预后显著差异基因（PLAGL2, ZNF337和ALG10）作为hub基因（图1C-E）。比较3个hub基因在放疗反应者和无反应者之间的表达差异（图1F）。

图1 READ中放疗敏感性相关差异基因分析和hub基因鉴定

2. Hub基因与肿瘤发生、免疫浸润的相关性分析和富集分析

通过GeneCards数据库获得与肿瘤发生相关的疾病基因，比较对照和READ患者之间疾病相关基因的表达（图2A），并分析hub基因与疾病相关基因的皮尔逊相关性（图2B）（ps：分析肿瘤发生相关基因与hub基因相关性的内容比较少见，是个分析中的小亮点，可以学起来哦）。利用CIBERSORT算法用于分析READ患者中22个免疫浸润细胞的相对比例（图2C），并对hub基因表达和免疫细胞含量进行皮尔逊相关分析（图2D）。通过GSVA和GSEA分析hub基因涉及的特定信号通路（图2E, F）。（ps：免疫浸润分析、GSEA、GSVA分析也可以用小云新开发的零代码生信分析小工具实现，云生信分析工具平台包含超多零代码分析和绘图小工具，上传数据一键出图，感兴趣的小伙伴欢迎来尝试哟，网址：http://www.biocloudservice.com/home.html）

图2 Hub基因与肿瘤发生、免疫浸润的相关性分析和富集分析

3. READ中预后列线图的构建与评估

在TCGA-READ队列中构建包含ALG10, PLAGL2和ZNF337以及包括年龄、性别、阶段、肿瘤(T)、淋巴结(N)和转移(M)阶段的临床特征的列线图（图3A），并利用校准曲线评估模型一致性（图3B）。

图3列线图的构建与评估

4. Hub基因的TF调控网络和ceRNA网络分析及GWAS分析

从人类miRNA疾病数据库(HMDD)中获得了25个READ相关的miRNAs。从miRWalk数据库中提取与三个hub基因的mRNA相关的mRNA-miRNA关系对，共获得1007个miRNA，将其与25个READ相关的miRNAs取交集，获得2个mRNA-miRNA关系对（图4A）。根据这两个miRNAs基于ENCORI数据库预测了相互作用的lncRNAs，最后获得157对相互作用（包括1个miRNA和157个lncRNAs）（图4B）。基于3个hub基因预测其转录因子TF，并针对TF进行了基序富集分析，构建TF调控网络(ZBTB6)-mRNA(PLAGL2)（图4E）。通过分析Gene Atlas数据库中的GWAS数据鉴定了READ中3个hub基因的致病区域（图4C, D）。

图4 Hub基因的TF调控网络和ceRNA网络分析及GWAS分析

5. Hub基因的表达验证

在HPA数据库中利用临床样本的IHC图验证3个hub基因的蛋白表达（图5）。

图5 Hub基因的表达验证

小结

这篇文章的思路与常规预后模型构建思路有所不同，基于生物标志物基因进行多组学分析，分析内容不是很复杂，同时也具备新颖性，容易在一众预后或分型分析思路中脱颖而出！再加上“放疗抵抗/敏感”方向的选题创新性，无需实验验证就能发到8分+的纯生信，性价比简直太高了！思路赶快学起来，换个癌种或者换个耐药其他方向就能复现啦！

小云持续为大家带来最新生信思路，更多创新分析思路请点击链接。需要复现思路的朋友欢迎call小云，风里雨里小云等你！

1. 肿瘤耐药做生信还只会药敏性分析？那可就out了！9分+创新性思路帮你解决找不到耐药公共数据的难题，不看可就亏大了哟

2. 8分+ Frontiers文章教你如何借临床表型“放疗敏感性”的东风玩转自噬的生信分析思路！老树也能开新花~还能举一反三！

3. 震惊！2张图就能搞定8分+Frontiers生信文章，你不得不知道的“肿瘤生化复发”方向，创新性杠杠的！

4. 开年第一爆火热点——双硫死亡，8种生信分析切入思路超级大放送！新热点黄金抢发期，快上车！！

云生信学生物信息学 专注生信10余年，原创文章900篇； 公号资料免费领，寻求服务找小云； 长期学习加关注，生信干货更不停。