什麼,你說入門級的零程式碼單基因腫瘤生信分析竟然可以突破5分?還是2021年的文獻?
今年3月發表在Aging (Albany NY)(IF:5。684)的單基因腫瘤生信分析文章——《
A bioinformatic analysis: the overexpression and clinical significance of FCGBP in ovarian cancer
》,輕輕地給自己撒上免疫浸潤的金粉,從3分門檻一躍進入5分拱門
全文一共7張Figure,以TCGA_OV資料為主,2個卵巢癌GEO資料集及泛癌資料為輔,由FCGBP對生存有影響到相關差異基因功能富集,聚焦到免疫浸潤,再深入探討卵巢癌免疫浸潤,聚焦到巨噬細胞表型,再輔以簡單的溼試驗驗證,形成相對完整的故事鏈
今天就手把手帶大家復現這篇5+生信文章,學習文獻思路,掌握復現方法,你離5分文章真的不遠!
題目:A bioinformatic analysis: the overexpression and clinical significance of FCGBP in ovarian cancer
材料與方法
1)疾病:卵巢癌、泛癌
2)物種:人類
3)資料來源:TCGA (n=379) , GSE12470 (n=53), GSE40595 (n=77)
圖表結果及復現
使用工具
仙桃學術生信工具
https://www。xiantao。love/products
TIMER2。0網站
復現任務
Fig。 1 Pan-cancer FCGBP expression analysis
FCGBP泛癌分析
Fig。 2 Expression of FCGBP in ovarian cancer tissues。
卵巢癌組織中FCGBP表達驗證
Fig。 3 Association between FCGBP expression and cancer prognosis。
FCGBP表達水平與生存預後相關性分析
Fig。4 Function and pathway enrichment analyses of FCGBP in ovarian cancer
卵巢癌中FCGBP相關基因功能及通路富集分析
Fig。5 Correlation between immune cell infiltration and FCGBP in ovarian cancer
卵巢癌中FCGBP與免疫細胞浸潤的相關性分析
Fig。 6 Correlation between FCGBP expression and macrophage infiltration and polarization
FCGBP表達與巨噬細胞浸潤和極化的相關性分析
Fig。 7 Correlation between FCGBP expression and gene markers of M2-like macrophages。
FCGBP表達與M2樣巨噬細胞基因marker的相關性分析
復現步驟
Fig.1 FCGBP泛癌分析
1)作者首先使用TCGA與GTEx資料分析了FCGBP在BRCA, CHOL, COAD, ESCA, GBM, AML,LGG, LIHC, LUAD, OV, PAAD, STAD, TGCT, UCS等14種腫瘤中的表達水平
接著使用2個卵巢癌GEO資料集GSE12470, GSE40595對FCGBP的表達水平進行了驗證分析
2)首先我們進行TCGA的單基因泛癌分析,進入仙桃學術生信工具高階版,“表達差異→表達差異→非配對樣本”,選擇“XENA_TCGA_泛癌”資料集,右側“基因“處輸入”FCGBP“,提交分析,得到FCGBP在30+種腫瘤中的表達水平比較點圖,儲存結果
3)接下來分析GEO資料集,進入仙桃學術資料集檢索,在最上方的檢索蘭輸入“GSE12470”,選擇全部樣本加入樣本庫,進入“我的樣本庫“,根據原文中的”ovarian cancer “與”normal peritoneum“劃分實驗組與參考組,
這裡的編號等下還有用,大家可以觀察一下編號規律
,點選提交分析,待分析完成後下載表達譜
此處建議大家對所有分析過的GEO資料集進行命名修改,以便日後核對查詢等
3)在表達譜表格中使用Excel的查詢功能找到“
FCGBP
”,複製該行資訊與首行,轉置貼上在新的Excel表格中,接下來根據剛才的GSM編號為每一行新增分組資訊,最後整理資料為分析格式,另存為新表格
