关注我们
生信热点方向现在更新换代越来越快，只有第一波吃螃蟹的人才好抢占发文红利期，那怎么才能做第一波吃螃蟹的人呢？
当然是跟着顶刊频繁发文的方向走啦！持续关注Nature等CNS期刊最新文章，从大佬的综述或实验文章中挖掘可做生信的方向，这样才能走在别人前头、吃到新方向的红利哦！（ps：对于没有时间精力持续关注最新顶刊文章的小伙伴，更简单的方式就是关注小云啦，小云会持续追踪最新生信热点，关注我让你的生信研究快人一步！）
最近有顶刊加持、比较火的生信热点莫过于细胞衰老了，小伙伴们都上车了吗？
目前细胞衰老方向，肿瘤和非肿瘤疾病都陆续有生信文章发表出来，今天就给还没上车和观望中的小伙伴推荐一个肿瘤中的模板思路吧！
这篇8分 生信文章利用CRISPR验证的细胞衰老相关基因建立膀胱癌预后模型，进行预后分析、突变分析、肿瘤微环境和免疫浸润相关分析、富集分析、药敏性和免疫治疗反应预测以及关键基因蛋白表达验证。分析内容相当丰富充实，名副其实的8分 纯生信水准，堪当细胞衰老方向纯生信模板思路！文中还用到多个生信数据库，收藏起来，你的分析中可能也会用到哦！（ps：生信数据库除了提供数据信息，有些还带分析功能，用起来可比R语言简单多了，数据库用的好可以达到事半功倍的效果 ）
文章题目：通过全基因组CRISPR验证的细胞衰老调节基因预后指数可以描述肿瘤微环境并指导膀胱癌的临床治疗
发表杂志：Front. Immunol.
影响因子：IF=8.786
发表时间：2022年7月
数据来源
研究流程
使用从DepMap数据库获得的全基因组CRISPR筛选数据、来自CellAge数据库的衰老基因和来自TCGA的基因表达数据，筛选出了12个可能在BCa中起关键作用的衰老基因。然后，使用LASSO和多变量COX回归模型构建了基于4个细胞衰老调节基因的预后指数，并研究了其与肿瘤突变负荷(TMB)和TME免疫细胞浸润的关系，探讨了其与BCa预后及免疫治疗和化疗疗效的关系。使用衰老风险评分和其他临床特征建立了诺谟图，以预测BCa患者的预后，最后在HPA数据库中验证关键基因的蛋白表达。
主要结果
1. 膀胱癌中12个重要衰老差异表达基因的鉴定
i. 从DepMap数据库中提取对膀胱癌细胞系的生存能力至关重要并且通过全基因组CRISPR敲除验证的基因；（划重点：DepMap数据库可以查询基因在各种细胞的中的必要性，此处就是留用这个功能筛选BCa中生存必要基因，并且基因都是经过CRISPR敲除验证过的，可靠性高；另外还可查询基因在各种细胞中的表达水平，突变情况等等。可以在自己的分析中也试一试利用DepMap来筛选xx疾病相关基因哦）
ii. 将上述基因在TCGA-BLCA队列中进行差异表达分析，得到BLCA关键基因；
iii. 将BLCA关键基因与CellAge数据库中279个细胞衰老调节基因取交集，共得到12个关键细胞衰老调节基因(ECSRGs)（图1B）。（划重点：细胞衰老相关基因可以从CellAge、Aging Atlas等衰老数据库，MisgDB、GeneCards、KEGG/GO数据库中获得）
iv. 对12个ECSRGs进行表达分析、拷贝数变异(CVN)分析和PPI网络分析（图1C, D, G）。
图1 ECSRGs的鉴定和分析
2.细胞衰老预后的构建与验证
将TCGA-BLCA队列分为训练队列(N = 204)和测试队列(N = 200)，在训练队列中使用LASSO和多变量COX回归模型从12个ECSRGs中筛选出4个基因构建细胞衰老预后指数(PCSI)（图2A-C）。在3个队列中进行Kaplan-Meier生存分析（图2K-M），使用衰老风险评分和其他临床特征(年龄、性别、阶段和级别)建立了一个列线图，并利用ROC曲线评估预测性能。
图2 PCSI评分的建立和验证
3. PCSI风险评分与肿瘤突变负荷、肿瘤微环境、化疗和免疫治疗反应的相关性分析、GSVA和GSEA分析及表达验证
i. 利用GDC中下载的突变数据，比较了高和低风险评分患者的TMB，并进行生存分析（图3）。
图3 突变分析
ii. 使用估计算法和ssGSEA来评估BCa患者的TME评分，评估了风险评分和免疫检查点(ICB)表达之间的相关性，使用TIMER 2.0数据库中的五种不同算法检测免疫细胞浸润与风险评分的相关性（图4）。
图4 肿瘤微环境分析
iii. 为了验证风险评分和hallmark途径与细胞死亡模式之间的关系，使用HALLMARK基因集、KEGG信号通路、程序性细胞死亡相关基因集和细胞衰老相关基因集进行了GSEA和GSVA（图5）。
图5 GSEA和GSVA分析
iv. 通过预测算法预测对化疗或靶向治疗的药物反应，然后比较高PCSI和低PCSI患者对化疗或靶向治疗的药物敏感性。通过肿瘤免疫功能障碍和排斥(TIDE)数据库中的TIDE评分和免疫疗法队列IMvigor 210来评估PCSI对免疫疗法的反应（图6）。（划重点：免疫治疗反应预测经常会用到TIDE数据库和免疫疗法队列IMvigor 210；药敏性分析通常会用到GDSC、Drug Bank、CTRP、GSCALite、Cell Miner、CMAP等数据库，快收藏起来吧）
图6 药敏性和免疫治疗反应分析
v. 在HPA数据库中验证膀胱肿瘤组织和正常膀胱组织之间的PCSI模型中ECSRGs的蛋白水平（图7）。（划重点：基因表达验证最简单的就是利用公共数据或数据库来验证，比如最常用的HPA数据库验证蛋白表达，无需细胞或组织样本，省时省力）
图7 蛋白表达分析
文章小结
文章的分析内容比较丰富，几乎涵盖了肿瘤中的经典分析，可以当做细胞衰老方向的模板思路，换个癌种即可轻松复现，还在观望的小伙伴赶紧上车吧，毕竟热点更新速度之快，不等人哟！文中还利用DepMap数据库中的CRISPR数据，筛选的基因可信度更高，与其他基因集联合分析，创新性更高，你学到了吗？
扫码咨询小云
往期推荐：
1. 4张图=8分 文章，怎么做到的？细胞衰老 肿瘤复发转移耐药就可以！你确定不来看看？
2. 衰老新数据集重磅出炉！生信分析加上这个经典又热门的方向，瞬间就有了些CNS文章的意思了！
3. 什么？ 端粒也能做生信？竟然这么简单？选对了生信切入点, 轻松上车8分 不是梦! 速来占位
4. 1 1＞2之三级淋巴结构（TLS）病理学联合生信分析 8分 思路，只需公共数据，让生信与临床更紧密！
5. 免疫细胞相关生信又一猛将出现，NK细胞预后模型构建，分分钟搞定8分 文章，拼手速的时候到了！
,
