小云前面有講過要發(fā)純生信的關(guān)鍵點(diǎn)是“創(chuàng)新性”，并且能做到多重創(chuàng)新點(diǎn)疊加的話，文章競爭力更強(qiáng)，也更容易發(fā)高分純生信。

其中，“選題創(chuàng)新”是最容易達(dá)到的，可以追蹤一些新熱點(diǎn)，比如剛提出的雙硫死亡（ps：小云已經(jīng)總結(jié)了8種“雙硫死亡”生信切入思路，感興趣的小伙伴可以點(diǎn)擊文末鏈接觀看哦），或者研究比較少的方向，比如腫瘤復(fù)發(fā)、轉(zhuǎn)移或耐藥方向~?~

腫瘤復(fù)發(fā)、轉(zhuǎn)移或耐藥大方向中也可以做很多小分支，比如TKI耐藥、免疫治療抵抗、放療抵抗、生化復(fù)發(fā)、淋巴轉(zhuǎn)移等等···，這次就把選題目標(biāo)聚焦在“放療抵抗”方向上，分享一個(gè)超高性價(jià)比的純生信思路

這個(gè)8分+純生信思路，首先篩選放療敏感標(biāo)志物、進(jìn)行多組學(xué)分析并建立預(yù)后列線圖模型，簡單分析思路中又包含一些亮眼設(shè)計(jì)，選題創(chuàng)新+新穎思路，就能拿下高分純生信！這個(gè)思路換成其他耐藥小方向同樣適用，學(xué)起來吧！

????

l?題目：基于多數(shù)據(jù)集鑒定直腸癌放療敏感性相關(guān)樞紐基因及潛在分子機(jī)制

l?雜志：Journal of Translational Medicine

l?影響因子：IF=8.44

l?發(fā)表時(shí)間：2023年3月

研究背景

放療抵抗是局部晚期直腸腺癌（READ）腫瘤消退率低的主要原因。與放療敏感性相關(guān)的生物標(biāo)志物和潛在的分子機(jī)制尚未完全闡明。

數(shù)據(jù)來源

研究思路

利用GSE35452數(shù)據(jù)集篩選出放療反應(yīng)者和非反應(yīng)者之間的差異表達(dá)基因。對DEGs進(jìn)行GO和KEGG分析。利用隨機(jī)存活森林分析鑒定hub基因?；贑IBERSORT算法、GDSC數(shù)據(jù)庫、基因集變異分析(GSVA)、富集分析(GSEA)、列線圖、非編碼RNA網(wǎng)絡(luò)分析和GWAS分析，研究了hub基因與免疫細(xì)胞浸潤、藥物敏感性、特定信號通路、預(yù)后預(yù)測和TF–miRNA調(diào)控和ceRNA網(wǎng)絡(luò)之間的關(guān)聯(lián)以及hub基因的致病區(qū)域。最后利用HPA數(shù)據(jù)庫驗(yàn)證hub基因的蛋白表達(dá)。

主要結(jié)果

1. READ中放療敏感性相關(guān)差異基因分析和hub基因鑒定

首先在GSE35452進(jìn)行了DEGs分析，在READ的放療反應(yīng)者和無反應(yīng)者之間鑒定了1119個(gè)DEGs（圖1A）。利用1119個(gè)DEGs在TCGA-READ隊(duì)列中進(jìn)行進(jìn)行隨機(jī)生存森林分析，共獲得8個(gè)基因（圖1B）。針對這8個(gè)基因進(jìn)行Kaplan-Meier生存分析，獲得3個(gè)有預(yù)后顯著差異基因（PLAGL2, ZNF337和ALG10）作為hub基因（圖1C-E）。比較3個(gè)hub基因在放療反應(yīng)者和無反應(yīng)者之間的表達(dá)差異（圖1F）。?

