定制生信分析,還得找小云
熱點(diǎn)整體分析
01鐵死亡
鐵死亡是一種非凋亡和氧化損傷相關(guān)的調(diào)節(jié)性細(xì)胞死亡,主要由鐵積累、脂質(zhì)過氧化和隨后的質(zhì)膜破裂驅(qū)動(dòng)。鐵死亡的過程是通過利用表觀遺傳、轉(zhuǎn)錄和翻譯后機(jī)制實(shí)現(xiàn)的各種分子信號(hào)傳導(dǎo)進(jìn)一步控制的(Chen等人,2020b)目的:從先前的研究中獲取鐵死亡相關(guān)基因,通過鐵死亡相關(guān)基因?qū)颖具M(jìn)行分型,通過單因素cox分析進(jìn)行構(gòu)建鐵死亡預(yù)后標(biāo)志物,為了防止擬合使用lasso回歸,通過隨機(jī)分組來驗(yàn)證預(yù)后標(biāo)志物。意義:人類疾病的組織樣本中也會(huì)出現(xiàn)過度或不足的鐵死亡反應(yīng),這凸顯了鐵死亡的病理相關(guān)性的潛力。因此,通過不同疾病其相應(yīng)的調(diào)控機(jī)制來關(guān)注鐵死亡的特征和生物標(biāo)志物是十分具有生物學(xué)意義。
02共刺激因子
盡管腫瘤細(xì)胞表達(dá)抗原,但自發(fā)的免疫介導(dǎo)的癌癥排斥似乎是一個(gè)罕見的事件。一些肽是T細(xì)胞受體參與構(gòu)成了激活新生T細(xì)胞的主要信號(hào),但并不足以啟動(dòng)效應(yīng)細(xì)胞的有效生成和維持。T細(xì)胞的完全激活需要額外的信號(hào),這些信號(hào)由存在于激活的抗原呈遞細(xì)胞上的成本刺激分子驅(qū)動(dòng),但在腫瘤上很少。在發(fā)現(xiàn)B7-1(CD80)之后,其他幾個(gè)刺激分子已被證明有助于T細(xì)胞的激活,并與提高抗腫瘤免疫力有關(guān)。此外,增加對共抑制受體的了解,突出了可以主導(dǎo)性地抑制抗腫瘤T細(xì)胞功能的其他關(guān)鍵途徑。改善共刺激和干擾負(fù)性調(diào)節(jié),仍然是治療癌癥的一個(gè)有吸引力的免疫治療方法。目的:從先前研究獲取免疫相關(guān)的共刺激分子,對樣本中的共刺激分子基因提取構(gòu)建標(biāo)志物,并根據(jù)標(biāo)志物分析,隨后研究標(biāo)志物與其他臨床信息的關(guān)系。驗(yàn)證標(biāo)志物,對不同分型的差異基因進(jìn)行富集分析,突變分析,免疫浸潤分析。意義:免疫共刺激分子是免疫治療的重要手段,通過研究免疫共刺激分子的機(jī)制,以及在疾病中的作用,可以為臨床研究提供新的見解。
03m6A+自噬基因
自噬是一種進(jìn)化上保守的蛋白質(zhì)降解過程,通過降解長壽的蛋白質(zhì)和有缺陷的細(xì)胞器來維持細(xì)胞的平衡。以前的研究表明,自噬的失調(diào)與腫瘤的發(fā)生密切相關(guān)。然而,自噬在腫瘤發(fā)病機(jī)制中的作用及其對預(yù)后的影響是復(fù)雜的,仍然不清楚。據(jù)報(bào)道,自噬涉及三種途徑:巨噬、微噬和伴侶介導(dǎo)的自噬(CMA)。自噬相關(guān)基因在腫瘤的進(jìn)展和預(yù)后中起到作用。N6-甲基腺苷(m6A)通過調(diào)節(jié)RNA穩(wěn)定性、microRNA加工、mRNA和mRNA翻譯來改變基因的表達(dá)和生物學(xué)功能,其失調(diào)已在各種人類癌癥中得到觀察。這些研究表明,m6A甲基化相關(guān)基因?yàn)榘┌Y的診斷和治療提供了更多可能性。目的:從HADb中獲得了自噬相關(guān)基因。提取樣本中m6A相關(guān)基因并計(jì)算m6A相關(guān)基因與自噬基因之間的相關(guān)系數(shù),篩選出與m6A基因顯著相關(guān)的自噬基因。此外,將相關(guān)性系數(shù)大于0.5和 p<0.05的m6A-自噬對用于構(gòu)建共表達(dá)網(wǎng)絡(luò)。隨后,篩選與預(yù)后相關(guān)的自噬基因,預(yù)后模型的開發(fā)與驗(yàn),這里的PCA主要是比較低風(fēng)險(xiǎn)組和高風(fēng)險(xiǎn)組之間 m6A 表達(dá)水平的差異,應(yīng)該使用3DPCA看的效果較好,最后免疫浸潤分析。意義:m6A修飾參與了與細(xì)胞存活和死亡相關(guān)的各種生物學(xué)過程,如免疫反應(yīng)、細(xì)胞凋亡和自噬。同時(shí),自噬是控制細(xì)胞命運(yùn)的重要細(xì)胞過程。因此,自噬與 m6A 之間的關(guān)系很值得研究。
