做生信分析该不该蹭热点？

如果要蹭，如何做到优雅的蹭？

如果不蹭，怎么寻找思路？

不知道怎么解决上述问题可以找小云，超多个性化、创新性高的分析思路供你选择！

推荐阅读：

• 又是个模板思路！癌症干性+药敏性方向生信分析+简单实验，轻松get 8+，可参考性极高，该出手时就得出手啊 ！

• 非肿瘤疾病铁死亡生信分析，思路清奇又相当简单，8分+Frontiers它不香吗？抓住机会赶紧上车

• 秋天的第一个分析思路，从肿瘤相关成纤维细胞开始，6分+纯生信文章玩转预后风险评分！

• 非肿瘤疾病生信思路持续上新！氧化应激ceRNA模型构建+简单验证，老树开新花，7分+文章提前预定

吃多了山珍海味，也会想吃一点粗茶淡饭；

见惯了车水马龙，就想欣赏一下俊山美水；

分享了各种热点，还想看看非热点的巧妙分析思路。

小云不是说分析热点方向不好，毕竟凡是都有两面性。只不过今天想给你们看点不一样的思路，这篇文章的肿瘤分型切入点很巧妙，选择了与所研究的疾病更密切相关的溃疡和免疫为切入点，而不是单纯的蹭热点，照样发高分。快来看一下它的亮点吧！

数据信息

研究内容

亮点一：如何筛选溃疡和免疫相关的差异基因？

首先，作者分析了溃疡和免疫状态对黑色素瘤患者预后的影响，发现溃疡患者预后较非溃疡患者差(图1A)。通过ssGSEA分析免疫细胞浸润，根据免疫细胞浸润程度，将黑色素瘤患者样本分为两组(高免疫和低免疫组)，分析发现高免疫细胞浸润组患者的总生存率(OS)高于低免疫细胞浸润组(图1B)。

接着重点来了，作者将患者进一步分为三组：溃疡性低免疫组、非溃疡性高免疫组和其他组。生存分析显示溃疡低免疫组与非溃疡高免疫组之间存在显著差异(图1 c)。此外，利用DESeq2比较溃疡低免疫组和非溃疡高免疫组，分析溃疡免疫相关的差异表达基因（DEGs）(图1D)。使用单变量Cox分析确定了与预后相关的53个基因为溃疡免疫相关的DEGs。

然后，基于53个溃疡免疫相关的DEGs进行无监督聚类，最终确定了三个不同的聚类：cluster1、2、3 (图1E)。生存分析显示，与cluster1和2相比，cluster3的预后最差(图1F)。

图1. 筛选溃疡和免疫相关的差异基因

接下来就是针对这3个聚类进行了一系列的分析内容（图2）。

图2. 针对3个不同亚型进行分析

亮点二：如何筛选出关键基因？

为了确定Cluster 3中在黑色素瘤进展中起关键作用的关键基因。作者首先筛选了影响黑色素瘤细胞生长的主要基因，采用基于CRISPR的全基因组功能缺失筛选(DepMap, https://depmap.org/portal/download/ )，发现黑色素瘤细胞系中有648个基因对生存至关重要。在这648个候选基因中，有60个在Cluster 3中特异性表达（图3）。

图3.筛选关键基因

然后，基于这60个构建了PPI网络，并筛选出网络中排名前10位的中心基因。生存分析显示，前10个基因中，只有EIF3B在TCGA和GEO数据库中均具有预后意义。接下来就是针对EIF3B这个关键基因进行了一系列的分析内容和细胞实验验证（图4）。

图4. 针对EIF3B进行分析

亮点三：基于溃疡免疫相关基因构建预后模型

对TCGA数据进行Lasso logistic回归和逐步多变量cox分析，构建了基于基于溃疡免疫相关基因的预后模型。根据TCGA数据的风险评分将患者分为高风险组和低风险组。然后评估了模型对预后的预测能力、以及与免疫治疗反应的相关性(图5)。

图5. 基于溃疡免疫相关基因构建预后模型

总结

整篇文章的分析内容倒不是很复杂，用到的分析方法也都很常规。最大的亮点就在于选择了与疾病密切相关的溃疡和免疫作为切入点，分析相关基因，再对肿瘤进行分型，使整个分析更有针对性和临床价值。如果你也想做另辟蹊径、独树一帜的生信分析思路，快来咨询小云吧！