肿瘤耐药自测数据+公共数据生信分析，双剑合璧不蹭热点也能拿下8分+！耐药生信新思路

最近后台经常收到粉丝朋友咨询“肿瘤耐药的生信新思路”

 “天选打工人”小云上线，赶紧找新思路走起！！

第一步就是看下现在肿瘤耐药相关生信文章分布，打探好目前形势才好找突破口嘛

哦吼，大部分还是题目中提一下药敏性/免疫治疗反应，然后分析最后做下简单的药敏性分析和免疫治疗反应预测

这类思路好的一点是可以关联各种热点方向，但它的分析重点一般不在药敏性/耐药上，换句话说，这类思路不是以“药敏性/耐药”为出发点来做分析的，只是最后做一下模型验证或相关性分析，所以能不能发高分还是得看关联的热点厉不厉害。

肿瘤耐药相关生信还是“蹭饭吃”的情况该怎么突破呢？

话说，靠人不如靠自己啊，所以要想突破那就以“药敏性/耐药”为出发点来做分析，创新性直接提高一大截，具体思路往下看

看好哦，要放大招啦：用耐药和敏感的亲本细胞样本对比数据筛选耐药相关基因（公共数据或自测数据），将这些耐药基因作为一个基因集合，与GEO或TCGA临床队列得到的差异/预后基因取交集，得到耐药相关差异基因，然后就可以往后进行各种常规分析了

看懂了吗？下面就利用1篇“肿瘤耐药细胞自测数据+公共数据生信分析”文章来实践一下，不用蹭热点也能上车8分+！

研究背景

基于耐药/敏感乳腺癌细胞系测序数据和GGI预测的NAC耐药乳腺癌患者化疗耐药乳腺癌患者肿瘤的转录谱GSE25066数据集，分析其转录模式并筛选了与化疗耐药相关的候选基因。使用LASSO回归和单变量及多变量分析构建了NAC反应风险模型，并检验了NAC反应风险评分的评估准确性。比较高风险组和低风险组之间基因表达特征、肿瘤浸润淋巴细胞和免疫抑制分子表达。通过CMap数据库筛选可能逆转乳腺癌化疗耐药的潜在药物。

主要结果

一、乳腺癌NAC耐药相关hub基因的筛选

首先建立了不同乳腺癌亚型的EPI耐药细胞系，包括MCF-7/EPI，SKBR3/EPI和MDA-MB-231/EPI，进行转录组测序，3个细胞系重叠的差异基因为302个（图1C）。然后在GSE25066数据集中，将患者样本根据GGI分为两组:GGI低(NAC抗性，n=157)和GGI高(NAC敏感性，n=335)，分析两组间DEG，共获得347个DEGs。最后将细胞系间耐药差异基因与GGI相关差异基因取交集，获得36个NAC耐药相关基因（图1F）。（ps：这里并没有直接将细胞系间耐药差异基因与患者间差异基因取交集，而是引入了一个参考评分GGI，分析更深入，比常规分析套路的创新性更高一些）

图1 耐药相关差异基因的鉴定

二、构建了具有NAC响应的风险模型并评估预后

基于GSE25066数据集中246例接受NAC治疗的乳腺癌患者的表达和预后数据建立了一个LASSO回归模型，从上述36个NAC耐药相关基因共筛选得到2组基因1se和min，分别含有12和18个基因（图2A, B）。ROC分析显示，两个模型1se (AUC=0.96)和min (AUC=0.97)对评估乳腺癌对NAC的耐药性均具有良好的诊断价值(图2C)，考虑到患者的检测成本选择了1se模型的12个基因，并对乳腺癌的总体和不同分子亚型进行了风险截断拟合分析（图2D）。随后，分析了乳腺癌患者的风险评分和预后之间的关系，并构建列线图（图3A, D）。

图2 TILTregSig可以作为前列腺癌Tregs浸润的预测因子

图3 乳腺癌预后风险评分的评价

三、风险评分的基因表达分析、功能富集分析和肿瘤微环境分析

利用Hit Predict数据库，寻找与上述12个基因编码的蛋白质相互作用的蛋白质，构建PPI网络（图4B）。对12个模型基因进行GO和KEGG富集分析（图4D，E）。通过CIBERSORT和quanTIseq算法评估了不同风险组患者的免疫细胞浸润水平（图5A），并进一步探讨了风险评分和免疫抑制分子之间的相关性（图5G）

图4 风险评分的基因表达和功能富集分析

图5 风险评分与TME的相关性分析

四、逆转乳腺癌耐药性的药物筛选

为了探索候选药物在乳腺癌中克服NAC耐药性的应用，分析了两个风险组的DEGs，将DEGs导入CMap数据库来筛选化合物。选择了评分前三的化合物和五种抗肿瘤药物，并使用先前建立的耐药细胞系来验证所选候选药物逆转耐药的功能。（ps：这里在筛选出逆转耐药的化合物后，在之前建立的细胞系中验证药物功能。这种验证实验不太常见，通常是选择关键基因来验证表达和功能，验证筛选的药物功能有一定的创新性，并且更能贴近临床、说明风险评分的应用效果。这个验证实验适合以“耐药”为研究主体的课题，学起来哦）

图6 根据风险评分筛选逆转耐药的潜在药物

文章小结

看完思路有没有觉得豁然开朗呢？利用耐药/亲本细胞的自测数据或公共数据（如果能找到公共数据是最好的选择，找不到的话用细胞系做下转录组测序也是比较快的），与GEO/TCGA临床队列一联合就可以构建预后模型了，不需要蹭点，纯粹靠自己（耐药）就可以发到8分+，性价比那是相当高啊。文中有2个分析和验证实验创新点，小伙伴也可以学起来，放在自己的文章里，妥妥的加分项哦！还想了解更多“肿瘤复发转移耐药”相关生信思路和课题设计思路请关注我们的精品培训课程《肿瘤复发转移和耐药相关国自然热点方向思路设计专题会议》，有意向的小伙伴欢迎咨询小云哦!

课程大纲：