04可變剪切
選擇性剪接 (AS)是將內(nèi)含子從大多數(shù)人類多外顯子基因中移除,并交替包括或排除特定外顯子的過程。前mRNA的AS是解釋蛋白質(zhì)組多樣性的最廣泛和最復(fù)雜的機(jī)制之一,在結(jié)構(gòu)和功能上產(chǎn)生成熟的mRNA和蛋白質(zhì)變體。除了蛋白質(zhì)的多樣性,mRNA異構(gòu)體的翻譯也通過導(dǎo)致過早終止密碼子的降解而被AS事件下調(diào)。因此,AS是一個(gè)不可缺少的程序,剪接模式的改變與蛋白質(zhì)功能有密切的關(guān)系。在過去的幾年里,大量的基因組和功能調(diào)查發(fā)現(xiàn),特定異構(gòu)體的啟動(dòng)和剪接缺陷是癌癥的驅(qū)動(dòng)因素。在過去的幾年里,越來越多的證據(jù)表明,不尋常的AS事件可以在癌癥的生物生成和惡化過程中發(fā)揮直接作用,涉及到細(xì)胞增殖、遷移、免疫逃逸和其他過程。目的:用SpliceSeq 計(jì)算每個(gè)蛋白質(zhì)編碼基因的 AS 事件的值。通過計(jì)算了Percent Spliced In(PSI)值,刪除PSI小于75的AS 。比較正常和在腫瘤中的AS,對差異的免疫基因進(jìn)行單變量和多因素 Cox 分析。隨后繪制擾動(dòng)圖和剪接因子調(diào)控的網(wǎng)絡(luò)建立,富集分析。意義:選擇性剪接 是一個(gè)重要的過程,通過該過程,單個(gè)前 mRNA 前體在結(jié)構(gòu)和功能上產(chǎn)生大量成熟的mRNA 和蛋白質(zhì)同種型 。越來越多的證據(jù)表明,AS的可塑性通過促進(jìn)癌細(xì)胞產(chǎn)生亞型轉(zhuǎn)化,參與了腫瘤的細(xì)胞轉(zhuǎn)移、凋亡、侵襲、增殖、免疫逃避和藥物依賴。到目前為止,大多數(shù)研究都集中在探索 AS 事件作為癌癥的生物標(biāo)志物,已經(jīng)證明一些 AS 事件和剪接變體可以作為診斷和預(yù)測癌癥的指標(biāo)。
05基于單細(xì)胞預(yù)后模型構(gòu)建
單細(xì)胞RNA測序(scRNA-seq)是一種在單細(xì)胞水平上對基因組、轉(zhuǎn)錄組和表觀基因組進(jìn)行高通量測序分析的新技術(shù),可以揭示單細(xì)胞的基因結(jié)構(gòu)和基因表達(dá)狀態(tài),揭示細(xì)胞間異質(zhì)性,彌補(bǔ)了傳統(tǒng)高通量測序的局限性。scRNA-seq已成功應(yīng)用于多種惡性腫瘤,以分析腫瘤內(nèi)異質(zhì)性、監(jiān)測循環(huán)癌細(xì)胞和預(yù)測腫瘤預(yù)后。然而,尚未開發(fā)出基于 scRNA-seq 的模型。目的:通過研究異質(zhì)性細(xì)胞的區(qū)分來篩選腫瘤核心的免疫細(xì)胞的特征基因進(jìn)行構(gòu)建模型意義:傳統(tǒng)的組織測序分析使用數(shù)百萬或更多細(xì)胞的混合物,結(jié)果代表一組細(xì)胞的平均轉(zhuǎn)錄組表達(dá),或優(yōu)勢細(xì)胞的信息。使用這種方法意味著有可能遺漏重要的基因。scRNA-seq 尤其適用于腫瘤精確反映腫瘤細(xì)胞內(nèi)的異質(zhì)性??梢园l(fā)現(xiàn)單個(gè)細(xì)胞之間的異質(zhì)信息,可以發(fā)現(xiàn)真正表征癌癥細(xì)胞的重要基因。因此,基于免疫細(xì)胞的 scRNA-seq 數(shù)據(jù)特征可以作為可靠的生物標(biāo)志物來預(yù)測 預(yù)后。
