都2023年了，有的朋友還在糾結“生信能不能發(fā)？好不好發(fā)？”

就像前幾年的測序一樣，一開始出現(xiàn)的時候，簡單做個轉錄組測序都能發(fā)高分文章，再看看現(xiàn)在，轉錄組測序已成基本操作。一個新的技術、發(fā)文形式、熱點方向都是有紅利期的，第一波“吃螃蟹”的人，生信文章已經(jīng)發(fā)的盆滿缽滿了，你還要繼續(xù)觀望嗎？

現(xiàn)在生信熱點的更新之快，一開始還能以簡單的分析發(fā)高分文章，再往后就要拼思路創(chuàng)新性和驗證實驗了~?~

思路創(chuàng)新+實驗驗證兩條腿走路，高分文章分分鐘到手！但如果沒辦法同時做到，選其一也可，比如小云之前推薦的好多創(chuàng)新性思路（ps：可以根據(jù)自己的研究方向來選擇性取用哦，定制或復現(xiàn)思路也可以找小云）。

還有就是添加一些驗證實驗，做成“干濕結合”類文章，這也是生信發(fā)展的大趨勢。目前利用常規(guī)分析思路加一些簡單的表達驗證實驗還可以發(fā)高分，但可以預見是的后面雜志對加實驗要求也會越來越高，所以還是得早下手為強！

來，上思路！這篇文章利用公共數(shù)據(jù)和芯片自測數(shù)據(jù)構建脂肪酸代謝預后模型，再加上表達驗證，背靠腫瘤代謝熱點，僅靠預后模型構建這么簡單的分析搞定了7分+，不得不說干濕結合真厲害?。?/span>?

l?題目：口腔鱗狀細胞癌中基于脂肪酸代謝相關基因5個新基因特征的開發(fā)和臨床驗證

l?雜志：Oxidative Medicine and Cellular Longevity

l?影響因子：IF=7.31

l?發(fā)表時間：2022年11月

研究背景

脂質代謝紊亂在腫瘤的發(fā)生和發(fā)展中起著至關重要的作用。本研究的目的是利用公共數(shù)據(jù)集和微陣列數(shù)據(jù)構建一種新的基于脂肪酸代謝相關基因口腔鱗狀細胞癌(OSCC)患者預后模型。

數(shù)據(jù)來源

研究流程

微陣列數(shù)據(jù)和?TCGA隊列用于鑒定與脂肪酸代謝相關的差異表達基因。然后使用qRT-PCR來驗證目標脂肪酸代謝基因的表達。使用多變量Cox模型生成脂肪酸代謝相關基因的風險預測評分模型。該模型的有效性通過ROC進行評估。

主要結果

1. 脂肪酸代謝相關基因的鑒定和驗證

分析TCGA隊列和Microarray隊列中的差異基因，取交集獲得235個共有DEG（圖1a-c）。進行GO富集分析，選取富集于脂肪酸代謝途徑的219個基因（圖1d），與DEG取交集獲得14個FA代謝相關DEG（圖1e），并構建PPI網(wǎng)絡（圖1f）。通過qRT-PCR驗證了90對OSCC腫瘤和癌旁組織中14個DEGs的mRNA表達，其中FABP3、PPARG、PLIN5、ACACB和PDK4的表達水平在腫瘤中顯著降低，作為候選基因（圖2）。

圖2?基因表達驗證

2. 風險模型的構建與驗證

KM生存曲線分析以上5個基因與預后的關系（圖3a），通過多因素cox回歸分析使用與OSCC預后顯著相關的5個基因來建立預后風險評分模型（表2）。根據(jù)評分中位數(shù)將患者分為高/低評分組，KM生存分析評估預后，ROC曲線驗證其預測性能（圖3a, b）。

? ??

圖3 風險評分的構建和驗證

3. 列線圖構建、風險評分與臨床特征相關性分析

構建包含風險評分和臨床風險的列線圖，并利用校準曲線評估其準確性（圖4e, f）。進一步分析5個預后基因、風險評分與OSCC患者臨床病理特征之間的相關性（圖5）。

圖4?列線圖的建立

圖5 風險評分與臨床特征的相關性分析

文章小結

分析內容這么簡單的文章能發(fā)到7分+，其一是背靠國自然大熱點腫瘤代謝；其二是OSCC本身屬于小癌種，研究數(shù)量相對少一些，所以疾病創(chuàng)新性稍高一點；其三也是最重要的一個亮點就是運用自測的微陣列數(shù)據(jù)與TCGA公共數(shù)據(jù)聯(lián)合分析，以及大樣本量的qPCR驗證，換句話說就是雖然分析內容屬于最簡單常規(guī)的，但靠數(shù)據(jù)創(chuàng)新和樣本量把整個工作量撐起來了。干濕結合以及自測數(shù)據(jù)與公共數(shù)據(jù)結合的力量還是非常強大的，對于好收集到臨床樣本的醫(yī)生朋友，這類思路很適合你喲，快碼?。?/span>