【文献解读】揭秘发4.8分生信论文的套路

以下小编分享一篇今年825日发表在《Aging》的原著性文章,标题是Characterization of long non-coding RNA and messenger RNA profiles in laryngeal cancer by weighted gene co-expression network analysis,影响因子4.831分。

https://doi.org/10.18632/aging.102419
文章的关键术语
laryngeal cancer LC)喉癌
biomarker
weighted gene co-expression network analysis
lncRNA-microRNA

研究主旨
本研究从癌症基因组图谱(TCGA)数据库中收集了RNA测序数据(包括lncRNA表达数据和mRNA表达数据),以阐明与健康人群相比,LC患者中重要的共表达模块。这些模块与LC患者的临床特征密切相关,而且这些模块中的基因可能还会影响LC发展。在研究中选择共表达粉红色模块作进一步分析,因为它包含许多重要的临床特征,可有助于开发更多适用于LC患者的生物标志物。此外,对 lncRNA-miRNA-mRNA lncRNA-RNA 结合蛋白-mRNA 网络的分析可能为LC的分子机制提供新的见解,从而有助于改善LC患者的早期诊断和整体预后。

LC也是较常见的肿瘤之一,其预后很差。LC的发生率呈逐渐上升趋势。虽然早期诊断的患者可以进行手术治疗,但大多数病例往往在诊断出来时已经在晚期了,这大大降低预后效果。所以,非常迫切需要为LC患者开发更多新的诊断性生物标志物,以能更早被发现确诊,及早治疗,提高LC患者的存活率。

研究思路

  1. TCGA数据库中获取LC病人的相关数据。
  2. 从数据中筛选出最佳2500lncRNA2500mRNA的基因,用带有VoomLimma包优化基因,去除一些辅助性数据,再进一步做WGCNA分析。
  3. GenCLiP3CytoscapeGO/KEGG分析,鉴定出与LC相关的通路和生物学功能。


GenCLiP3http://ci.smu.edu.cn/genclip3/analysis.php


Cytoscapehttps://cytoscape.org/

  1. STRING构建出mRNA-mRNA互作网络图,并用Cytoscape 3.2进行分析,再用MCODE插件提取枢纽基因。
  2. starBase v2.0lncRNA-miRNA-mRNA lncRNA-RNA 结合蛋白-mRNA 相互作用网络进行解码,Cytoscape 3.4.0把解码出来的数据再成像出一幅网络图。


starBase v2.0http://starbase.sysu.edu.cn/starbase2/index.php

  1. 细胞学实验:LC细胞株Hep-2TU177细胞、HaCaT正常角化细胞的培养。
  2. 从三种细胞株中提取总RNA,反转录成cDNA,做qRT-PCR
  3. 统计学分析:所有数据都用R软件3.4.3 (https://www.r-project.org/)分析。

研究结果
首先,作者构建了LC的共表达模块,得出以下结果。

在共表达粉红色模块中做富集分析,得出以下结果:

同样也在共表达粉红色模块中用了STRINGPPIGO分析,得出这样的结果:

LncRNA-RNA 结合蛋白-mRNA  LncRNA-miRNA-mRNA网络分析,得出这样的结果:

qRT-PCR验证survival-related lncRNAhub mRNA的表达,包括8lncRNA12hub mRNA,得出以下的结果。
​​​​​​​

Posted in 实用工具, 实验外包服务, 技术文章, 新闻资讯.

发表评论

电子邮件地址不会被公开。 必填项已用*标注