怎么才能發(fā)表純生信文章？

很多后臺咨詢的小伙伴會提出這個問題，大多是擔(dān)心純生信發(fā)不出去了，想直接考慮加驗(yàn)證實(shí)驗(yàn)···

加驗(yàn)證實(shí)驗(yàn)確實(shí)是解決問題的一條路徑，但并不代表純生信就發(fā)不出去了，朋友們可以去PubMed上搜搜看，純生信文章還是很多的，那既然別人都能發(fā)，你為什么不可以呢？關(guān)鍵要看這些純生信文章具有什么特質(zhì)！摸清楚這些特質(zhì)就掌握了發(fā)文密碼，那純生信文章還不是手到擒來啦！（ps：這問題找小云可就問對人了，小云看的生信文章沒有過萬也有大幾千了，還是總結(jié)了一些規(guī)律的，下面就分享給大家~?~）

這個特質(zhì)總結(jié)出來就是4個字——高創(chuàng)新性，除了追趕剛出現(xiàn)的大熱點(diǎn)外，還可以選擇一些稍微熱度沒那么高的方向，小眾點(diǎn)的疾病，這種方向發(fā)文量少，自然就好發(fā)純生信，并且還容易以很簡單的分析發(fā)高分文章，達(dá)到事半功倍的效果！下面就用一篇文章實(shí)例展示一下，如何用中等熱度的分析方向，5張圖發(fā)表6分+的純生信！

文章選取了兩個中等熱點(diǎn)方向“缺氧”和“耐藥”進(jìn)行聯(lián)合分析，建立了一個預(yù)測PD-L1抑制劑治療耐藥的模型，分析方法并不復(fù)雜，但思路有一些出其不意，沒有局限于常規(guī)預(yù)后模型而是構(gòu)建耐藥預(yù)測模型，這樣創(chuàng)新性就提升了不少，那么能用5張圖就拿下6分+的純生信就無可厚非了??！這性價比也相當(dāng)高，想走這條路的小伙伴快來抄作業(yè)吧，換個腫瘤同樣適用哦！

l 題目：缺氧誘導(dǎo)肝細(xì)胞癌PD-L1抑制劑耐藥相關(guān)調(diào)控基因及機(jī)制的生物信息學(xué)分析

l?雜志：Int J Mol Sci.

l?影響因子：IF=6.208

l?發(fā)表時間：2023年5月

研究背景

由于生存優(yōu)勢，PD-L1抑制劑和抗血管生成劑的組合已成為不可切除肝細(xì)胞癌(HCC)一線治療的新參考標(biāo)準(zhǔn)，但其客觀緩解率仍較低。有證據(jù)表明，PD-L1抑制劑耐藥性歸因于低氧腫瘤微環(huán)境。因此，本研究旨在識別潛在的PD-L1抑制劑耐藥診斷性分子生物標(biāo)志物，從而可以識別新的治療策略來克服缺氧誘導(dǎo)的PD-L1抑制劑耐藥性。

數(shù)據(jù)來源

研究思路

基于GSE14520和GSE41666數(shù)據(jù)集分析以確定HCC缺氧誘導(dǎo)的差異表達(dá)基因，獲得52個HCC-缺氧重疊基因（HHO）。通過PPI網(wǎng)絡(luò)篩選得到10個hub基因。在TCGA-LIHC隊(duì)列中利用多元回歸分析評估HHOs對PD-L1表達(dá)的影響，14個基因被確定為影響PD-L1表達(dá)的相關(guān)危險(xiǎn)因素，隨后被用于構(gòu)建耐藥基因調(diào)控模型。針對PPI中樞基因和PD-L1調(diào)節(jié)基因進(jìn)行KM生存分析評估其預(yù)后價值，并利用ROC曲線分析基因?qū)D-L1抑制劑反應(yīng)的預(yù)測能力。最后使用ShinyGo平臺分析PPI中樞基因和PD-L1調(diào)節(jié)基因的KEGG途徑富集情況。

主要結(jié)果

1. HCC中特征基因和缺氧相關(guān)基因的識別和富集分析

在GSE14520數(shù)據(jù)集中分析腫瘤和正常組織間的差異基因，獲得800個差異基因作為HCC特征基因（HSGs）（圖1a）。在GSE41666數(shù)據(jù)集中分析HepG2細(xì)胞低氧和常氧環(huán)境中的差異表達(dá)基因，獲得了800個缺氧相關(guān)基因（HRGs）（圖1b），兩者取交集獲得52個HCC-缺氧重疊基因（HHOs）（圖1c, d）。針對HRGs和HSGs進(jìn)行功能富集分析，發(fā)現(xiàn)基因多富集于缺氧、HCC和PD-L1相關(guān)功能和通路（圖2）。

圖1?HRGs和HSGs的鑒定

圖2?功能富集分析

2.?耐藥基因調(diào)控模型構(gòu)建和PPI中hub基因鑒定

在TCGA-LIHC隊(duì)列中利用多元回歸分析評估HHOs對PD-L1表達(dá)的影響，14個基因被確定為影響PD-L1表達(dá)的相關(guān)危險(xiǎn)因素，隨后被用于構(gòu)建耐藥基因調(diào)控模型（圖3c）?；?2個HHOs建立PPI網(wǎng)絡(luò)，使用cytoHubba插件計(jì)算節(jié)點(diǎn)連接的degree，10個degree> 33的基因被鑒定為hub基因（圖3a, b）。

?圖3 模型構(gòu)建和hub基因鑒定

3. 生存分析和PD-L1抑制劑治療反應(yīng)預(yù)測

基于PPI中樞基因和PD-L1調(diào)節(jié)基因進(jìn)行高表達(dá)組和低表達(dá)組間的KM生存分析，結(jié)果顯示在PD-L1治療后，在NDC80和TPX2高表達(dá)水平的患者中發(fā)現(xiàn)了顯著更好的存活率（圖4a, b）。隨后作者驗(yàn)證了PPI中樞基因和PD-L1調(diào)節(jié)基因的表達(dá)對PD-L1治療的反應(yīng)（圖4c），箱線圖和ROC曲線結(jié)果顯示，預(yù)測PD-L1抑制劑反應(yīng)效果的前三個基因?yàn)镚ABARAPL1(AUC = 0.56，p = 0.016), PIK3R1(AUC = 0.549，p= 0.04)，以及POLE2(AUC = 0.553，p = 0.027)（圖3C）。（ps：KM曲線繪制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4?生存分析和PD-L1抑制劑治療反應(yīng)預(yù)測

4. KEGG富集分析

最后，作者使用ShinyGo平臺分析PPI中樞基因和PD-L1調(diào)節(jié)基因的KEGG途徑富集情況（圖5）。結(jié)果發(fā)現(xiàn)了19個顯著富集的途徑，并且大多數(shù)途徑與免疫細(xì)胞、炎癥因子和凋亡相關(guān)。

圖5 KEGG富集分析

小結(jié)

看完這篇文章有沒有覺得6分+的純生信竟能如此簡單？關(guān)鍵是分析方向選的好呀，把缺氧和免疫治療耐藥相結(jié)合，分析思路雖然簡單但貴在新穎，所以就能達(dá)到事半功倍的效果！目前耐藥和缺氧方向的發(fā)文競爭還不大，感興趣的朋友換個癌種就可以用這個思路復(fù)現(xiàn)了喲！