6藥物敏感性分析
病人對藥物的反應(yīng)情況通常是一個(gè)很復(fù)雜的現(xiàn)象,由遺傳因素和環(huán)境共同決定著。所以研究者通常認(rèn)為我們要想預(yù)測藥物作用就得收集盡可能多的信息,比如使用全基因組范圍的snp信息來預(yù)測復(fù)雜性狀,但是癌癥患者有個(gè)特性,就是他們的染色體通常是非整倍體,所以從腫瘤樣本里面測序得到可靠的基因型其實(shí)是比較困難的。相反,量化所有基因表達(dá)情況是很容易的事。目的:結(jié)合CGP數(shù)據(jù)庫以及自己待預(yù)測的表達(dá)矩陣,估算各個(gè)樣本的藥物敏感性IC50值。意義:根據(jù)病人基因表達(dá)數(shù)據(jù),采用嶺回歸分析預(yù)測不同組別病人對某一種藥物的敏感性IC50值,同時(shí)通過比較不同亞型樣本的藥物敏感性,揭示亞型樣本特征,對藥物研發(fā)具有指導(dǎo)參考作用。
07代謝亞型分析
癌基因激活,抑癌基因失活是發(fā)生癌癥的基礎(chǔ),而絕大多數(shù)癌基因及抑癌基因在細(xì)胞代謝中發(fā)揮關(guān)鍵作用,促進(jìn)代謝重編程。腫瘤代謝是一大熱點(diǎn),當(dāng)然有綜述闡述腫瘤代謝的特點(diǎn),總共有六個(gè),其中“代謝物驅(qū)動(dòng)的基因表達(dá)失控”、“代謝物與微環(huán)境相互作用”的兩個(gè)特點(diǎn)決定了轉(zhuǎn)錄組學(xué)在研究腫瘤代謝的重要性。癌細(xì)胞會(huì)設(shè)法通過一系列代謝分子信號(hào)通路來尋找、攝取食物。如果,癌細(xì)胞無法獲取能量,進(jìn)展、擴(kuò)散轉(zhuǎn)移的速度以及抑制機(jī)體免疫的一系列手段都會(huì)減弱。這為實(shí)施精準(zhǔn)藥物打擊提供基石。目的:從先前的研究中獲取代謝相關(guān)基因,通過代謝相關(guān)基因?qū)颖具M(jìn)行分型,通過預(yù)后、臨床因素、差異基因刻畫亞型特征,并通過功能和蛋白互作網(wǎng)絡(luò)找到代謝亞型間重要標(biāo)記物。意義:腫瘤細(xì)胞也是細(xì)胞,并且具備了與眾不同的代謝過程,業(yè)界也稱之為“代謝重編程”。對于迫切攻破腫瘤的人類來說,任何可以利用的弱點(diǎn),那都要物盡其用。因此,通過不同疾病其相應(yīng)的調(diào)控機(jī)制來關(guān)注代謝的特征和生物標(biāo)志物是十分具有生物學(xué)意義。
08癌癥單基因研究
隨著測序技術(shù)的發(fā)展,每年測序數(shù)據(jù)量快速增長。隨著海量測序數(shù)據(jù)的增長,越來越多的研究人員開始挖掘公共數(shù)據(jù)庫中的測序數(shù)據(jù)的意義。已有很多研究表明,某個(gè)基因可能參與了某種腫瘤的發(fā)生和發(fā)展。我們可以使用生物信息學(xué)的方法分析基因在腫瘤中參與的生物過程和行使的功能。單基因生信分析內(nèi)容主要分為兩步,第一步為篩選核心基因,第二步為對核心基因進(jìn)行深入分析,包括單基因泛癌免疫,WGCNA, 突變拷貝數(shù)多組學(xué)分析,預(yù)后模型等。目的:基于生物信息學(xué)方法鑒定某個(gè)基因可以作為某種癌癥的腫瘤微環(huán)境中免疫相關(guān)的預(yù)后生物標(biāo)志物。意義:從不同層面研究單個(gè)基因?qū)膊〉挠绊?,比較專一,做的內(nèi)容比較深入,而且有利于后續(xù)驗(yàn)證,對后續(xù)實(shí)驗(yàn)設(shè)計(jì)也有著很大的參考價(jià)值。
02
基因
PPI網(wǎng)絡(luò)?
子網(wǎng)絡(luò)模塊?
轉(zhuǎn)錄因子或miRNA-靶?
基因調(diào)控網(wǎng)絡(luò)?
基因互作網(wǎng)絡(luò)?
