最近后臺經(jīng)常收到粉絲朋友咨詢“腫瘤耐藥的生信新思路”

?“天選打工人”小云上線，趕緊找新思路走起?。?/p>

第一步就是看下現(xiàn)在腫瘤耐藥相關(guān)生信文章分布，打探好目前形勢才好找突破口嘛

哦吼，大部分還是題目中提一下藥敏性/免疫治療反應(yīng)，然后分析最后做下簡單的藥敏性分析和免疫治療反應(yīng)預(yù)測

這類思路好的一點(diǎn)是可以關(guān)聯(lián)各種熱點(diǎn)方向，但它的分析重點(diǎn)一般不在藥敏性/耐藥上，換句話說，這類思路不是以“藥敏性/耐藥”為出發(fā)點(diǎn)來做分析的，只是最后做一下模型驗(yàn)證或相關(guān)性分析，所以能不能發(fā)高分還是得看關(guān)聯(lián)的熱點(diǎn)厲不厲害。

腫瘤耐藥相關(guān)生信還是“蹭飯吃”的情況該怎么突破呢？

話說，靠人不如靠自己啊，所以要想突破那就以“藥敏性/耐藥”為出發(fā)點(diǎn)來做分析，創(chuàng)新性直接提高一大截，具體思路往下看

看好哦，要放大招啦：用耐藥和敏感的親本細(xì)胞樣本對比數(shù)據(jù)篩選耐藥相關(guān)基因（公共數(shù)據(jù)或自測數(shù)據(jù)），將這些耐藥基因作為一個基因集合，與GEO或TCGA臨床隊(duì)列得到的差異/預(yù)后基因取交集，得到耐藥相關(guān)差異基因，然后就可以往后進(jìn)行各種常規(guī)分析了

看懂了嗎？下面就利用1篇“腫瘤耐藥細(xì)胞自測數(shù)據(jù)+公共數(shù)據(jù)生信分析”文章來實(shí)踐一下，不用蹭熱點(diǎn)也能上車8分+！

研究背景

基于耐藥/敏感乳腺癌細(xì)胞系測序數(shù)據(jù)和GGI預(yù)測的NAC耐藥乳腺癌患者化療耐藥乳腺癌患者腫瘤的轉(zhuǎn)錄譜GSE25066數(shù)據(jù)集，分析其轉(zhuǎn)錄模式并篩選了與化療耐藥相關(guān)的候選基因。使用LASSO回歸和單變量及多變量分析構(gòu)建了NAC反應(yīng)風(fēng)險(xiǎn)模型，并檢驗(yàn)了NAC反應(yīng)風(fēng)險(xiǎn)評分的評估準(zhǔn)確性。比較高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組之間基因表達(dá)特征、腫瘤浸潤淋巴細(xì)胞和免疫抑制分子表達(dá)。通過CMap數(shù)據(jù)庫篩選可能逆轉(zhuǎn)乳腺癌化療耐藥的潛在藥物。

主要結(jié)果

一、乳腺癌NAC耐藥相關(guān)hub基因的篩選

首先建立了不同乳腺癌亞型的EPI耐藥細(xì)胞系，包括MCF-7/EPI，SKBR3/EPI和MDA-MB-231/EPI，進(jìn)行轉(zhuǎn)錄組測序，3個細(xì)胞系重疊的差異基因?yàn)?02個（圖1C）。然后在GSE25066數(shù)據(jù)集中，將患者樣本根據(jù)GGI分為兩組:GGI低(NAC抗性，n=157)和GGI高(NAC敏感性，n=335)，分析兩組間DEG，共獲得347個DEGs。最后將細(xì)胞系間耐藥差異基因與GGI相關(guān)差異基因取交集，獲得36個NAC耐藥相關(guān)基因（圖1F）。（ps：這里并沒有直接將細(xì)胞系間耐藥差異基因與患者間差異基因取交集，而是引入了一個參考評分GGI，分析更深入，比常規(guī)分析套路的創(chuàng)新性更高一些）