圖1?READ中放療敏感性相關(guān)差異基因分析和hub基因鑒定

2. Hub基因與腫瘤發(fā)生、免疫浸潤的相關(guān)性分析和富集分析

通過GeneCards數(shù)據(jù)庫獲得與腫瘤發(fā)生相關(guān)的疾病基因，比較對照和READ患者之間疾病相關(guān)基因的表達(dá)（圖2A），并分析hub基因與疾病相關(guān)基因的皮爾遜相關(guān)性（圖2B）（ps：分析腫瘤發(fā)生相關(guān)基因與hub基因相關(guān)性的內(nèi)容比較少見，是個(gè)分析中的小亮點(diǎn)，可以學(xué)起來哦）。利用CIBERSORT算法用于分析READ患者中22個(gè)免疫浸潤細(xì)胞的相對比例（圖2C），并對hub基因表達(dá)和免疫細(xì)胞含量進(jìn)行皮爾遜相關(guān)分析（圖2D）。通過GSVA和GSEA分析hub基因涉及的特定信號通路（圖2E, F）。（ps：免疫浸潤分析、GSEA、GSVA分析也可以用小云新開發(fā)的零代碼生信分析小工具實(shí)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2?Hub基因與腫瘤發(fā)生、免疫浸潤的相關(guān)性分析和富集分析

3. READ中預(yù)后列線圖的構(gòu)建與評估

在TCGA-READ隊(duì)列中構(gòu)建包含ALG10, PLAGL2和ZNF337以及包括年齡、性別、階段、腫瘤(T)、淋巴結(jié)(N)和轉(zhuǎn)移(M)階段的臨床特征的列線圖（圖3A），并利用校準(zhǔn)曲線評估模型一致性（圖3B）。

圖3列線圖的構(gòu)建與評估

4. Hub基因的TF調(diào)控網(wǎng)絡(luò)和ceRNA網(wǎng)絡(luò)分析及GWAS分析

從人類miRNA疾病數(shù)據(jù)庫(HMDD)中獲得了25個(gè)READ相關(guān)的miRNAs。從miRWalk數(shù)據(jù)庫中提取與三個(gè)hub基因的mRNA相關(guān)的mRNA-miRNA關(guān)系對，共獲得1007個(gè)miRNA，將其與25個(gè)READ相關(guān)的miRNAs取交集，獲得2個(gè)mRNA-miRNA關(guān)系對（圖4A）。根據(jù)這兩個(gè)miRNAs基于ENCORI數(shù)據(jù)庫預(yù)測了相互作用的lncRNAs，最后獲得157對相互作用（包括1個(gè)miRNA和157個(gè)lncRNAs）（圖4B）?；?個(gè)hub基因預(yù)測其轉(zhuǎn)錄因子TF，并針對TF進(jìn)行了基序富集分析，構(gòu)建TF調(diào)控網(wǎng)絡(luò)(ZBTB6)-mRNA(PLAGL2)（圖4E）。通過分析Gene Atlas數(shù)據(jù)庫中的GWAS數(shù)據(jù)鑒定了READ中3個(gè)hub基因的致病區(qū)域（圖4C, D）。

圖4?Hub基因的TF調(diào)控網(wǎng)絡(luò)和ceRNA網(wǎng)絡(luò)分析及GWAS分析

5. Hub基因的表達(dá)驗(yàn)證

在HPA數(shù)據(jù)庫中利用臨床樣本的IHC圖驗(yàn)證3個(gè)hub基因的蛋白表達(dá)（圖5）。

圖5?Hub基因的表達(dá)驗(yàn)證

小結(jié)

這篇文章的思路與常規(guī)預(yù)后模型構(gòu)建思路有所不同，基于生物標(biāo)志物基因進(jìn)行多組學(xué)分析，分析內(nèi)容不是很復(fù)雜，同時(shí)也具備新穎性，容易在一眾預(yù)后或分型分析思路中脫穎而出！再加上“放療抵抗/敏感”方向的選題創(chuàng)新性，無需實(shí)驗(yàn)驗(yàn)證就能發(fā)到8分+的純生信，性價(jià)比簡直太高了！思路趕快學(xué)起來，換個(gè)癌種或者換個(gè)耐藥其他方向就能復(fù)現(xiàn)啦！