点击关注,桓峰基因
桓峰基因
生物信息分析,SCI文章撰写及生物信息基础知识学习:R语言学习,perl基础编程,linux系统命令,Python遇见更好的你
84篇原创内容
公众号
这期分享一篇贼简单的6+文章,2020年10月发表在 Frontiers in Oncology。本文通****过对m6A调控基因与肿瘤免疫微环境相结合筛选胶质瘤的预后marker并对其进行验证。Frontiers 系列对国人还是非常友好的,纯生信类还是算好发些,有需要一下思路的老师可以联系我们!
摘 要
胶质瘤是最典型的颅内肿瘤之一,约占所有脑部恶性肿瘤的80%。几个关键的分子标记已经成为预后的生物标志物,这表明当前胶质瘤分类方法还有改进的空间。为了构建更准确的预测模型,并识别潜在的预后生物标志物,我们探索了665个胶质瘤中m6A RNA甲基化调控因子的差异表达与TCGA-GBM和TCGA-LGG。将共识聚类应用于m6A RNA甲基化调控因子,在聚类1中发现两个预后较差、WHO分级较高的胶质瘤亚组。进一步的卡方检验表明,免疫浸润在聚类1中显著富集,表明m6A调控因子与免疫浸润密切相关。为了探索潜在的生物标志物,利用加权基因共表达网络分析(WGCNA),以及最小绝对收缩和选择算子(LASSO),在高/低免疫浸润组和m6A集群1/2组之间对hub基因和4个基因(TAGLN2, PDPN, TIMP1,EMP3)被确定为预后的生物标志物。基于这4个基因构建了预测和适用于胶质瘤患者总生存期(OS)的预后模型(ROC曲线下面积在TCGA和中国胶质瘤基因组图谱(CGGA)中分别达到0.80(0.76-0.83)和0.72(0.68-0.76))。此外,我们还从Human Protein Atlas数据库中发现PDPN和TIMP1在高级别胶质瘤中高表达,它们与胶质瘤组织样本中的m6A和免疫细胞标志物相关。总之,我们构建了一个新的预后模型,为胶质瘤的预后提供了新的见解。PDPN和TIMP1可作为判断胶质瘤预后的潜在生物标志物。
生信分析流程
我们从文章中提取生信分析流程,看下文章中使用的数据集和生信分析方法,如下:
-
相关数据准备
训练数据集选择:TCGA-GBMLGG包括665例患者,其中420 名 LGG 患者和 237 名 GBM 患者;
验证数据集选择:GSE16011 ,Rembrandt,CGGA
基因集选择:12个m6A调控因子
- 生信分析方法
我们从文章的分析流程中提取所有的分析内容,整理出来就10个分析条目,构成了整个文章,临床大样本量+生信文章,发了6+,点击分析条码就会跳转到对应公众号的教程,跟着教程做,您也能发6+,如下:
-
免疫组织化学评估
研究结果
1. 无监督聚类分析(ConsensusClusterPlus)
对665个样本进行无监督聚类分析,比较12个m6A调控一致的在两个类中的差异,如下:
对分类之后的样本进行主成分分析,主要目的就是看分类的清晰度,并且验证分类之后的生存会有显著性差异,如下:
a. 利用在两个分类中有差异m6A调控因子免疫浸润分析
结果表明,DEGs在免疫相关的生物过程中富集,包括 IL2/STAT5, IL6/JAK/STAT3 和 Interferon-γ response signaling ,如下:
b. 所有样本免疫浸润的整体分布情况,如下:
c. 根据聚类情况对免疫浸润高低分组进行生存分析
d. m6A调控因子与免疫细胞的相关性分析
免疫细胞参与预后的Cox回归森林图,如下:
9. ROC 曲线绘制
10. 免疫组织化学评估
整个文章都是依靠生信分析来做,可以说并不难,只是需要好理清思路组合出来文章讲明白故事就可以了,有想做类似的思路发 SCI 文章的老师可以直接加我微信,欢迎来聊!
References:
- Lin S, Xu H, Zhang A, et al. Prognosis Analysis and Validation of m6A Signature and Tumor Immune Microenvironment in Glioma. Front Oncol. 2020;10:541401. Published 2020 Oct 5. doi:10.3389/fonc.2020.541401