做生信分析該不該蹭熱點？

如果要蹭，如何做到優(yōu)雅的蹭？

如果不蹭，怎么尋找思路？

不知道怎么解決上述問題可以找小云，超多個性化、創(chuàng)新性高的分析思路供你選擇！

推薦閱讀：

• 又是個模板思路！癌癥干性+藥敏性方向生信分析+簡單實驗，輕松get 8+，可參考性極高，該出手時就得出手啊 ！

• 非腫瘤疾病鐵死亡生信分析，思路清奇又相當簡單，8分+Frontiers它不香嗎？抓住機會趕緊上車

• 秋天的第一個分析思路，從腫瘤相關(guān)成纖維細胞開始，6分+純生信文章玩轉(zhuǎn)預(yù)后風(fēng)險評分！

• 非腫瘤疾病生信思路持續(xù)上新！氧化應(yīng)激ceRNA模型構(gòu)建+簡單驗證，老樹開新花，7分+文章提前預(yù)定

吃多了山珍海味，也會想吃一點粗茶淡飯；

見慣了車水馬龍，就想欣賞一下俊山美水；

分享了各種熱點，還想看看非熱點的巧妙分析思路。

小云不是說分析熱點方向不好，畢竟凡是都有兩面性。只不過今天想給你們看點不一樣的思路，這篇文章的腫瘤分型切入點很巧妙，選擇了與所研究的疾病更密切相關(guān)的潰瘍和免疫為切入點，而不是單純的蹭熱點，照樣發(fā)高分。快來看一下它的亮點吧！

數(shù)據(jù)信息

研究內(nèi)容

亮點一：如何篩選潰瘍和免疫相關(guān)的差異基因？

首先，作者分析了潰瘍和免疫狀態(tài)對黑色素瘤患者預(yù)后的影響，發(fā)現(xiàn)潰瘍患者預(yù)后較非潰瘍患者差(圖1A)。通過ssGSEA分析免疫細胞浸潤，根據(jù)免疫細胞浸潤程度，將黑色素瘤患者樣本分為兩組(高免疫和低免疫組)，分析發(fā)現(xiàn)高免疫細胞浸潤組患者的總生存率(OS)高于低免疫細胞浸潤組(圖1B)。

接著重點來了，作者將患者進一步分為三組：潰瘍性低免疫組、非潰瘍性高免疫組和其他組。生存分析顯示潰瘍低免疫組與非潰瘍高免疫組之間存在顯著差異(圖1 c)。此外，利用DESeq2比較潰瘍低免疫組和非潰瘍高免疫組，分析潰瘍免疫相關(guān)的差異表達基因（DEGs）(圖1D)。使用單變量Cox分析確定了與預(yù)后相關(guān)的53個基因為潰瘍免疫相關(guān)的DEGs。

然后，基于53個潰瘍免疫相關(guān)的DEGs進行無監(jiān)督聚類，最終確定了三個不同的聚類：cluster1、2、3 (圖1E)。生存分析顯示，與cluster1和2相比，cluster3的預(yù)后最差(圖1F)。

圖1. 篩選潰瘍和免疫相關(guān)的差異基因

接下來就是針對這3個聚類進行了一系列的分析內(nèi)容（圖2）。

圖2. 針對3個不同亞型進行分析

亮點二：如何篩選出關(guān)鍵基因？

為了確定Cluster 3中在黑色素瘤進展中起關(guān)鍵作用的關(guān)鍵基因。作者首先篩選了影響黑色素瘤細胞生長的主要基因，采用基于CRISPR的全基因組功能缺失篩選(DepMap, https://depmap.org/portal/download/ )，發(fā)現(xiàn)黑色素瘤細胞系中有648個基因?qū)ι嬷陵P(guān)重要。在這648個候選基因中，有60個在Cluster 3中特異性表達（圖3）。

圖3.篩選關(guān)鍵基因

然后，基于這60個構(gòu)建了PPI網(wǎng)絡(luò)，并篩選出網(wǎng)絡(luò)中排名前10位的中心基因。生存分析顯示，前10個基因中，只有EIF3B在TCGA和GEO數(shù)據(jù)庫中均具有預(yù)后意義。接下來就是針對EIF3B這個關(guān)鍵基因進行了一系列的分析內(nèi)容和細胞實驗驗證（圖4）。

圖4. 針對EIF3B進行分析

亮點三：基于潰瘍免疫相關(guān)基因構(gòu)建預(yù)后模型

對TCGA數(shù)據(jù)進行Lasso logistic回歸和逐步多變量cox分析，構(gòu)建了基于基于潰瘍免疫相關(guān)基因的預(yù)后模型。根據(jù)TCGA數(shù)據(jù)的風(fēng)險評分將患者分為高風(fēng)險組和低風(fēng)險組。然后評估了模型對預(yù)后的預(yù)測能力、以及與免疫治療反應(yīng)的相關(guān)性(圖5)。

圖5. 基于潰瘍免疫相關(guān)基因構(gòu)建預(yù)后模型

總結(jié)

整篇文章的分析內(nèi)容倒不是很復(fù)雜，用到的分析方法也都很常規(guī)。最大的亮點就在于選擇了與疾病密切相關(guān)的潰瘍和免疫作為切入點，分析相關(guān)基因，再對腫瘤進行分型，使整個分析更有針對性和臨床價值。如果你也想做另辟蹊徑、獨樹一幟的生信分析思路，快來咨詢小云吧！