3)進入仙桃學術生信工具,“基礎繪圖→分組比較圖”,提交剛才整理好的資料,型別選擇“點圖”,提交分析,得到FCGBP在卵巢癌與正常組織的表達比較點圖,同理,完成GSE40595的分析
Fig2
卵巢癌組織中FCGBP表達驗證
接下來作者分別展示了正常卵巢組織、良性卵巢腫瘤組織與惡性卵巢組織中FCGBP的免疫組化圖及IOD/area比較柱狀圖;以及以上3組中FCGBP表達的qRT-PCR驗證結果
簡單的免疫組化與PCR輔助驗證是生信分析最常見的溼實驗驗證
手段
,silicon analysis在加上臨床標本驗證進一步增加說服力
Fig3 FCGBP表達水平與生存預後相關性分析
1)在Fig3中作者使用TCGA資料分析了OV, LGG, KICH, HNSC, PCPG, READ, UVM中FCGBP表達水平與總體生存 (Overall Survival)的相關性,發現FCGBP高表達與以上腫瘤患者不良預後相關
與HNSC, BRCA, PCPG, KIRC患者DSS增加相關
2)進入仙桃學術生信工具,“臨床意義→預後分析→KM曲線圖”,選擇“卵巢漿液性囊腺癌”,右側基因處選擇“FCGBP”,預後引數中預後型別可以選擇OS、DSS、PFI等,此處選擇OS,提交分析,得到FCGBP表達水平與卵巢癌生存預後KM曲線圖,儲存結果
3)同法,依次完成LGG, KICH, HNSC等腫瘤KM生存曲線
4)Fig3 h、i圖分別是TCGA_OV資料中與FCGBP正相關、負相關top50基因與FCGBP的相關性熱圖,這裡有2種作圖方式,我們將逐一演示作圖步驟
首先我們需要得到FCGBP表達相關的基因列表,進入“表達差異→差異分析→單基因差異分析”,選擇卵巢漿液性囊腺癌與FCGBP分子,提交分析,下拉頁面,下載TPM格式的表達資料,並在歷史記錄中下載Excel結果表格
5)開啟單基因差異分析結果表格,首先篩選p。adj < 0。05的基因,再分別取正相關的top50與負相關的top50基因,複製基因名,分別新建表格
進入“互動網路(聯)→分子相關性分析→單基因共表達熱圖”,選擇卵巢腫瘤與FCGBP分子,“分子list”中貼上top50基因名,每次最大支援50個基因,提交分析即可出圖~
6)還可以透過使用仙桃提供的資料整理後得到原文中的經典熱圖格式,今天就教大家
從仙桃豐富的處理資料中生成想要的資料繪製更多的圖表
!
將單基因差異分析結果表格中的正、負相關top50的100個基因名連同ENSG編號複製到新的excel表格中,top50相關基因熱圖需要每個樣本中的表達值資料,這時候開啟剛才在使用百度雲連結下載的OV TPM資料,發現基因名是ENSG編號格式
那我們就在Excel中以ENSG編號批次對應(可以使用Excel 的vlookup函式或高階篩選功能),再將其基因名與表達值複製到新表格中,熱圖資料就準備好啦~
7)接下來繪製熱圖,進入“表達差異(挑)→複雜熱圖”,分別正相關top50基因表達資料與負相關top50基因表達資料,聚類方式中可以選擇“無”,提交分析,儲存結果,得到原文中的熱圖形式
8)最後在仙桃工具中完成拼圖即可
Fig4 卵巢癌中FCGBP相關基因功能及通路富集分析
1)Fig4中作者使用與FCGBP表達正相關top300基因分別進行了GO、KEGG、GSEA富集分析、GO、KEGG富集分析資料只需要在提供一列基因名即可
這裡的資料只需要在“單基因差異分析“結果表格中按logFC降序排列取top300即可,進入“功能聚類→GO|KEGG→GO|KEGG富集分析”,上傳資料,富集分析條目中選擇“GO : BP”,提交分析
2)進入”GO|KEGG視覺化“,選擇剛才提交分析的資料,圖片型別可以選擇柱狀圖、氣泡圖等,提交分析,儲存結果,氣泡圖中用氣泡的顏色代表了p值,資訊更加豐富
3)同法完成KEGG富集分析
4)接下來是GSEA富集分析,仙桃學術最新更新GSEA富集分析山巒圖首秀!首先我們需要準備GSEA分析的基因list,在之前的單基因差異分析結果表格zhong 複製全部基因名及對應的logFC值,並新建表格儲存
進入“功能聚類(圈)→GSEA富集→GSEA分析“,提交資料進行分析,在“歷史記錄”中下載Excel結果表格
原文中分別對KEGG及REACTOME PATHWAY進行了展示,在Excel表格中第2列“Description”中依次篩選KEGG、REACTOME PATHWAY,進入“GSEA山巒圖”,選擇剛才完成的雲端資料,右側“基因集ID”中分別輸入top20KEGG、top20REACTOME PATHWAY,提交分析作圖即可
