提到“微生物”可能大家最先想到的是“腸道菌群”，看到最多的微生物組研究方法就是16S測序/宏基因組測序~ ~

其實“微生物”可不是都要去做測序，還利用別人的測序數(shù)據(jù)做生信呀，這可比直接做測序的性價比高多了呀！

小云前面也分享過，已有研究表明腫瘤相關(guān)微生物群在癌癥發(fā)展中（包括轉(zhuǎn)移、免疫和耐藥性）中起作用，并且微生物與腫瘤的串?dāng)_關(guān)系深受CNS頂刊的青睞，這就是有大佬背書?。?/p>

再加上本身微生物做生信才剛起步，文章數(shù)量比較少，創(chuàng)新性超級高，屬于新方向的發(fā)文紅利期，上車直接就能占位高分文章，你心動了嗎？

（不知道如何分析/創(chuàng)新的可以找小云，各種個性化分析思路等你來挑~）

除了直接分析微生物組數(shù)據(jù)或聯(lián)合轉(zhuǎn)錄組數(shù)據(jù)分析腫瘤微生物與腫瘤免疫的串?dāng)_關(guān)系，還有一種迂回策略，也能與將細(xì)菌和腫瘤關(guān)聯(lián)起來，那就是可以基于細(xì)菌脂多糖(LPS)相關(guān)基因進(jìn)行分析，基因集合來自比較毒物基因組學(xué)數(shù)據(jù)庫(CTD)（ps：CTD主要收集了化學(xué)物質(zhì)與健康或疾病相關(guān)的暴露和效應(yīng)關(guān)系，并以基因、蛋白、代謝等方面的生物學(xué)信息為基礎(chǔ)，從分子角度探究毒物對人類健康的影響。小云之前解讀過這個數(shù)據(jù)庫，感興趣可以點擊文末鏈接。沒想到還能獲取到LPS相關(guān)的基因~）。

小云今天要分享的這篇文章就是基于LPS相關(guān)基因進(jìn)行分析，選題新穎，分析思路創(chuàng)新，拿下5分+純生信文章so easy，一起來學(xué)習(xí)一下如何換個方式蹭微生物的熱點吧~

題目：生物信息學(xué)分析表明，細(xì)菌脂多糖相關(guān)基因參與前列腺癌的侵襲和復(fù)發(fā)，并與免疫逃逸有關(guān)

影響因子：5.738

發(fā)表時間：2023年4月

研究思路

本研究的目的是利用生物信息學(xué)的方法，基于細(xì)菌脂多糖(LPS)相關(guān)基因，探討前列腺微生物在前列腺癌中的作用和機制。利用比較毒物基因組數(shù)據(jù)庫(CTD)尋找細(xì)菌LPS相關(guān)基因。通過TCGA、GTEx和GEO獲取PCa表達(dá)譜數(shù)據(jù)和臨床數(shù)據(jù)。通過維恩圖獲得差異表達(dá)的脂多糖相關(guān)hub基因(LPS-related hub gene，LRHG)，并利用基因集富集分析(GSEA)對LRHG可能的分子機制進(jìn)行研究。采用單樣本基因集富集分析(ssGSEA)研究惡性腫瘤免疫浸潤評分。采用單因素和多因素Cox回歸分析，建立預(yù)后風(fēng)險評分模型和nomogram。

圖1.流程圖

主要研究結(jié)果

1.?分析脂多糖相關(guān)hub基因(LPS-related hub gene，LRHG)

基于GSE68555數(shù)據(jù)集分析腫瘤(T)、正常(N)和癌旁(AN)組織兩兩之間的差異表達(dá)基因(圖2B-D)（分三組進(jìn)行兩兩比較獲取DEGs的方法比較新穎，可以學(xué)起來~）。然后分別與LPS相關(guān)基因取交集(圖2E-G)，得到LPS相關(guān)差異表達(dá)基因（LDEGs）。然后將TvsN的LDEGs、ANvsN的LDEGs和TvsAN的LDEGs取交集，得到6個差異表達(dá)的LRHG(圖2H)。

