8分+ Frontiers文章教你如何借临床表型“放疗敏感性”的东风玩转自噬的生信分析思路！
现在还能做自噬相关的生信分析思路吗？如果能怎么做？ 一分钟教你如何让“自噬”这个经典的生信方向老树开新花，还能举一反三！
要说自噬这个获得过诺贝尔奖的热点，它的火爆程度大家都是有目共睹的，包括文章的发表数量和国自然中标数量都是一路高歌。但随着研究的越来越多，一部分人就会觉得自噬虽然经典又热门，但这个热点已经不新了，尤其是要做生信的话没什么好的思路呀…这种观点小云并不十分认同，以小云寥寥几年的生信经验来看，任何方向都可以从分析思路和分析方法上进行创新，让你的生信思路给人眼前一亮的赶脚！如果不信，你可以选个方向来找小云battle一下~
小云之前说过：创新性才是生信分析的关键，而用生信解决临床问题才是buff加持！今天小云就用一篇8分+文章，教你如何借临床表型“放疗敏感性”的东风玩转自噬的生信分析思路。文章的亮点就是筛选了放疗相关自噬基因！
我们先看看文章的亮点，再聊聊如何举一反三！
先简单透露一下：“放疗”相关自噬基因=“临床表型”相关“热点”基因，临床表型可以换，热点方向也可以换，自由组合就可以产生多篇生信思路！（文末总结才是精华，不要错过呦！）
发表时间：2022年10月
发表杂志：Frontiers in pharmacology
影响因子：IF=8.786
文章题目：放疗相关自噬基因在肺腺癌预后和免疫浸润中的作用
数据来源
研究思路
采用加权基因共表达网络分析(WGCNA)识别与放疗相关的模块基因；同时筛选出不同放疗反应组间差异表达基因(DEGs)；从自噬数据库下载自噬基因(ATGs)；将上述三者取交集，获得差异表达的放射治疗相关自噬基因(DERRAGs)。然后通过Cox分析选择预后相关自噬基因，建立风险模型和诺姆图。构建风险评分，针对不同风险组进行免疫微环境和功能富集分析。并通过细胞实验验证关键基因的表达。
主要研究结果
那么作者是如何筛选到放疗相关自噬基因的呢？
1. 鉴定LUAD放射治疗相关的关键基因
利用WGCNA确定了11个模块，其中brown4模块与放疗最相关。因此，将brow4模块中的1900个基因被用于下游分析。
2. 鉴定LUAD中放射治疗相关自噬基因(DERRAGs)
根据临床资料将TCGA-LUAD患者分为放射敏感(RS)组和放射抵抗(RR)组。RS组和RR组之间共鉴定出1121个DEGs。将1121个DEGs、1900个放疗相关brow4模块基因和1183个自噬基因（ATGs）取交集后，得到11个放疗相关自噬基因(DERRAGs)。
3. 建立自噬相关风险评分模型
分析DERRAGs的预后价值。单因素和多因素Cox回归分析选取3个关键基因SHC1、NAPSA、AURKA建立自噬相关风险模型。计算风险评分，将患者分为高、低风险组。两个风险组之间的生存率有显著差异。
接下来就是针对这两个风险组进行的分析和验证：
总结
这篇文章最大的亮点就是：通过将患者分为放疗抵抗组和放疗敏感组，并利用WGCNA和数据库中的自噬基因筛选到了放疗相关自噬基因，后面的分析都是常规的分析思路！
那么我们可以参考这篇文章进行举一反三！
放疗相关自噬基因，其中“放疗”可以换成“化疗”、“免疫治疗”、“转移”、“恶性程度”等等临床表型，“自噬”可以换成“铁死亡”、“线粒体”、“内质网应激”、“衰老”、“某种免疫细胞”等等基因集，筛选得到“临床表型”相关“热点”基因，再进行分析，任意组合到一起就是一篇思路新颖的生信文章。
最重要的是，通过这一系列分析之后，不仅获得了一篇生信分析的文章，还可以根据筛选出来的关键基因，继续设计后续的实验思路，比如这篇文章后续可以研究“XX关键基因通过调控自噬影响肿瘤放疗敏感性的作用机制”。
如此举一反三，是不是一举多得？看完小云的分析后，心动的小伙伴快来咨询吧！