Fig5 卵巢癌中FCGBP與免疫細胞浸潤的相關性分析
1)Fig5a中作者分別分析了FCGBP高低表達組中淋巴細胞、啟用樹突細胞、靜息樹突細胞、巨噬細胞、M1型巨噬細胞、M2型巨噬細胞、漿細胞、中性粒細胞等免疫細胞的浸潤程度
Fig5b繪製了卵巢癌中FCGBP與腫瘤免疫抑制基因的相關性熱圖
2)進入“互動網路(聯)→免疫浸潤→分組比較”,選擇腫瘤、圖片型別、輸入目的分子FCGBP,“演算法引數”中可選擇
aDC, B cells, CD8 T cells, Cytoxic cells, DC, Eosinophils, iDC, Macrophages, Mast cells, Neutrophils, NK CD56bright cells NK CD56dim cells, NK cells, pDC
等20餘種免疫細胞,提交分析即得到原文同款Fig5a
3)接下來繪製FCGBP與腫瘤免疫抑制基因的相關性熱圖,進入“互動網路(聯)→分子相關性分析→單基因共表達”,選擇腫瘤與目的基因,“分子列表”中批次輸入我們感興趣的基因,此處為原文中的免疫抑制基因,提交分析,儲存結果並下載相關性結果資料
4)開啟結果表格,複製第2-4列,整理資料為相關性熱圖要求格式
同法依次完成ACC、BLCA、BRCA等多種腫瘤中FCGBP與免疫抑制基因的相關性分析,此處僅以OV, ACC, BLCA, BRCA等4種腫瘤為例演示
5)進入“基礎繪圖→相關性熱圖(相關矩陣)”,可檢視教程文件,檢視資料要求格式並瞭解相關性熱圖意義
提交我們整理好的表格,右側可選擇“顯示星號”,即標註相關性有統計學意義的基因,儲存結果
6)最後將免疫細胞浸潤箱線圖與免疫基因相關性熱圖在仙桃拼圖工具中完成拼圖即可
Fig6 FCGBP表達與巨噬細胞浸潤和極化的相關性分析
1)Fig6中作者使用TIMER2。0資料庫分析了FCGBP與巨噬細胞浸潤水平的相關性,以及FCGBP與M1、M2巨噬細胞的相關性
進入TIMER2。0資料庫,選擇“Immune”模組,分別輸入“FCGBP”與“Macrophage”,提交分析
2)可檢視多種腫瘤中FCGBP與巨噬細胞浸潤的相關性散點圖,找到卵巢腫瘤行。可看到第1-3列、6-7列、10-11列、15列為原文Fig6,雙擊小格即可檢視對應的散點圖
3)在AI或仙桃學術中上傳圖片完成拼圖即可
Fig7 FCGBP表達與M2樣巨噬細胞基因marker的相關性分析
1)Fig7中作者分析了FGCBP與M2樣巨噬細胞標誌CD163, MRC1, TGFB1在泛癌與卵巢癌中的相關性,泛癌相關性分析仙桃學術目前還不支援,我們在此演示單癌種的相關性分析散點圖
進入“互動網路(聯)→分子相關性分析→散點圖”,選擇腫瘤,基因A為FCGBP,基因B處依次輸入CD163, MRC1, TGFB1,依次提交分析,儲存結果,最後在拼圖工具中完成拼圖即可
現在文章中所有的圖表都復現完畢啦~ 最後依然是我們的保留節目——全文總結
文章思路總結
挑
無,一開始即鎖定FCGBP
Fig2中做了FCGBP在3種卵巢組織表達mRNA、蛋白驗證
圈
卵巢癌中FCGBP相關基因功能及通路富集分析(Fig4)
聯
卵巢癌中FCGBP與免疫細胞浸潤的相關性分析(Fig5)
FCGBP表達與巨噬細胞浸潤和極化的相關性分析(Fig6)
FCGBP表達與M2樣巨噬細胞基因marker的相關性分析(Fig7)
靠
FCGBP表達水平與生存預後相關性分析(Fig3)
思路拓展
1、文章一開始即分析了FCGBP在泛癌、卵巢腫瘤中的表達差異,並取與FCGBP正相關的top300基因做了功能與通路富集,由此
將目標聚焦到免疫浸潤相關分析
此處有2點值得我們注意
第一
,作者是如何選定以FCGBP為主變數並未明確交代緣有,FCGBP在PubMed中可檢索到70+篇文獻,且研究的時間跨度較大,並不算新分子;
第二
,此處作者選擇了與FCGBP正相關的top300基因,而非更常見的所有差異基因做富集分析
2、免疫浸潤分析可再聯絡治療藥物預測分析落地,
增加生信分析與臨床轉化之間潛在應用可能
這套路玩法太厲害了,就簡單幾步3分SCI搞定!
看這裡,這樣套路你也可以掌握,手把手帶你文章復現
掃下方二維碼,回覆“
復現
”,即可免費進群報名