做实验的时候，如果想说清楚靶分子的重要性，常规操作就是在表达量低的细胞系中过表达基因，在表达量高的细胞系中敲减靶分子，如果观察到相反的现象，那么事情就讲清楚了。
接下里就是确定要研究的细胞系，一般情况下就是收集齐细胞系，然后做一个qRT-PCR就行了，如果是编码基因，最好用western blot。
那现在问题有两个：
- 第一，极大的可能，收集不全要研究的细胞系
- 第二，如果大家做过qRT-PCR，就知道他的条件极其苛刻，波动性很大。
有没有数据，可以让我们方便地查看基因在多个细胞系中的表达量呢？
有的，有人把所有肿瘤细胞系都测了RNA-seq，而且把数据好上传了。数据存放在CCLE。
点进去界面很简洁，我们可以输入一个基因
XBP1, 测试一下。
这时候，他给我们返回了这个基因在所有组织分类中的表达，比如，我们发现他在乳腺癌的60个细胞系中，表达算高的。如果我想查看这个基因在所有乳腺癌细胞系中的表达，怎么办呢？
好像不可以。
1.那我们就下载数据自己搞
点击data
里面有很多文件，我们需要的是两个，一个是转录本水平的TPM文件。
一个是样本的注释文件，往下拉就有了
2.读入表达量数据
CCLE_data <- data.table::fread("CCLE_RNAseq_rsem_transcripts_tpm_20180929.txt",data.table =F )
这个数据很大，包含了1000多个细胞系的结果。
选择breast乳腺癌细胞系所在的位置
index <- grep("BREAST",names(CCLE_data))
接下来要做的，就是把这个数据变成能作图的清洁数据(这是R语言中最重要的能力)
library(tidyr)
library(tibble)
library(dplyr)
data <- CCLE_data %>%
select(c(2,index)) %>%
separate(transcript_id,into = "transcript_id",sep = "\\.") %>%
column_to_rownames("transcript_id") %>%
t() %>%
data.frame() %>%
rownames_to_column("celline") %>%
separate(celline,into = "celline",sep = "\\_")
这串代码很流畅，也很抽象，必须自己运行才能理解，我们直接看现在的结果吧。
第一列是细胞系的名称，其余列都是一个个转录本，只是用ensemble ID来表示了。
现在还有个问题，就是细胞系的名称，不规范，比如BT474,应该为BT-474, 所以我们需要注释文件来处理
3.修改细胞系的名称
anno_CCLE <- data.table::fread("anno_CCLE.txt")
names(anno_CCLE)[5] <- "Site_Primary"
names(anno_CCLE)[1] <- "CCLE_name"
names(anno_CCLE)[2] <- "Cell_line_primary_name"
library(dplyr)
breast_ccle_index <- anno_CCLE %>%
filter(Site_Primary=="breast") %>%
select(CCLE_name,Cell_line_primary_name) %>%
separate(CCLE_name,into = "celline",sep = "\\_") %>%
column_to_rownames("celline")
data <- cbind(cell_name=breast_ccle_index[data$celline,1],data)
save(data,file = "CCLE_BREAST_PLOT.Rdata")
现在数据就改过来了
4.选择转录本
首先要确定XBP1的转录本，大部分人在这里就崩溃了。
一个基因会被转录成多个转录本，这些转录本的CDS可能不一样，所以，过表达一个基因，实际上过表达选定转录本的CDS区。这个可以从ensemble数据库得到。
这时候我们会看到，
XBP1有很多转录本，而且不同转录本对应的编码蛋白大小还不一样，所以这时候是要读文献确定的。我们这里随便选一个ENST00000216037。
5.细胞系作图
library(ggplot2)
gene_id <- "ENST00000216037"
test <- data[,c("cell_name",gene_id)]
names(test)[2] <- "gene_id"
ggplot(data = test,aes(x=forcats::fct_reorder(cell_name,desc(gene_id)),y=gene_id))+
geom_bar(stat='identity', aes(fill=cell_name))+
theme_bw()+
ylab(paste0(gene_id," (TPM)"))+
xlab(NULL)+
theme(legend.position = "none")+
theme(axis.text.x = element_text(angle = 45, hjust = 1))
50几个细胞系的结果一目了然。
当然，如果先细胞系太多了，自己组上没有那么多，可以选择部分来做图。
library(ggplot2)
gene_id <- "ENST00000216037"
test <- data[,c("cell_name",gene_id)]
rownames(test) <- test$cell_name
test <- test[c("T-47D","SK-BR-3","BT-549","ZR-75-1","MDA-MB-231","MDA-MB-468","MCF7","BT-474","MDA-MB-436"),]
names(test)[2] <- "gene_id"
ggplot(data = test,aes(x=forcats::fct_reorder(cell_name,desc(gene_id)),y=gene_id))+
geom_bar(stat='identity', aes(fill=cell_name))+
theme_bw()+
ylab(paste0(gene_id," expression (TPM)"))+
xlab(NULL)+
theme(legend.position = "none")+
theme(axis.text.x = element_text(angle = 45, hjust = 1))
此时我们选择"ZR-75-1"来敲减，选择"MDA-MB-231"来过表达就没有人来说什么了吧，如果你只想在一个细胞系中来做实验，选择中等表达的，可以敲减可以过表达，那么MCF-7就是个好选择。
总结
今天的技能，属于那种没有人教，需要自己学会的技能。在科研工作中有很多高光时刻都属于这一类，在R语言处理数据的时候，也是这样。
学一个知识，处理上百种情况, 这在成为了医学生后几乎不可能，所有的知识都需要背，自己推理的结果往往跟实际情况不一样。但是在学习了R语言之后，情况好了很多，在科研中有时候用一下R语言会很有成就感。如果你也想拥有这种能力，可以看看下面这个实诚的帖子：
久等了，果子学生信最新课程报名通知
网友评论