这期分享一篇2020年6月份发表在 Genomics (IF=6.3)，作者基于泛癌数据库分析了葡萄球菌核酸酶结构域含蛋白1 (SND1)在人类肿瘤中的致癌作用。
推出转录组分析教程，转录分析教程整理如下：
RNA 2. SCI文章中基于GEO的差异表达基因之 limma
RNA 3. SCI 文章中基于T CGA 差异表达基因之 DESeq2
RNA 4. SCI 文章中基于TCGA 差异表达之 edgeR
RNA 6. 差异基因表达之-- 火山图 (volcano)
RNA 7. SCI 文章中的基因表达——主成分分析 (PCA)
RNA 8. SCI文章中差异基因表达--热图 (heatmap)
RNA 12. SCI 文章中肿瘤免疫浸润计算方法之 CIBERSORT
RNA 14. SCI 文章中差异表达基因之 蛋白互作网络 (PPI)
RNA 15. SCI 文章中的融合基因之 FusionGDB2
RNA 17. SCI 文章中的筛选 Hub 基因 (Hub genes)
RNA 19. SCI 文章中无监督聚类法 （ConsensusClusterPlus）
RNA 20. SCI 文章中单样本免疫浸润分析 （ssGSEA）
RNA 22. SCI 文章中基于表达估计恶性肿瘤组织的基质细胞和免疫细胞(ESTIMATE)
RNA 23. SCI文章中表达基因模型的风险因子关联图(ggrisk)
RNA 24. SCI文章中基于TCGA的免疫浸润细胞分析 (TIMER)
RNA 25. SCI文章中估计组织浸润免疫细胞和基质细胞群的群体丰度(MCP-counter)
RNA 26. SCI文章中基于转录组数据的基因调控网络推断 (GENIE3)
RNA 27 SCI文章中转录因子结合motif富集到调控网络 (RcisTarget)
RNA 28 SCI 文章中基于RNA-seq数据反褶积揭示肿瘤免疫结构的分子和药理学 (quanTIseq)
RNA 29. SCI文章中基于TCGA的免疫浸润细胞分析 (TIMER2.0)
RNA 30. SCI文章中基于TCGA和GTEx数据挖掘神器（GEPIA2）
RNA 31. SCI文章临床蛋白质组肿瘤在线数据挖掘神器（CPTAC）
RNA 32. SCI文章临床多组学肿瘤在线数据挖掘神器（UALCAN）
RNA 33. SCI文章肿瘤在线数据挖掘神器（cBioportal）
摘 要
尽管新兴的基于细胞或动物的证据支持SND1与癌症之间的关系，但没有全面癌症分析可用。因此，基于TCGA (the cancer genome atlas)和GEO (Gene expression omnibus)的数据集，我们首次探索了SND1在33种肿瘤中的潜在致癌作用。SND1在大多数癌症中都是高表达的，SND1的表达与肿瘤患者的预后存在明显的相关性。我们在一些肿瘤中观察到S426磷酸化水平的增强，如乳腺癌或肺腺癌。在结肠腺癌和黑素瘤中，SND1表达与CD8+ t细胞浸润水平相关，在其他肿瘤中，如膀胱尿路上皮癌或睾丸生殖细胞瘤中，也观察到癌症相关的成纤维细胞浸润。此外，蛋白质加工和RNA代谢相关的功能也参与了SND1的功能机制。我们的第一个泛癌症研究对SND1在不同肿瘤中的致癌作用提供了相对全面的了解。
生信分析流程
相关数据准备
数据集选择：TCGA，CPTAC GTEx数据库的转录组数据
基因集选择：SND1
生信分析方法：
我们从文章的分析流程中提取所有的分析内容，整理出来就 6个分析条目，每个条目都包括分析的内容，这些分析构成了整个文章，本文属于生信分析+实验结合的文章，下面我们就看看哪些分析可以利用桓峰基因公众号的教程来实现，点击分析条码就会跳转到对应公众号的教程，跟着教程做，您也能发轻松发高分，如下：
1. 基因表达分析利用在线数据挖掘工具：TIMER2, GEPIA2, CPTAC, HEPIA2
