CeRNA纯生信现在还能发5分?速来围观

论文题目:ceRNA网络的综合分析发掘肾乳头状细胞癌(KIRP)的预后特征

建立疾病相关ceRNA网络的思路大致是:首先筛选在疾病中显著差异表达的lncRNA(circRNA)、miRNA和mRNA,然后预测它们之间的互作关系,就可以建立一个ceRNA网络。由于ceRNA网络建立起来方法单一,也很容易出结果,几乎每一种肿瘤都被建立过ceRNA网络,并且在2019年之前online了。不过,没有赶上童鞋们莫急,还是有机会的,让我们瞅瞅这篇文章都干了些啥,有哪些亮点。

01  鉴定在KIRP中显著差异表达的RNA

将TCGA数据库中KIRP数据集中癌和癌旁的RNA-seq数据进行差异表达分析,筛选到1,832 DEmRNA(853 up-regulated and 979 down-regulated),1,036 DElncRNA (458 up-regulated and 578 downregulated) 和 93 DEmiRNA (42 up-regulated and 51 down-regulated)。

02  差异mRNA功能分析

对显著上调和下调的mRNA分别进行GO和KEGG富集分析。(亮点1:除了常规的气泡图和条形图外,作者还绘制了KEGG网络图,图种将mRNA的名称、foldchange、富集通路、和富集数都进行了展示,很精美)。

03  CeRNA网络建立

miRTarBase和miRcode预测DEmRNA、DElncRNA和DEmiRNA之间的互作关系。

04  蛋白互作网络(PPI)分析

把ceRNA网络中的mRNA挑出来,单独建立蛋白互作网络,探究网络中mRNA对预后的影响,结果发现7个mRNA中有6个都显著与预后有关。

05  筛选生物标志物和构建预后模型

作者首先用单因素Cox回归方法从ceRNA网络中筛选了显著与预后相关的RNAs,然后用stepwise regression 筛选最佳特征基因(亮点2)。最后确定了8个RNAs构建预后模型。Risk score = 0.320∗GF2BP3 C 0.624∗PLK1 C 0.356∗LINC00200 - 0.817∗NCAPG C 0.484∗CENPF - 0.332∗GAS6_AS1 C 0.130∗miR_217 - 0.241∗LRRC4。

06  8个RNAs表达与临床分期的关系

与预后不良显著相关的RNA的表达量会随着临床分期的上升而上升,与预后良好显著相关的RNA的表达量会随着临床分期的上升而下降(亮点3)。

07  8个RNAs与肿瘤类型的关系

KIRP有两种亚型type 1和type 2。其中type 2有更差的预后。与预后不良显著相关的RNA在type 2中的表达量显著高于type 1,与预后良好显著相关的RNA在type 2中的表达量显著低于type 1(亮点4)。

看完全文,小姐姐找到4个亮点:

1)KEGG网络图;

2)筛选特征基因方法新颖(stepwise regression);

3)特征基因分别在不同临床分期中进行表达水平比较;

4)特征基因分别在不同肿瘤亚型中进行表达水平比较。

不过感觉2021年做这些工作再发5分很困难了,这篇文章其实还有很多地方可以补充的,例如:“构建预后模型”,我们可以将工作细化,把样本分为训练集和测试集,这样得到的结果更加可信;“特征基因表达与临床分期的关系”,这里我们可以再对其他临床特征进行拓展,例如:年龄、TMN分期、性别等等;对于建立的预后模型,我们可以再用其他数据库的数据进行外部验证,并且可以用单因素和多因素Cox回归分析验证其临床独立性;对于预后模型预测出的高低风险患者,我们可以做一个基因富集分析(GSEA)比较不同组患者富集通路的差异,也可以比较两组患者的免疫细胞浸润情况及肿瘤突变负荷情况。当然,我们还可以加一些实验验证,例如:qPCR、WB、免疫组化验证一下特征基因在KIRP上的表达差异,或者是在不同临床分期上的表达差异;双荧光素酶报告实验,验证网络中lncRNA-miRNA-mRNA的调控情况等等。

你可能感兴趣的:(CeRNA纯生信现在还能发5分?速来围观)