10分+!基底膜方向,肿瘤预后模型构建+单细胞分析+验证实验思路,干湿结合不蹭大热点

常看小云的粉丝朋友们,有没有发现,小云分享的生信文章基本可以分为2大类,一类是追新热点、爆火热点的;另一类与之相反,是不分析热点方向的~ ~
要说哪类思路更好,没法武断地来讲,但对于不同的发文要求有不同的适用思路。比如,想快速发文,又不想用太复杂的思路,那就建议追新热点,抢占红利期(ps:追新热点只要跟紧小云就可以啦,小云发现新方向会第一时间分享给粉丝朋友们的);那如果想攒一波大文章,并且有自己的深耕方向(可能不是生信大热点),就可以考虑在自己关注上方向上走干湿结合思路,不追热点,也可以发高质量文章。所以小伙伴们,可以根据自己的需求,找小云来推荐思路哦~ ~

今天小云就分享一个“干湿结合不蹭大热点发高分”的思路——基底膜方向(ps:基底膜与肿瘤复发转移与耐药密切相关,所以关注肿瘤复发转移与耐药方向的小伙伴可以考虑用“基底膜”这个小方向做生信哦),利用肿瘤预后模型构建+单细胞数据分析+验证实验,打造成干湿结合文章,分析内容不复杂,但有了单细胞分析和验证实验这两大加分项,拿下10分+也是非常轻松啦!所以想发高质量文章的小伙伴,快来抄作业吧,换个癌种或者换个小方向就能复现!

l 题目:基底膜对乳腺癌预后和免疫浸润的新意义
l 杂志:Int. J. Biol. Sci.
l 影响因子:IF=10.75
l 发表时间:2023年3月
研究背景
乳腺癌患者的治疗失败很大程度上归因于术后进展和治疗抵抗。然而,仍然缺乏临床上有用的生物标志物来促进乳腺癌的个体化治疗。因此,更可靠的预测性生物标志物对于改善乳腺癌患者的诊断和治疗至关重要。基底膜(BM)已被证明与癌症的进展和转移密切相关,并有可能成为乳腺癌的强有力的预测因子。
数据来源

研究思路
将BM基因集合和TCGA-BRCA、METABRIC 和 GSE96058数据集中的基因取交集,获得203个BM相关基因,然后在TCGA-BRCA队列中进行差异表达分析,获得77个DEGs。再通过单变量分析和LASSO Cox回归分析,筛选得到6个关键的BM基因,研究了其表达水平和预后性,并建立风险评分模型(BM score),进行模型评估和验证。分析BM score与乳腺癌治疗耐药性的关系,以及免疫微环境的相关性。基于单细胞转录组数据探索BMscore的分布和模型基因的表达。通过GSEEA分析BM score与EMT通路的相关性,最后利用临床样本和细胞样本验证6个BM基因表达,以及关键基因SDC1对乳腺癌细胞生长和迁移的影响。
主要结果
1. BM基因筛选和预后模型构建
将BM基因集合和TCGA-BRCA、METABRIC 和 GSE96058数据集中的基因取交集,获得203个BM相关基因(图1A),然后在TCGA-BRCA队列中进行差异表达分析,获得77个DEGs(图1C)。再通过单变量分析和LASSO Cox回归分析,筛选得到6个关键的BM基因(图1F, G),并构建BM相关的预后指数BM score。根据风险评分中值将患者分为高和低BMscore亚组,分析患者生存状态和生存时间的分布情况,并进行OS、DFS、DSS和PFS的 KM生存分析(图2C-G)。通过RT-qPCR在乳腺癌细胞系和匹配的乳腺癌组织中进一步验证了6个BM基因表达(图1B, D)。(ps:差异基因分析、火山图、模型构建、KM曲线绘制也可以用小云新开发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)。








2. 乳腺癌BM评分独立预后价值的鉴定与评估
综合BM score和多个危险因素(年龄、T分期、N分期、M分期和PAM50亚型),对TCGA-BRCA的OS进行单变量和多变量Cox分析,以评估BM score的独立预后性,发现单变量和多变量分析中,年龄和BM评分均是独立的预测因素(图3A, B)。然后构建一个包含年龄和BM评分的列线图来预测OS(图3C),并通过校准曲线、ROC曲线和DCA曲线来评估其预测性能、辨别能力和临床实用性(图3D-F)。




3. BM score与乳腺癌治疗耐药性的相关性分析
在TCGA-BRCA(图4A-C)和METABRIC队列(图4D-F)的化疗、内分泌治疗和放疗患者人群中中进行KM曲线分析,评估BMscore对乳腺癌临床治疗反应的预测能力,结果表明高BM评分和化疗的治疗抗性显著正相关。

图4 BM score与乳腺癌治疗耐药性的相关性分析
4. BM score与肿瘤免疫浸润的相关性分析和单细胞分析
作者利用ESTIMATE算法比较不同BM score亚组的免疫评分、基质评分和估计评分差异(图5A)。使用CIBERSORT算法,分析不同BM score亚组的乳腺癌样本中22种免疫细胞的浸润水平(图5B)。分析了BM评分与免疫检查点和细胞因子表达的相关性(图5C, D)。使用单细胞数据集GSE176078分析了不同细胞亚型中BM score的分布(图6A),比较不同细胞类型的BM评分的差异和模型基因的表达(图6C, D)。(ps:多种免疫浸润分析也可以用云生信平台分析工具实现哦,网址:http://www.biocloudservice.com/home.html,欢迎朋友们来探索~ ~)




图6 单细胞分析BM score的细胞分布
5. BM score与EMT活性的相关性分析
作者进行GSEA以表征高和低BM score组的生物学功能,发现高BMscore组中富集了多种肿瘤进展和转移相关途径,比如EMT(图7A)。随后分析了Hallmark基因组中六个模型基因和EMT途径之间的表达相关性(图7D)。为樂验证BMscore与EMT水平正相关性,作者检测了10个乳腺癌样本中6个BM基因的mRNA水平(图7B),并计算每个样本的BMscore。我们选择了6个BM评分最高和最低的样本,并通过IHC检测Ki-67和几种EMT标记物的蛋白水平(图7C),结果发现这些蛋白在高BM评分的组织中表达相对更丰富,验证了其正相关性。




图7 BM score与EMT活性的相关性分析
6. 关键基因SDC1的功能验证实验
作者在乳腺癌MDA-MB-231和MCF-7细胞中干扰SDC1(图8A),通过CCK8实验检测细胞增殖(图8B),利用伤口愈合和transwell实验检测细胞迁移(图8C, D),WB检测EMT相关蛋白表达(图8E)。结果表明SDC1沉默抑制了乳腺癌细胞生长和迁移。

图8 关键基因SDC1的功能验证
小结
这篇文章基于“基底膜”方向,进行风险评分模型构建和分析,再联合单细胞数据分析和验证实验,思路创新性和分析、实验数据量的双保障,拿下10分+的文章毫不费力!并且目前“基底膜”方向的生信文章并不多,发文空间也很大的,想做高分干湿结合文章的小伙伴赶快来抄作业,用上这个思路,文章在向你招手啦!