圖2. 基于GSE68555數(shù)據(jù)集識別差異表達(dá)LRHG

2.?差異表達(dá)LRHG的富集分析

分別在T和AN中進(jìn)行Hallmark和KEGG功能富集分析。Hallmark富集分析顯示，T中與LRHG相關(guān)的功能表型主要集中在腫瘤侵襲、脂質(zhì)代謝、性激素反應(yīng)、DNA修復(fù)和細(xì)胞凋亡方面(圖3A)。KEGG富集分析發(fā)現(xiàn)與LRHG相關(guān)的功能表型集中在許多代謝途徑中，包括脂肪酸代謝和花生四烯酸代謝(圖3B)。

圖3. LRHGs的功能分析

3.?LRHG與腫瘤侵襲性表型的關(guān)系

作者通過研究LRHG在侵襲性前列腺癌(T3-4)和非侵襲性前列腺癌(T1-2)中的表達(dá)，進(jìn)一步探討LRHG與腫瘤侵襲的關(guān)系(圖4A-F)。然后，根據(jù)T表達(dá)數(shù)據(jù)進(jìn)行WGCNA，驗證LRHG與腫瘤侵襲的關(guān)系。共篩選30個模塊，其中青色模塊與非侵襲PCa顯著相關(guān)性(圖4J-K)。在青色模塊中發(fā)現(xiàn)了CD38和MT1X基因。

圖4. LRHG與腫瘤侵襲表型

4.?LRHG與免疫微環(huán)境的關(guān)系

采用單樣本基因集富集分析(ssGSEA)免疫細(xì)胞特異性標(biāo)記基因。采用Pearson算法檢測LRHG與免疫細(xì)胞浸潤的關(guān)系(圖5C)。中樞記憶CD4+ T細(xì)胞與LRHG顯著相關(guān)(6/6)，其中與CRISP3呈正相關(guān)，與其他呈負(fù)相關(guān) (圖5D)。

（ps：免疫浸潤分析可以用小云新開發(fā)的零代碼生信分析小工具實現(xiàn)，云生信分析工具平臺包含超多零代碼分析和繪圖小工具，上傳數(shù)據(jù)一鍵出圖，感興趣的小伙伴歡迎來嘗試喲，網(wǎng)址：http://www.biocloudservice.com/home.html?）。

圖5. LRHG與免疫微環(huán)境的評價

5.?構(gòu)建預(yù)后風(fēng)險特征和列線圖

基于6個LRHG的表達(dá)計算風(fēng)險評分，根據(jù)風(fēng)險評分中位數(shù)，將PCa患者分為低風(fēng)險評分組和高風(fēng)險評分組。生存曲線顯示低風(fēng)險組的總PFS明顯長于高風(fēng)險組(圖6A)。時間相關(guān)的ROC曲線進(jìn)一步證明了模型的可靠性，1年、3年和5年的AUC值分別為0.73、0.69和0.66(圖6B)。

作者結(jié)合生化復(fù)發(fā)、Gleason評分和風(fēng)險評分構(gòu)建了nomogram，用來預(yù)測PFS(圖6C)。根據(jù)1年、3年和5年的校正曲線，nomogram可以成功預(yù)測PCa患者的PFS(圖6D)。

圖6. 構(gòu)建預(yù)后風(fēng)險特征和列線圖

?

?

總結(jié)

這篇文章亮點就是基于細(xì)菌脂多糖(LPS)相關(guān)基因進(jìn)行分析，換了個角度蹭微生物與腫瘤的熱點，分析思路也很新穎！還可以借鑒作者分組交叉篩選關(guān)鍵基因的方法，后面屬于常規(guī)的預(yù)后模型思路。沒有加實驗驗證也發(fā)到了5分+。

目前腫瘤微生物做生信的比較少，所以創(chuàng)新性絕對沒的說，輕輕松松拿高分。也可以從LPS相關(guān)基因切入，如此創(chuàng)新的分析角度，趕快學(xué)起來吧！

如果你還苦惱于生信分析沒有思路，或者嫌分析方法太過簡單、太過老套，想要創(chuàng)新思路的，或者對微生物等熱點方向感興趣的小伙伴快來聯(lián)系小云吧！