生信已經成為科研圈發(fā)SCI的神器了，檢索PubMed上可見發(fā)表的文章不管高分低分都涉及生信，但是許多人聽見生信編程就望而卻步，產生恐懼心理，我們特邀請醫(yī)科堂生信挖掘一對一輔導訓練營周老師開設專欄，通過文章實例復現(xiàn)的方式幫助大家學懂文章，看懂代碼，希望能夠給大家有所幫助。
大家好！今天分享一篇2021年4月發(fā)表在《Frontiers in Oncology》（IF=6.244，中科院二區(qū)期刊）上的一篇文章，題為"An Immune-Related lncRNA Expression Profile to Improve Prognosis Prediction for Lung Adenocarcinoma: From Bioinformatics to Clinical Word" 在這項研究中，系統(tǒng)的闡明了肺腺癌中的免疫相關lncRNA表達圖譜，并且通過單因素，多因素回歸分析構建了包含4個免疫相關lncRNA的預后模型，從而形成高低風險組，發(fā)現(xiàn)具有不同的預后和免疫細胞浸潤。GO、KEGG分析顯示了高低風險組差異基因的富集通路，GEPIA數(shù)據(jù)庫展示了單個免疫相關lncRNA在腫瘤和癌旁的表達情況，以及和生存預后的關系。最后此研究中，收集了臨床78例肺腺癌的表達情況，于體外驗證了四個免疫相關lncRNA的預后模型。 從TCGA數(shù)據(jù)庫中下載497個LUAD樣本以及54個癌旁樣本的表達矩陣，使用perl腳本分離出lncRNA和mRNA,從中提取出331個免疫基因的表達矩陣，并通過person相關分析得到免疫相關lncRNA。緊接著，采用單因素、多因素分析構建了4個免疫預后相關lncRNA模型。 主要使用代碼：perl分離腳本，單因素R腳本，多因素R腳本 2.評估細胞和組織中免疫相關 lncRNA 的表達 進一步探討了四個相關lncRNA在細胞和組織中的表達，采用PCR檢測肺腺癌細胞和對照的表達量，組織及生存曲線采用數(shù)據(jù)庫Gepia里面的數(shù)據(jù)。 主要使用代碼：Gepia數(shù)據(jù)庫http://gepia.cancer-pku.cn/。Gepia數(shù)據(jù)庫是北大開發(fā)的對TCGA數(shù)據(jù)可視化的一個在線網(wǎng)站，對于腫瘤分析是一個非常不錯的工具。 3.四種免疫相關 lncRNA 與其他臨床病理特征的關聯(lián) 采用R語言對高低風險組的四個免疫相關lncRNA進行熱圖可視化，并且分別展示了在stage, T分期，M分期和N分期中四種免疫相關lncRNA的表達情況。 4.風險評分與年齡、性別、AJCC分期以及AJCC-TNM的關系 采用柱狀圖，比較了不同臨床形狀中高低風險的表達水平，類似卡方檢驗，結果發(fā)現(xiàn)高低風險和性別，AJCC分期，M分期，N分期相關 采用limma包得出高低風險組的差異基因，對部分差異基因進行熱圖展示，并且采用GO和KEGG進行富集分析。 主要使用代碼：R語言差異分析腳本，GO分析腳本和KEGG富集分析腳本。 基于PCA降維分析，比較了全基因組，所有免疫相關lncRNA，四種免疫相關lncRNA三種模型的區(qū)分度，可以發(fā)現(xiàn)四種免疫相關lncRNA的紅色綠色分開良好。進一步，采用GSEA富集分析，查看Immune Response和Immune System Process的富集情況。最后采用CIBERSORT比較高低分析組的免疫細胞情況。 主要使用代碼：PCA降維分析R腳本，GSEA軟件使用，CIBERSORT算法R腳本使用。 臨床收集78對肺腺癌樣本，采用PCR檢測四種免疫相關lncRNA的表達，并且基于前期構建的模型計算出風險分數(shù)，并結合臨床資料分析，體外驗證四種免疫相關lncRNA的模型 這篇生信文章相對來說結構思路還是很清晰的，構建了一個四種免疫相關lncRNA的預后模型并在體外驗證。其實換一個套路，做點糖酵解，鐵死亡，缺氧，細胞焦亡生信的預后模型分析都是類似的。 醫(yī)科堂精心整理模塊化代碼幫助大家復現(xiàn)論文主要內容，具體獲取代碼方式見文末！ 01-03 從TCGA數(shù)據(jù)庫中下載數(shù)據(jù)，構建基因表達矩陣 11-12 對cibersort結果進行可視化腳本
本站僅提供存儲服務，所有內容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權內容，請
點擊舉報 。
