lncRNA，分子对接和干湿结合：发高质量sci期刊的三个“神奇公式”怎么写？

嘿！是你还在苦于没有湿实验发不了高分吗？

来布小谷公众号看看吧！

这里有新鲜出炉的生信热点方向、还有一茬接一茬的创新型思路····

抗PD1，PDL1免疫治疗已经成为肿瘤治疗中不可或缺的一环。近年来，越来越多的研究证明，长链非编码RNA（lncRNA）在免疫治疗中发挥着重要的作用。选择肿瘤免疫治疗相关lncRNA作为分析方向具有多重优势。首先，lncRNA在免疫治疗中扮演着重要角色，其参与了许多免疫调节并可以调控肿瘤免疫逃逸及免疫检查点抑制剂的疗效。其次，采用以lncRNA为标志物的干湿结合思路，提高研究效率和准确性的同时进一步验证数据分析结果的可信度和科学性，充实研究成果并得出更加可靠的结论。此外，通过高通量测序分析，可以同时发现多个lncRNA标志物，提高预测模型精确度。通过采用这一系列创新性的思路，实现对膀胱癌患者免疫疗法反应和药物候选品的预测。

题目：鉴定免疫疗法相关的lncRNA特征，以预测膀胱癌的预后，免疫疗法反应和候选药物

杂志：BMC Cancer

影响因子：IF=4.638

发表时间：2023年4月

研究背景

膀胱癌（BC）是全球最常见的恶性疾病之一，也是癌症死亡的最常见原因。免疫疗法为膀胱肿瘤的精准治疗开辟了新的途径，免疫检查点抑制剂（ICIs）彻底改变了膀胱肿瘤的临床治疗策略。此外，长链非编码RNA（lncRNA）在调节肿瘤发展和免疫治疗效果方面起着重要作用。

数据来源

研究思路

从IMvigor210数据集中获得了抗PD-L1治疗应答与无应答有显著差异的基因，并结合TCGA队列中的膀胱癌表达数据，获得了免疫治疗相关的lncRNA。基于这些lncRNA，构建膀胱癌预后风险模型，并通过GEO外部数据集进行验证。分析了高危人群和低危人群免疫细胞浸润的特征及免疫治疗效果。此外还预测了ceRNA网络，并对关键靶蛋白进行了分子对接。功能实验验证了SBF2-AS1的功能。

主要结果

1. 基于免疫治疗相关lncRNA构建风险评分

使用R包DESeq2对IMvigor210数据集筛选出对PD-L1阻滞剂的应答和无应答之间存在显着差异的基因（图1）。在线工具分别筛选5个数据集中的差异表达基因，取交集后获得1450个DEGs（图1A）。然后，将上述基因与TCGA膀胱癌中的lncRNA取交集，获得6个lncRNA（图1B）。进行多因素Cox回归分析，最终鉴定了三种与免疫治疗相关的lncRNA来构建风险模型，包括TFAP2A-AS1、SBF2-AS1和RRN3P2（图1C）

2. 肿瘤微环境与免疫治疗分析

肿瘤微环境（TME）不仅是肿瘤细胞、免疫浸润细胞、基质细胞和细胞外成分的复杂组合，也是肿瘤-免疫相互作用的关键因素。作者使用了R包ESTIMATE分析了高危组和低危组TME组成的差异。结果显示，高危组肿瘤纯度显著高于低危组，低危组ESTIMATEScore、免疫评分和基质评分显著低于高危组（图2A-D）。使用ssGSEA算法基于不同的免疫细胞类型和免疫功能研究高风险和低风险群体之间的免疫浸润水平，发现低危组多数免疫浸润细胞和免疫功能明显下降（图2E）。（ps：肿瘤微环境分析、免疫浸润分析也可以用布小谷推荐的零代码生信分析小工具实现，云生信分析工具平台包含超多零代码分析和绘图小工具，上传数据一键出图，感兴趣的小伙伴欢迎来尝试哟，网址：http://www.biocloudservice.com/home.html）。

3. 药物敏感性分析

为了探索药物在膀胱癌化疗中的潜在用途，作者评估了高危组和低危组化疗药物的半数抑制浓度（IC50）。结果显示，高危组和低危组对不同的免疫抑制剂IC50存在差异（图3A），具有一定的临床借鉴价值。利用cellMiner数据库分析基因与药物敏感性的相关性，发现RRN3P2与大多数药物敏感性呈正相关，即RRN3P2的表达越强，患者对这些药物的敏感性越强（图3B）

4. 基于免疫治疗相关lncRNA和mRNA的ceRNA网络的构建与验证

根据ceRNA网络机制理论，lncRNA可以通过与miRNA相互作用来调节mRNA的表达。利用LncATLAS进行ceRNA关系对预测，数据库通过对免疫治疗相关lncRNA细胞的定位分析发现，SBF2-AS1主要位于细胞质中（图4A）。通过LncACTdb和ENCORI数据库进一步预测了SBF2-AS1调控的mRNA和miRNA，并将预测的免疫治疗差异基因的mRNA和Imvigor210数据集相交，得到了两个mRNA，即ATP2C1和HNRNPA2B1（图4B）。

5. HNRNPA2B1与小分子药物的分子对接姿势

结合上述发现和已有研究，靶向HNRNPA2B1可以降低癌细胞对内分泌治疗的耐药性。使用MOE软件模拟HNRNPA2B1与小分子药物的结合姿势将HNRNPA2B1与小分子对接，找到靶向HNRNPA2B1的8种小分子药物（图5A-H）。药物预测使结果更丰富，更具有临床应用价值。

6. SBF2-AS1敲低抑制膀胱癌细胞的增殖和迁移

通过HPA数据库验证了HNRNPA2B1在正常组织和肿瘤组织中的蛋白表达水平，发现HNRNPA2B1在正常组织中而且在肿瘤组织中都高表达，并且在肿瘤组织中的表达水平较高（图6A）。为了研究SBF2-AS1在膀胱癌细胞中的作用，设计了siRNA来沉默T24和UC3细胞中的SBF24-AS3表达。随后，对转染si-SBF2-AS1的T24和UC3细胞进行CCK1，Transwell和集落形成测定。结果表明，敲低SBF2-AS1的表达可以抑制膀胱癌细胞的增殖、迁移和侵袭（图6C-D）。

文章小结

本篇文章介绍了肿瘤免疫治疗的现状和存在的挑战，发现了与免疫治疗相关lncRNA，并通过建立相关的模型对肿瘤患者的预后、免疫治疗反应和候选药物进行了预测。整篇文章逻辑严谨，行文流畅，巧妙利用了TCGA，LncACTdb和ENCORI等数据库资源，丰富了文章内容，从数据分析，在线资源和湿实验验证角度验证假设。感兴趣的朋友，码住这个设计思路行动起来吧！