原创 小薇 A科研显微镜 原创不易，欢迎关注和转发
自噬虽然早在1963年就被提出来了，但是现在依然热度不减。通过近十年自噬相关的基金项目我们也能看出，相关的课题呈现逐年递增的趋势。
这么火的课题连小薇都心动了。
研究自噬当然离不开基因了，HADb (http://www.autophagy.lu/)是第一个人类自噬数据库，包含232个人类自噬相关基因。
那么问题来了，这么多基因该研究哪一个呢？我们如何选择呢？
通过生信分析不失为一种好办法，既可以确定基因又能发表文章作为研究基础，一举两得。
今天就给大家带来一篇宫颈癌自噬相关的生信分析思路，文章发表在Cancer Cell International（IF：6.429）上。
今天我们重点关注如何设计生信分析思路来筛选自噬相关基因，文章的写作思路小薇下期再给大家详细解读。下面就一起看看吧！
研究方法
下面是文章的分析流程图（小薇以前也是只会画这样的流程图，但是小薇发现影响因子越高的文章流程图画的越漂亮，漂亮的流程图俨然已经成为高分文章的标配了，还是只会画这种箭头加框框的小伙伴欢迎私信哦~）。
研究结果
1. 筛选和注释差异表达ARGs
（1）在306例CC患者和8例正常对照中获得了217个ARGs，包括53个差异表达ARGs（图2a）。
（2）差异表达ARGs的GO和KEGG富集分析结果如图2b, c。
（3）PPI网络显示了不同基因之间的联系（图2d）。
2. 在训练集上构建并验证自噬预后模型
1）单因素Cox回归分析，获得35个与OS相关的基因，9个与RFS相关的基因 (图3a, b)。
2) 采用Lasso回归进一步筛选变量，最终得到20个与OS相关的候选基因和8个与RFS相关的候选基因(图3c-f)。
3) 利用多因素Cox回归分析确定构建预测模型的基因及其回归系数。对于OS和RFS模型，分别获得9个和3个自噬相关基因。
通过这一步，就初步实现了从200多个基因中筛选目标基因的目的了，怎么样是不是也挺简单，不会分析的小伙伴们也可以咨询小薇的生信分析服务哦。我们接着往下看。
4）利用筛选的基因分别构建预后模型，计算风险评分，应用中位风险评分作为临界值，将患者分为高风险组和低风险组，两组间的OS和RFS生存分析有显著差异(图4a, c)。1、3和5年的ROC如图4b、d所示。
5）高风险组和低风险组的风险评分、生存数及模型基因表达有差异(图4e-j)。
3. OS和RFS预后风险模型是TCGA数据库中CC患者的独立预测指标
1）单因素Cox回归分析显示，年龄、分期、T、BMI、风险评分与CC患者的OS相关(图5a)。不同的是，只有风险评分与CC患者的RFS相关(图5c)。
2）多因素Cox回归分析显示，预后风险模型可分别作为预测患者OS和RFS的独立预后指标 (图5b, d)。
3）nomogram生存预测图基于总得分和结局事件的概率计算个体1年、3年和5年的生存预测值(图5e, f)。
4. 在测试组中验证自噬相关的预测特征
为了验证该预后模型的有效性，作者对OS和RFS预后模型进行了外部验证。由于CC患者没有其他合适的基因表达数据和临床信息，选择UCEC和HNSCC作为外部验证数据。
5．GEO合并数据集中风险模型在CC中的诊断价值
使用ROC曲线分析确定合并数据中风险模型的诊断应用，结果表明风险标志基因是潜在的诊断标志物 (图6a-f)。
6. 风险评分可作为靶向治疗的敏感指标
Pearson相关分析显示，OS相关风险评分与AKT1，BCL2，MTOR，TP53，VEGFA相关，RFS相关风险评分与AKT1、TP53、VEGFA相关(图6g-n)。
7. CC和正常样本的RNA表达
最后，在12个与宫颈癌生存相关的自噬生物标志物中，通过文献检索，作者选择了6个基因进行了qPCR验证（图7a-f）。
这就是文章的整个分析过程，也就是筛选自噬相关基因的过程，按照这个思路，无论套上什么癌症都是没问题的。但是本文还是有一些不严谨的地方的，欢迎大家在评论区留言，看看大家可以看出来吗？需要查看原文献的，私信哦。
有的小伙伴可能不是研究肿瘤的，预后模型用不上，没关系，关注我们后续会继续推送更多的研究思路，相信总有一款适合你！
| 留言与评论（共有 0 条评论） “” |
