14分SCI，一个新的方法识别肿瘤细胞表面蛋白作为诊断和预后标志物

Detection of pan-cancer surface protein biomarkers via a network-based approach on transcriptomics data

公 众 号“生信小课堂”，今天给大家带来一篇高分SCI生信文章！

影响因子：13.994

研究背景：

细胞表面蛋白是生物医学研究的主要目标，因为它们可以作为细胞标记物和细胞外药物干预的可及性。在获得完整的表面蛋白目录的同时，生物标志物的选择还需要仅局限于恶性细胞的合适的表面生物标志物表达模式，以确保靶点的选择性和特异性。作者提出了一种基于组织特异性、表面中心共表达网络分析的泛癌症网络方法，以优先考虑不同癌症类型共享的改变膜蛋白表达。通过应用基于网络的转录组数据分析，作者使用称为SURFACER的方法，帮助用户发现癌症数据集中和跨癌症数据集中表面蛋白质活性的相关知识。这扩展了最初的MRA:通过执行以表面为中心的分析，表面蛋白活性的虚拟推断可以在网络级别实现，识别那些潜在基因表达变化的蛋白质（SSHs）。

SURFACER：https://github.com/N0toriou5/SURFACER)

**SURFACER的流程图**

研究结果：

一、任务1(步骤1 - 3) 差异表达泛癌表面标志物检测

二、任务2(步骤4-6)。建立和分析组织特异性表面蛋白中心共表达网络的活性

1、以表面蛋白为中心的共表达网络是利用配对基因-基因Pearson相关性，通过评估将表面蛋白编码基因与数据集中测量的其他基因连接起来的成对基因-基因相关性来构建的（图2A），并分析正相关和负相关（图2B）。

2、通过分析该网络来推断肿瘤样本中的表面蛋白活性(肿瘤与正常参考组织的对比)（图2C）。

3、表面蛋白活性是在样本的基础上推断得出，输出是一个表面活性矩阵，表示为每个TCGA患者的归一化富集分数（图2D）。

三、任务3(步骤7-9) SSH鉴定，生存分析和可药物基因组分析

1、热图显示每种分析的TCGA肿瘤亚型的137个SSHs的泛癌归一化富集评分（图3A）。

四、举例泛癌表面标记的:SLC31A1

1、热图显示TCGA数据集中所有重要SSHs在生存预测中的重要性（图3B）。

2、生存分析显示，四种TCGA亚型(BRCA、LGG、LUAD、PAAD)中SURFACER簇的总生存率（图4）。

3、基因表达与蛋白质丰度的相关性显示，SLC31A1在所有肿瘤亚型中均表现突出，唯一的例外是COAD，在COAD中没有SLC31A1蛋白水平（图5）。

4、框图汇总了SLC31A1在（图6A）5个BRCA SURFACER亚型和（图6B） 5个LGG SURFACER亚型中的平均表达量。

五、扩展SURFACER工作流程

SURFACER方法可以应用于在任何一种基因表达数据集中发现相关的细胞表面肿瘤生物标志物，参考网络可以用来解释和分析组织特异性表面蛋白活性。

研究总结：在该研究中，作者讨论了使用SURFACER进行泛癌症分析的可能性。通过SLC31A1的例子展示了该方案的潜力。分析不仅证实了SLC31A1在许多肿瘤类型中过表达，而且还表明其药理调节可能通过克服获得性化疗耐药而产生治疗效果。