藥物與基因互作網(wǎng)絡(luò)
富集分析結(jié)果(一)
富集分析結(jié)果(二)
STEM時(shí)序分析
Mufzz趨勢分析
Consensus cluster熱圖
在不同聚類個(gè)數(shù)下計(jì)算的 累積分布函數(shù)CDF,CDF越 大,說明基因聚類效果越好
Delta area圖
為相鄰兩個(gè) 聚類個(gè)數(shù)下,即ki,ki+1時(shí) 對應(yīng)的兩條CDF曲線與橫軸 之間的面積的差值, 用deltaarea表示,因此 deltaarea越小,說明ki與 ki+1之間的CDF差異越小。
鄰接矩陣權(quán)重參數(shù)power選擇圖。
橫軸代表權(quán)重參數(shù) power,縱軸代表對應(yīng)的網(wǎng)絡(luò)中l(wèi)og(k)與log(p(k))相關(guān)系 數(shù)的平方。相關(guān)系數(shù)的平方取值越高說明該網(wǎng)絡(luò)越逼 近無網(wǎng)絡(luò)尺度的分布。藍(lán)色線表示相關(guān)系數(shù)的平方值 達(dá)到0.8的標(biāo)準(zhǔn)線。
動(dòng)態(tài)混合剪切算法對基于相異度矩陣的基因系統(tǒng)聚類樹的識(shí)別結(jié)果
列線圖三年、五年生存率預(yù)測與實(shí)際生存率一致性線圖,橫軸表示預(yù)測的生存率,縱軸表示實(shí)際生存率。
模型構(gòu)建
(a)風(fēng)險(xiǎn)評分,生存狀和五個(gè)基因表達(dá)熱圖。? (b)訓(xùn)練集合4折模型構(gòu)建與總模型構(gòu)建的AUC曲線 Single Cox Multivariate Co
生存曲線圖
獨(dú)立性分析森林圖
藥物-蛋白分子對接3D圖
03
小RNA相關(guān)分析?
DEMIR-DEG調(diào)控網(wǎng)絡(luò)圖
miRNA富集通路氣泡圖
lncRNA-miRNA-gene復(fù)合網(wǎng)絡(luò)圖
circRNA與miRNA 結(jié)合位點(diǎn)預(yù)測圖
04
環(huán)境微生物相關(guān)分析?
稀釋曲線
物種分布圖
縱坐標(biāo)為樣本名,橫坐標(biāo)為物 種在該樣本中所占的比例,不同顏色的柱子 代表不同的物種,柱子的長短代表該物種所 占比例的大小
VENN圖
冗余分析圖
t-test結(jié)果顯示圖
紅色點(diǎn)表示為具有顯 著性統(tǒng)計(jì)學(xué)差異的屬
LEfSe 結(jié)果圖
上圖為聚類樹,紅色區(qū)域和綠色區(qū)域表示不同分組;下圖為統(tǒng)計(jì)兩個(gè)組別 當(dāng)中有顯著作用的微生物 類群通過LDA分析(線性回歸分析)后獲得的LDA分值
05
代謝組相關(guān)分析
對歸一化后的代謝組數(shù)據(jù)進(jìn)行PCA分析結(jié)果圖
代謝物注釋
差異代謝物雙向聚類熱圖
差異代謝物火山圖
代謝物富集通路圖
06
單細(xì)胞相關(guān)分析?
t-SNE分布圖
marker基因在各個(gè)細(xì)胞群的表達(dá)小提琴圖
各個(gè)cluster細(xì)胞占比情況分布統(tǒng)計(jì)圖
各個(gè)細(xì)胞類型marker基因表達(dá)熱圖
cluster相關(guān)性圖
cluster之間ligand-receptor交互圈圖
ligand-receptor關(guān)系熱圖
擬時(shí)序分析圖
各個(gè)點(diǎn)代表一個(gè)細(xì) 胞,具有相似狀態(tài)的細(xì)胞被聚在一 起。每一個(gè)支點(diǎn)代表一個(gè)生物學(xué)過 程的決策點(diǎn)
細(xì)胞間狀態(tài)轉(zhuǎn)換的pesudotime熱圖
07
基因組、外顯子相關(guān)分析
突變類型個(gè)數(shù)統(tǒng)計(jì)
橫坐標(biāo)表示不同的突變類型,縱坐標(biāo)表示對應(yīng)的個(gè)數(shù)
SNP和Indel在各個(gè)基因元件的分布比例統(tǒng)計(jì)
突變類型匯總統(tǒng)計(jì)圖
突變頻率Top50基因的瀑布圖
融合基因Circos圖
GO和KEGG通路富集結(jié)果圖
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?jiǎng)?chuàng)新思路的,或者對單細(xì)胞分析、多組學(xué)聯(lián)合分析等方向感興趣的小伙伴快來聯(lián)系小云吧!