隨著測序技術(shù)的發(fā)展所坯，每年測序數(shù)據(jù)量以PB級(jí)增長鲫剿。隨著海量測序數(shù)據(jù)的增長掐暮，越來越多的研究人員開始挖掘公共數(shù)據(jù)庫中的測序數(shù)據(jù)的意義。已有很多研究表明愿卒，某個(gè)基因可能參與了某種腫瘤的發(fā)生和發(fā)展缚去。我們可以使用生物信息學(xué)的方法分析基因在腫瘤中參與的生物過程和行使的功能。本文主要介紹單基因生信分析的思路琼开。
一易结、單基因生信分析能發(fā)什么樣的SCI
據(jù)小編不完全統(tǒng)計(jì)，單基因生信分析發(fā)表的雜志主要有Molecular Therapy Nucleic Aids柜候、Frontiers in Oncology搞动、Frontiers in Immunology、Aging改橘、International Journal of Molecular Sciences 滋尉、EBioMedicine和Journal of Cancer等，影響因子在4-8之間飞主。
二狮惜、單基因生信分析內(nèi)容
單基因生信分析內(nèi)容主要分為兩步，第一步為篩選核心基因碌识，第二步為對核心基因進(jìn)行深入分析碾篡，包括單基因泛癌免疫，WGCNA, 突變拷貝數(shù)多組學(xué)分析筏餐，預(yù)后模型等开泽。
篩選核心基因
根據(jù)單基因生信分析的文獻(xiàn)穆律，小編總結(jié)了幾種篩選核心基因的方法惠呼。分別為基于ESTIMATE算法計(jì)算患者免疫打分，基于多數(shù)據(jù)集差異分析和WGCNA方法篩選核心基因峦耘。
第一種：
1. 免疫剔蹋、基質(zhì)和ESTIMATE打分與亞型和預(yù)后的關(guān)系
使用ESTIMATE算法計(jì)算腫瘤患者的免疫打分，基質(zhì)打分和ESTIMATE打分（圖1A和1B）辅髓。根據(jù)免疫打分泣崩，將患者分為免疫打分高組和免疫打分低組。Kaplan-Meier曲線分析不同免疫組的預(yù)后（圖1C）洛口。
Figure 1
2. 免疫微環(huán)境相關(guān)基因的差異分析矫付，功能富集分析和PPI分析
為了分析免疫打分與基因表達(dá)水平的關(guān)系，對腫瘤患者的免疫打分高組和免疫打分低組進(jìn)行差異分析第焰，鑒定DEGs买优，聚類熱圖繪制排名前20的上調(diào)和下調(diào)基因的表達(dá)水平（圖2A）。對差異表達(dá)基因進(jìn)行GO和KEGG富集分析（圖2B和2C）樟遣。圖2D主要展示GSEA分析結(jié)果而叼。
Figure 2
3. 蛋白互作網(wǎng)絡(luò)鑒定核心基因
使用STRING在線工具和Cytoscape繪制蛋白互作網(wǎng)絡(luò)。鑒定免疫應(yīng)答核心基因豹悬。
Figure 3
第二種：
1. 篩選多個(gè)數(shù)據(jù)集中共有的差異表達(dá)基因
對多個(gè)數(shù)據(jù)集的腫瘤組織和正常組織進(jìn)行差異分析葵陵，鑒定差異表達(dá)基因（圖4a-4c）。對這些差異表達(dá)基因取交集得到共有的差異表達(dá)基因以作為候選基因（圖4d）瞻佛。繪制共有的差異表達(dá)基因在腫瘤組織和正常組織中表達(dá)水平的聚類熱圖（圖4e）脱篙。
Figure 4
2. 通過ROC曲線分析和AUC篩選核心基因
對候選基因進(jìn)行ROC曲線分析并計(jì)算AUC，評(píng)估候選基因?qū)υ\斷腫瘤的敏感性和特異性伤柄。根據(jù)AUC值篩選核心基因（圖5a-5d）绊困。AUC值最大的基因可作為核心基因進(jìn)行下一步分析。通過構(gòu)建五倍交叉驗(yàn)證的核心基因的ROC曲線和混淆矩陣確定核心基因的預(yù)后價(jià)值（圖5e和5f）适刀。
Figure 5
第三種：
1. 基于WGCNA構(gòu)建共表達(dá)網(wǎng)絡(luò)
參考：噓秤朗！悄悄告訴你不用做實(shí)驗(yàn)就能發(fā)SCI的奧秘
根據(jù)腫瘤患者的轉(zhuǎn)錄組數(shù)據(jù)構(gòu)建共表達(dá)網(wǎng)絡(luò)，并根據(jù)模塊的保守性和Z-summary打分鑒定關(guān)鍵模塊（圖6）笔喉。
Figure 6
2. 鑒定關(guān)鍵模塊中的核心基因
對模塊中的hub基因繪制聚類熱圖并使用Cytoscape軟件計(jì)算hub基因的連接程度以鑒定核心基因（圖7）取视。
Figure 7
單基因深入分析
參考：****5分+單基因單癌種免疫相關(guān)純生信模版
單基因也可以構(gòu)建免疫預(yù)后模型發(fā)4分2區(qū)雜志
1. 基因與生存分析和臨床病理特征相關(guān)性分析
對核心基因進(jìn)行Kaplan-Meier分析（圖8A），研究核心基因與臨床病理特征的相關(guān)性（圖8B-8F）常挚。
Figure 8
2. 針對核心基因與免疫細(xì)胞群的相關(guān)性分析
為進(jìn)一步闡腫瘤中核心基因的免疫功能作谭，使用微環(huán)境細(xì)胞群計(jì)數(shù)算法計(jì)算免疫細(xì)胞群的豐度（圖9A和9B）。這些結(jié)果表明核心基因可能參與調(diào)節(jié)細(xì)胞免疫奄毡，而且在不同癌種中的免疫調(diào)節(jié)模式不同折欠。
