|
解螺旋公眾號(hào)·陪伴你科研的第2003天 做科研需要先學(xué)習(xí)套路，才能超越套路。今天給大家介紹的套路文獻(xiàn)是今年發(fā)表在《Oncology reports》（IF= 3.041）上的一篇文章。文章的標(biāo)題雖然看上去比較泛，但也讓讀者一眼就能知道主題了，“molecular mechanism”、“potential drugs”、“papillary renal cell carcinoma（PRCC）”，所用的研究數(shù)據(jù)就是“TCGA and Cmap datasets”了。當(dāng)然，也有一些同學(xué)看到TCGA這幾個(gè)字母，就敬而遠(yuǎn)之了，大家可以翻翻我們之前寫的文章，抑或?qū)W習(xí)下我們的課程，讓這些同學(xué)們不再只是“遠(yuǎn)觀”，而且可以“褻玩”。首先，給大家簡(jiǎn)單介紹下文章method的主要內(nèi)容：1. 作者首先用GEPIA做了個(gè)差異表達(dá)（沒(méi)錯(cuò)，就是那個(gè)網(wǎng)頁(yè)工具）；2. 用MetaScape進(jìn)行GO的富集分析，用Webgestalt進(jìn)行KEGG通路富集分析；3. 根據(jù)上面得到的差異表達(dá)基因用Cmap和Drug Pair Seeker進(jìn)行藥物分子預(yù)測(cè)，前者是Broad下的網(wǎng)頁(yè)工具，后者是需要下載使用的工具，不過(guò)兩者都是基于Connectivity Map；4. 構(gòu)建藥物-通路網(wǎng)絡(luò)：基于Cmap的數(shù)據(jù)找到受藥物影響的差異表達(dá)基因，然后將這些基因做基因富集分析；5. 構(gòu)建藥物-靶標(biāo)網(wǎng)絡(luò)：作者從DrugBank里弄到了潛力位于top10的藥物的分子結(jié)構(gòu)，然后去STITCH數(shù)據(jù)庫(kù)里找他們的靶基因；6. 進(jìn)一步探索PRCC的潛在藥物：作者首先用STRING的數(shù)據(jù)和差異表達(dá)的基因，然后在Cytoscape里的CentiScape插件尋找其中的hub基因，再用GEPIA確認(rèn)hub基因的表達(dá)水平。然后在Human Protein Atlas數(shù)據(jù)庫(kù)里找了C3和ANXA1的免疫組化結(jié)果。最后作者用systemsDock（也是個(gè)網(wǎng)頁(yè)版工具）做了個(gè)hub基因蛋白與藥物之間的分子對(duì)接。對(duì)于新手或者不太熟悉的同學(xué)，筆者建議將上述工具和數(shù)據(jù)庫(kù)都去學(xué)一學(xué)用一用，技多真的不壓身?。ɑ径际蔷W(wǎng)站和一些簡(jiǎn)單的工具） 下面我們來(lái)看看文章的主要結(jié)果：1. Table1和Table2分別展示了PRCC中差異表達(dá)基因的GO和KEGG的富集分析結(jié)果：2. Figure1和Figure2也是展示PRCC中差異表達(dá)基因的GO和KEGG的富集分析結(jié)果：3. 展示了打分最高最有潛力靶向RPCC的10個(gè)藥物分子4. 展示了潛在的靶向藥物與信號(hào)通路之間的網(wǎng)絡(luò)關(guān)系。藍(lán)色的表示藥物，紅色的表示受藥物影響的通路。5. 然后作者展示了基于STITICH數(shù)據(jù)庫(kù)構(gòu)建藥物分子和靶點(diǎn)之間網(wǎng)絡(luò)關(guān)系的結(jié)果。6. 作者在Cytoscape里找到了hub基因，并展示了這些hub基因之間的PPI網(wǎng)絡(luò)：7. 然后作者用GEPIA驗(yàn)證了上面的hub基因在PRCC和癌旁組織中存在差異表達(dá)（沒(méi)錯(cuò)，就是GEPIA?。?/span>8. 然后作者在TCPA中用C3和ANXA1的蛋白數(shù)據(jù)做了個(gè)生存分析（然而兩者都不顯著啊，為什么不在GEPIA里也做一個(gè)mRNA的生存分析呢？）9. 作者用Protein Atlas的數(shù)據(jù)驗(yàn)證了C3和ANXA1兩個(gè)基因的蛋白在腫瘤中表達(dá)比較高，在60%以上的病人中都檢測(cè)到了，位列前茅。10. 然后作者展示了免疫組化的結(jié)果比較了正常組織和腫瘤組織中的差異（數(shù)據(jù)挖掘真好，抗體的費(fèi)用都省了）11. 隨后作者秀了下C3和ANXA1兩個(gè)蛋白與藥物分子的對(duì)接效果圖，展示了藥物能結(jié)合的氨基酸殘基和空間距離。以上就是這篇文章的主要結(jié)果，這篇文章對(duì)于想要學(xué)習(xí)數(shù)據(jù)挖掘的小白們來(lái)說(shuō)，還是值得學(xué)習(xí)的，至少其中所涉及到的工具還是有不少的，推薦大家去看看學(xué)習(xí)。筆者也隨手給大家提兩個(gè)建議，如果大家對(duì)生信技能稍微熟悉一點(diǎn)，這篇文章里前面的GO和KEGG可以用GSEA來(lái)作，這樣的結(jié)果會(huì)更靠譜一點(diǎn)，結(jié)果圖也可以更多一些。然后就是可以用TCIA或者TIMER里的免疫細(xì)胞浸潤(rùn)數(shù)據(jù)分析比較一下正常和腫瘤組織間的免疫浸潤(rùn)差異嘛。祝大家都能有所收獲，多發(fā)文章，發(fā)高分文章！點(diǎn)下“在看”，多根頭發(fā)
|
