公 眾 號“生信小課堂”，今天給大家?guī)硪黄叻諷CI生信文章烫堤！
影響因子：13.994
研究背景：
細胞表面蛋白是生物醫(yī)學研究的主要目標，因為它們可以作為細胞標記物和細胞外藥物干預的可及性哈打。在獲得完整的表面蛋白目錄的同時塔逃，生物標志物的選擇還需要僅局限于惡性細胞的合適的表面生物標志物表達模式，以確保靶點的選擇性和特異性料仗。作者提出了一種基于組織特異性湾盗、表面中心共表達網絡分析的泛癌癥網絡方法，以優(yōu)先考慮不同癌癥類型共享的改變膜蛋白表達立轧。通過應用基于網絡的轉錄組數據分析格粪，作者使用稱為SURFACER的方法，幫助用戶發(fā)現癌癥數據集中和跨癌癥數據集中表面蛋白質活性的相關知識氛改。這擴展了最初的MRA:通過執(zhí)行以表面為中心的分析帐萎，表面蛋白活性的虛擬推斷可以在網絡級別實現，識別那些潛在基因表達變化的蛋白質（SSHs）胜卤。
SURFACER：https://github.com/N0toriou5/SURFACER)
研究結果：
一疆导、任務1(步驟1 - 3) 差異表達泛癌表面標志物檢測
二、任務2(步驟4-6)葛躏。建立和分析組織特異性表面蛋白中心共表達網絡的活性
1澈段、以表面蛋白為中心的共表達網絡是利用配對基因-基因Pearson相關性，通過評估將表面蛋白編碼基因與數據集中測量的其他基因連接起來的成對基因-基因相關性來構建的（圖2A）舰攒，并分析正相關和負相關（圖2B）败富。
2、通過分析該網絡來推斷腫瘤樣本中的表面蛋白活性(腫瘤與正常參考組織的對比)（圖2C）摩窃。
3兽叮、表面蛋白活性是在樣本的基礎上推斷得出，輸出是一個表面活性矩陣猾愿，表示為每個TCGA患者的歸一化富集分數（圖2D）鹦聪。
三、任務3(步驟7-9) SSH鑒定蒂秘，生存分析和可藥物基因組分析
1椎麦、熱圖顯示每種分析的TCGA腫瘤亞型的137個SSHs的泛癌歸一化富集評分（圖3A）。
四材彪、舉例泛癌表面標記的:SLC31A1
1观挎、熱圖顯示TCGA數據集中所有重要SSHs在生存預測中的重要性（圖3B）琴儿。
2、生存分析顯示嘁捷，四種TCGA亞型(BRCA造成、LGG、LUAD雄嚣、PAAD)中SURFACER簇的總生存率（圖4）晒屎。
3、基因表達與蛋白質豐度的相關性顯示缓升，SLC31A1在所有腫瘤亞型中均表現突出鼓鲁，唯一的例外是COAD，在COAD中沒有SLC31A1蛋白水平（圖5）港谊。
4骇吭、框圖匯總了SLC31A1在（圖6A）5個BRCA SURFACER亞型和（圖6B） 5個LGG SURFACER亞型中的平均表達量。
五歧寺、擴展SURFACER工作流程
SURFACER方法可以應用于在任何一種基因表達數據集中發(fā)現相關的細胞表面腫瘤生物標志物燥狰，參考網絡可以用來解釋和分析組織特異性表面蛋白活性。
研究總結：在該研究中斜筐，作者討論了使用SURFACER進行泛癌癥分析的可能性龙致。通過SLC31A1的例子展示了該方案的潛力。分析不僅證實了SLC31A1在許多腫瘤類型中過表達顷链，而且還表明其藥理調節(jié)可能通過克服獲得性化療耐藥而產生治療效果目代。