2. 生存分析利用在线数据挖掘工具：GEPIA2
3. 基因突变分析利用在线数据挖掘工具：cBioportal
4. 蛋白质磷酸化分析利用在线数据挖掘工具：Ualcan
5. 免疫浸润分析利用在线数据挖掘工具：TIMER2
6. 免疫浸润分析利用在线数据挖掘工具：STRING, GEPIA2
研究结果
1. SND1基因在不同肿瘤及病理分期中的表达水平
(a) 通过TIMER2分析SND1基因在不同癌症或特定癌症亚型中的表达状况。
(b) TCGA项目中DLBC、GBM、LGG、SKCM、TGCT、THYM的类型，采用GTEx数据库中相应的正常组织作为对照。提供了箱线图数据。
(c) 基于CPTAC数据集，我们还分析了乳腺癌、卵巢癌、结肠癌、透明细胞RCC和UCEC正常组织与原发组织之间SND1总蛋白的表达水平。
(d) 基于TCGA数据，按ACC、BLCA、CESC、COAD、KICH、LUAD、PAAD、THCA的主要病理分期(I期、II期、III期、IV期)分析SND1基因的表达水平。对数尺度采用Log2 (TPM + 1)。
2. SND1基因表达与TCGA肿瘤生存预后的相关性
我们使用GEPIA2工具通过SND1基因表达对TCGA中不同肿瘤进行总生存期(a)和无病生存期(b)分析。给出了具有积极结果的生存图和Kaplan-Meier曲线。
3. SND1在TCGA不同肿瘤中的突变特征
我们使用cBioPortal工具分析了TCGA肿瘤中SND1的突变特征。显示突变类型(a)和突变位点(b)的突变频率。我们在SND1的3D结构中显示了改变频率最高的突变位点(P723Lfs*2) (c)。我们还使用cBioPortal工具分析了突变状态与UCEC总体、疾病特异性、无病和无进展生存(d)之间的潜在相关性。
4. SND1蛋白在不同肿瘤中的磷酸化分析
基于CPTAC数据集，我们通过UALCAN分析了SND1磷酸化蛋白(NP_055205.2, Y109, Y150, S426, T431, S645, S781和S909位点)在正常组织和所选肿瘤原发组织中的表达水平。结果阳性的磷酸化蛋白位点显示在SND1蛋白的示意图(a)中。我们还提供了不同癌症的盒状图，包括乳腺癌(b)、透明细胞RCC (c)、LUAD (d)、卵巢癌(e)、UCEC (f)和结肠癌(g)。
5. SND1表达与肿瘤相关成纤维细胞免疫浸润的相关性
TIMER2分析使用不同的算法来探索在TCGA中所有类型癌症中SND1基因的表达水平与癌症相关成纤维细胞浸润水平之间的潜在相关性。
6. SND1相关基因富集分析
(a)我们首先使用STRING工具获得了可用的实验确定的snd1结合蛋白。
(b)我们还利用GEPIA2方法获得了TCGA项目中SND1相关的前100个基因，并分析了SND1与所选靶基因的表达相关性，包括TBL2、PLOD3、CALU、GCC1、MYBBP1A。
(c)显示详细癌症类型中对应的热图数据。
(d)将snd1结合基因与相关基因进行交叉分析。
(e)基于snd1结合基因和相互作用基因，进行KEGG通路分析。
(f)还显示了GO分析中分子函数数据的cnetplot。
这篇文章利用桓峰基因公众号上的教程完全可以实现这些图表的绘制，过程需要自己细致的探究，毕竟不是很简单的分析，能发到6+也需要有一定的生信分析和结果解读的能力.
References:
Cui X, Zhang X, Liu M, et al. A pan-cancer analysis of the oncogenic role of staphylococcal nuclease domain-containing protein 1 (SND1) in human tumors. Genomics. 2020;112(6):3958-3967. doi:10.1016/j.ygeno.2020.06.044
本文使用 文章同步助手 同步
网友评论