Figure 9
3. 誘導(dǎo)免疫反應(yīng)中核心基因與其他免疫檢查點(diǎn)協(xié)同作用
為研究腫瘤誘導(dǎo)免疫反應(yīng)中核心基因與免疫檢查點(diǎn)的協(xié)同作用，評(píng)估核心基因與免疫檢查點(diǎn)的相關(guān)性（圖10A-10D）。
Figure 10
4. 核心基因與特定細(xì)胞免疫和炎癥反應(yīng)的相關(guān)性
使用GSVA分析研究核心基因與特定免疫及炎癥反應(yīng)的相關(guān)性锐秦。從7個(gè)簇中提取出104個(gè)基因并使用GSVA算法定義metagenes咪奖。鑒定核心基因在腫瘤中免疫和炎癥功能(圖11)。
Figure 11
5. 確定免疫調(diào)節(jié)因子與核心基因的相關(guān)性
使用cBioPortal查詢與免疫調(diào)節(jié)因子相關(guān)的基因（圖12B）农猬，對這些基因進(jìn)行GO和KEGG分析（圖12C和12D）赡艰。
Figure 12
6. 已知基因與多組學(xué)聯(lián)合分析
基于已知基因的表達(dá)水平售淡，將患者分為高表達(dá)組和低表達(dá)組斤葱。結(jié)合miRNA，lncRNA或甲基化或數(shù)據(jù)研究差異分組下的miRNA揖闸，lncRNA或甲基化差異水平（圖13）揍堕。
Figure 13
7. 核心基因相關(guān)免疫調(diào)節(jié)因子對腫瘤的預(yù)后作用
為研究核心基因?qū)δ[瘤的預(yù)后作用，進(jìn)行單因素多因素Cox回歸分析汤纸，得到基因的預(yù)后特征衩茸。并利用lasso回歸構(gòu)建與基因相關(guān)的免疫調(diào)節(jié)因子預(yù)后模型，并構(gòu)建列線圖以評(píng)估患者預(yù)后(Figure14, 15, 16)
Figure 14
Figure 15
Figure 16
8. 實(shí)驗(yàn)驗(yàn)證
參考：生信分析+實(shí)驗(yàn)驗(yàn)證=6.68分SCI贮泞，啥套路楞慈？
7分+文獻(xiàn)解讀｜純生信分析玩不轉(zhuǎn)？干濕結(jié)合發(fā)高分才是主流
如果有條件的話啃擦，可以使用Western blotting囊蓝，PCR或者IHC染色檢測篩選到的基因表達(dá)水平。做到這一步令蛉，你的文章已經(jīng)達(dá)到6分標(biāo)準(zhǔn)了聚霜，如果加上深入的機(jī)制實(shí)驗(yàn)，把故事講好珠叔，能發(fā)更高的分?jǐn)?shù)蝎宇，同時(shí)也會(huì)申請基金課題打下堅(jiān)實(shí)的基礎(chǔ)。
Figure 17
參考文獻(xiàn)：
【1】Identification of Novel Tumor-Microenvironment-Regulating Factor That Facilitates Tumor Immune Infiltration in Colon Cancer
【2】Identification of AUNIP as a candidate diagnostic and prognostic biomarker for oral squamous cell carcinoma
【3】Construction of co-expression modules related to survival by WGCNA and identification of potential prognostic biomarkers in glioblastoma
【4】Integrated Bioinformatical Analysis Identifies GIMAP4 as an Immune-Related Prognostic Biomarker Associated With Remodeling in Cervical Cancer Tumor Microenvironment
【5】Comprehensive Analysis of the Immune Implication of ACK1 Gene in Non-small Cell Lung Cancer
【6】Application of cAMP-dependent catalytic subunit β(PRKACB) Low Expression in Predicting Worse Overall Survival:A Potential Therapeutic Target for Colorectal Carcinoma
【7】Identification of PGRMC1 as a Candidate oncogene for Head and Neck Cancers and Its Involvement in Metabolic Activites
【8】Molecular and Clinical Characterization of PD-1 in Breast Cancer Using Large-Scale Transcriptome Data
作者：WOSCI沃斯編輯
鏈接：http://www.reibang.com/p/247a9ec3f2e0
