關於基因集泛癌分析的文章，我們最近也解讀過很多
11分+SCI 基因集泛癌純生信分析，兩個多月接受，可重複！
快來看看最新的27分基因集泛癌分析是怎麼做的
13+SCI 基因集泛癌分析純生信 可重複
基因集泛癌分析
6.6分基因集泛癌分析純生信 並沒有很難
25天接受的基因集泛癌分析，先人一步的優勢！
7.6分基因集泛癌純生信分析，從投稿到接收僅一個月！
最新6.6分，45天接收的基因集泛癌純生信 值得嘗試！
目前我們有一些基因集/通路的預分析結果，可以聯繫小編進行深入分析，也可以提供你感興趣的基因集，我們來做分析。
請掃描下方二維碼
發表雜誌：J Pineal Res.
影響因子：13.001
研究背景
流程圖
分析解讀
褪黑素調節因子的基因組表達和亞型分析
①測定30個正常器官/組織中褪黑素調節因子的基因表達。
②泛癌中各腫瘤組織mRNA差異表達分析。
③生存分析：Cox比例風險模型計算每個基因的生存風險(HR)，隨後對每個基因進行Kaplan-Meier生存的對數檢驗。
④為了鑑定影響癌症亞型的臨床相關基因，進行表達亞型分析。
結果：
下圖A：GTEx數據集中褪黑素能調節劑表達譜的熱圖。
下圖B：正常組織與腫瘤組織的mRNA差異。
下圖C：褪黑素能調節亞型在癌症中的表達。
下圖D：褪黑素調節劑生存分析。
下圖E-F：PER3(E)和ARNTL(F)與癌症預後有關。
單核苷酸變異(SNV)分析
①SNV數據(n=8,663)是從TCGA數據庫收集的33種癌症的SNV數據。
②用突變樣本數/腫瘤樣本數計算各基因編碼區SNV突變頻率(百分比)。
結果：
下圖A：褪黑素調節因子的突變頻率。
下圖B：顯示褪黑素調節因子的突變分布。
拷貝數變異(CNV)分析
①從TCGA數據庫中收集33種癌症類型的CNV的原始數據(n=11,495)並使用GISTICS2.0進行處理。
②在CNV模塊分析中計算CNV百分比和CNV與mRNA的相關性。
③使用GISTIC處理的CNV數據生成基於CNV亞型的百分比統計，並使用原始CNV數據和mRNA RSEM數據計算相關性。
④將mRNA表達與CNV原始數據合併，探討兩者之間的相關性。
⑤成對的mRNA表達和成對的CNV百分比樣本之間的關聯基於人的乘積矩相關係數和t分布進行了測試。
結果：
下圖A：CNV餅圖顯示了泛癌中每個基因的雜合/純合CNV組合。
下圖B：雜合性CNV圖譜顯示雜合性CNV的百分比，包括泛癌中每個基因雜合性CNV的擴增和缺失百分比。
下圖C：CNV與mRNA表達的相關性。
甲基化分析
①在這項研究中，具有超過10個腫瘤-正常對的癌症將在腫瘤和正常之間進行進行Student's T檢驗以定義腫瘤和正常樣本之間的甲基化差異。
②褪黑素調節因子的mRNA表達和甲基化數據進行合併。
③基於Pearson的乘積矩相關係數測試配對mRNA表達和甲基化之間的關聯，然後進行t分布測試。
④結合甲基化數據和臨床總生存期數據，根據中位甲基化水平將基因甲基化水平分為兩組。用Cox回歸分析兩組基因甲基化的比例。
結果：
下圖A：在每種癌症中，腫瘤和正常樣本之間的褪黑素調節因子的甲基化程度不同。
下圖B：甲基化與mRNA基因表達的相關性。藍點代表負相關，紅點代表正相關，顏色越深，相關性越高。
下圖C：具有高甲基化和低甲基化的褪黑素調節因子的樣本之間的存活率存在統計學差異。
下圖D-E：腎上腺皮質癌CYP1A2甲基化(D)和腎透明細胞癌(KIRC)RORA甲基化（E）的預後分析。
microRNA(MiRNA)調控網絡分析
①合併miRNA和基因表達。
②基於Pearson相關係數對mRNA和miRNA表達之間的關聯。
③計算所有配對樣本的相關性。
③負相關的miRNA-基因對將被視為潛在的負調控對。
結果：
下圖：一個miRNA和一個調節子連接節點代表了miRNA對基因的調控。節點大小與節點度呈正相關，邊寬由相關係數的絕對值決定。
褪黑激素調節因子之間的通路分析
①來自TCPA數據庫的反相蛋白質陣列(RPPA)數據用於計算7876個樣品的分數。
②基因表達按中位表達分為兩組（高和低），組間通路活性評分(PAS)的差異使用Student's T檢驗定義，p值由FDR調整。
結果：
下圖A：生物鐘基因對通路活性影響的綜合百分比。
下圖B：線代表不同途徑之間的連接，其中連接一條途徑的實線代表激活，連接一條途徑的虛線代表抑制，線的顏色代表了不同的癌症類型。
褪黑素調節因子的藥物敏感性分析
①從GDSC下載藥物的劑量-反應曲線(AUC)值下的面積和所有癌細胞系的基因表達譜。
②使用Fisher<80><99>s Z變換將轉錄水平和AUC的Pearson相關係數標準化。
③將注釋的藥物-靶標對的Pearson相關係數與通過隨機抽樣相關性生成的相同數量的相關對進行比較，對GDSC IC50藥物數據進行基因集耐藥性分析。
結果：
下圖：Spearman相關係數用於顯示基因表達是否與藥物敏感性相關。正相關是基因高表達表示對藥物耐藥，負相關是基因高表達表示對藥物敏感。
小結：
留言列表