分分鐘搞定7分+腫瘤單基因套路生信文章
今天帶來一篇2021年發表在Mol Ther Nucleic Acids（IF=8。886）雜誌上的一篇文章。文章的標題是：
套路是單基因套路，
分子是SEMA3F，疾病是肝癌
，一共有8張圖2表，下面我來帶大家一一復現。
期刊簡介
使用工具
2）GEPIA資料庫（
http://gepia.cancer-pku.cn/
）
3）TIMER資料庫(
https://cistrome.shinyapps.io/timer/
)
4）Kaplan-Meier plotter (
http://kmplot.com/analysis
)
6）RNA22資料庫（
https://cm.jefferson.edu/rna22/
）
7）miRmap資料庫（
https://mirmap.ezlab.org/
）
圖1
圖1A：SEMA3F在泛癌中的表達量
復現
這裡作者下載了tcga的資料並使用了r語言來進行處理，不過我們有更加簡單的方式。
1
方法（1）
開啟timer資料庫，選中Diff Exp，在Gene Symbol處輸入SEMA3F然後提交，SEMA3F的泛癌表達量的圖就完成了。作者剔除掉了沒有癌旁組織的部分腫瘤，所以我們做出的圖與文章裡的圖有部分不同，不過殊途同歸，只要是論證了SEMA3F在泛癌中的表達量就是可以的。
2
方法（2）
開啟仙桃學術，選擇左側表達差異中的非配對樣本，疾病選擇泛癌，選擇xnea-tcga資料，右側基因輸入SEMA3F，再點選確認，一秒出圖。
圖1B-M：SEMA3F在12種腫瘤組織和GTEx的正常對照組織中的表達差異
復現
以BRCA為例。
1
方法（1）
開啟GEPIA，選擇boxplot，進入boxplot介面後，在gene裡輸入SEMA3F，將顯著性閾值改為0。5和0。05，中間的Datasets Selection部分選擇BRCA後點擊add，Matched Normal data處選擇Match TCGA normal and GTEx data後點擊plot即完成復現，後11種腫瘤出圖方法是一樣的。
2
方法（2）
開啟仙桃學術，選擇左側表達差異中的非配對樣本，疾病選擇乳腺浸潤癌，資料專案選擇TCGA_GTEx-BRCA，右側圖片型別選擇組合圖，基因SEMA3F，點的顏色選黑色，大小改為0。1，分佈寬度改為0。3，小提琴圖的顯示選無即復現成功。每做完一個癌症可以選擇儲存結果最後直接在仙桃學術中進行拼圖。
圖2 & 圖3
SEMA3F的生存曲線（OS和DFS）
復現
以BRCA為例
1
方法（1）
開啟GEPIA，選擇Survival analysis，輸入基因SEMA3F，method選擇Overall Survival，腫瘤選擇BRCA即完成復現，其他的圖只用更改腫瘤型別或者method選擇Disease Free Survival （RFS）即可
2
方法（2）
開啟仙桃學術，選擇左側臨床意義-預後分析-KM曲線圖，資料選擇TCGA-BRCA的TPM資料格式，基因輸入SEMA3F，預後引數選擇OS，統計方式選擇Logrank檢驗，置信區間選擇虛線即完成復現。
圖四
圖4A：預測SEMA3F上游的miRNAs
作者使用了PitA、RNA22、miRmap、microT、Miranda、PicTar和TargetScan等預測工具，同時出現在兩個資料庫中的miRNA才被記錄下來。
復現
PitA、microT、Miranda、PicTar和TargetScan的使用教程挑圈聯靠公眾號都推送過，可以使用搜索功能搜尋相應的關鍵詞得到教程，以下是RNA22和miRmap的使用教程。
1
RNA22資料庫
2
MiRmap資料庫
得到每個資料庫中預測的miRNA後，再挑選出同時被兩個資料庫預測的miRNA，得到13個miRNA的列表，圖3A 用畫圖即可畫出
圖4B：SEMA3F和13種miRNA的相關性
復現
開啟starbase資料庫，點選右上方pan-cancer，選擇右側miRNA-Target CoExpression，輸入miRNA和SEMA3F，Cancer選擇肝癌，得到相關性，整理相關性和p值得到表格即為圖4B
圖4C：hsa-let-7c-5p在肝癌和癌旁組織中的表達量
復現
1
方法（1）
開啟開啟starbase資料庫，點選右上方pan-cancer，選擇右側miRNA Differential Expression，輸入hsa-let-7c-5p，cancer選擇肝癌，左側表格中有p值，下載圖片後用AI加上p值即復現成功。
1
方法（2）
開啟仙桃學術，選擇左側表達差異中的非配對樣本，疾病選擇肝細胞肝癌，資料專案選擇TCGA-LIHC- miRNAseq，基因輸入hsa-let-7c-5p即復現成功，還直接顯示了顯著性p值符號，方便快捷，贊一個。
圖4D：hsa-let-7c的KM曲線
復現
開啟Kaplan-Meier plotter，右上角選擇miRNA-Liver Cancer，基因輸入hsa-let-7c，select platform選擇RNA-seq，點選Draw Kaplan-Meier plot即復現成功。（資料跟文章裡不完全一致可能是由於資料庫資料更新的原因所致，圖代表的含義是一致的，即hsa-let-7c表達量高預後好且p
圖5
對hsa-let-7c-5p的上游lncRNA進行預測
並用GEPIA檢測這些lncRNA在肝癌中的表達水平和預後
復現
預測上游lncRNA：開啟starbase，選擇上方miRNA-target，右側物種選擇human，microRNA輸入hsa-let-7c-5p即得到結果，對於得到的lncRNA再使用圖1和圖2圖3的復現方法得到表達值和生存曲線圖，最後得到4個有差異表達的lncRNA
表1
使用圖4B的方法研究4個lncRNA和hsa-let-7c-5p/SEMA3F在肝癌中的表達相關性
圖6
圖6A：不同複製數的SEMA3F在肝癌中不同免疫細胞的浸潤水平。
復現
開啟TIMER，選擇SCNV，cancer types選擇LIHC，gene symbol輸入SEMA3F，Immune Infiltrates不用修改，即得到了圖6A
圖6B-G：SEMA3F的表達量和免疫浸潤的相關性
復現
開啟TIMER，選擇gene，gene symbol輸入SEMA3F ，cancer types選擇LIHC，Immune Infiltrates不用修改，即得到了圖6B-G
表2
肝癌組織中SEMA3F與免疫細胞標誌物的相關性分析
復現
開啟GEPIA，選擇Multiple Gene Analysis- Correlation Analysis，gene A輸入SEMA3F，gene B輸入免疫細胞表面標誌物，這裡以CD19為例，Correlation Coefficient選擇spearman，使用的資料集選TCGA Tumor中的LIHC Tumor即得到相關性。作SEMA3F和所有的免疫細胞表面標誌物的相關性，整理成表格即為Table2
圖7
圖7A-C：SEMA3F和3個免疫檢查點的相關性
復現
以PD-1為例。開啟TIMER，選擇correlation，Cancer Type選擇LIHC，Gene Symbols： （Y-axis）輸入SEMA3F，Gene Symbols： （X-axis）輸入PDCD1，Correlation Adjusted by：選擇tumor purity即復現成功。
圖7D-F：復現方法同表2
這樣，一篇最新發表的7分文章就被我們輕鬆復現完成了，大家不妨換個基因換個腫瘤自己試一試~
歡迎大家關注解螺旋生信頻道-挑圈聯靠公號~
—END—
撰文丨張高高高
排版丨四金兄
主編丨小雪球