圖1?耐藥相關(guān)差異基因的鑒定

二、構(gòu)建了具有NAC響應(yīng)的風(fēng)險(xiǎn)模型并評估預(yù)后

基于GSE25066數(shù)據(jù)集中246例接受NAC治療的乳腺癌患者的表達(dá)和預(yù)后數(shù)據(jù)建立了一個LASSO回歸模型，從上述36個NAC耐藥相關(guān)基因共篩選得到2組基因1se和min，分別含有12和18個基因（圖2A, B）。ROC分析顯示，兩個模型1se (AUC=0.96)和min (AUC=0.97)對評估乳腺癌對NAC的耐藥性均具有良好的診斷價(jià)值(圖2C)，考慮到患者的檢測成本選擇了1se模型的12個基因，并對乳腺癌的總體和不同分子亞型進(jìn)行了風(fēng)險(xiǎn)截?cái)鄶M合分析（圖2D）。隨后，分析了乳腺癌患者的風(fēng)險(xiǎn)評分和預(yù)后之間的關(guān)系，并構(gòu)建列線圖（圖3A, D）。

圖2 TILTregSig可以作為前列腺癌Tregs浸潤的預(yù)測因子

圖3?乳腺癌預(yù)后風(fēng)險(xiǎn)評分的評價(jià)

三、風(fēng)險(xiǎn)評分的基因表達(dá)分析、功能富集分析和腫瘤微環(huán)境分析

利用Hit Predict數(shù)據(jù)庫，尋找與上述12個基因編碼的蛋白質(zhì)相互作用的蛋白質(zhì)，構(gòu)建PPI網(wǎng)絡(luò)（圖4B）。對12個模型基因進(jìn)行GO和KEGG富集分析（圖4D，E）。通過CIBERSORT和quanTIseq算法評估了不同風(fēng)險(xiǎn)組患者的免疫細(xì)胞浸潤水平（圖5A），并進(jìn)一步探討了風(fēng)險(xiǎn)評分和免疫抑制分子之間的相關(guān)性（圖5G）

圖4?風(fēng)險(xiǎn)評分的基因表達(dá)和功能富集分析

圖5 風(fēng)險(xiǎn)評分與TME的相關(guān)性分析

四、逆轉(zhuǎn)乳腺癌耐藥性的藥物篩選

為了探索候選藥物在乳腺癌中克服NAC耐藥性的應(yīng)用，分析了兩個風(fēng)險(xiǎn)組的DEGs，將DEGs導(dǎo)入CMap數(shù)據(jù)庫來篩選化合物。選擇了評分前三的化合物和五種抗腫瘤藥物，并使用先前建立的耐藥細(xì)胞系來驗(yàn)證所選候選藥物逆轉(zhuǎn)耐藥的功能。（ps：這里在篩選出逆轉(zhuǎn)耐藥的化合物后，在之前建立的細(xì)胞系中驗(yàn)證藥物功能。這種驗(yàn)證實(shí)驗(yàn)不太常見，通常是選擇關(guān)鍵基因來驗(yàn)證表達(dá)和功能，驗(yàn)證篩選的藥物功能有一定的創(chuàng)新性，并且更能貼近臨床、說明風(fēng)險(xiǎn)評分的應(yīng)用效果。這個驗(yàn)證實(shí)驗(yàn)適合以“耐藥”為研究主體的課題，學(xué)起來哦）

圖6 根據(jù)風(fēng)險(xiǎn)評分篩選逆轉(zhuǎn)耐藥的潛在藥物

文章小結(jié)

看完思路有沒有覺得豁然開朗呢？利用耐藥/親本細(xì)胞的自測數(shù)據(jù)或公共數(shù)據(jù)（如果能找到公共數(shù)據(jù)是最好的選擇，找不到的話用細(xì)胞系做下轉(zhuǎn)錄組測序也是比較快的），與GEO/TCGA臨床隊(duì)列一聯(lián)合就可以構(gòu)建預(yù)后模型了，不需要蹭點(diǎn)，純粹靠自己（耐藥）就可以發(fā)到8分+，性價(jià)比那是相當(dāng)高啊。文中有2個分析和驗(yàn)證實(shí)驗(yàn)創(chuàng)新點(diǎn)，小伙伴也可以學(xué)起來，放在自己的文章里，妥妥的加分項(xiàng)哦！還想了解更多“腫瘤復(fù)發(fā)轉(zhuǎn)移耐藥”相關(guān)生信思路和課題設(shè)計(jì)思路請關(guān)注我們的精品培訓(xùn)課程《腫瘤復(fù)發(fā)轉(zhuǎn)移和耐藥相關(guān)國自然熱點(diǎn)方向思路設(shè)計(jì)專題會議》，有意向的小伙伴歡迎咨詢小云哦!

課程大綱：