要说最近科研界的大事件，绝对是影响因子的发布！
仔细看不难发现影响因子变成了小数点后1位，而且“四大医学期刊中3本NEJM、The Lancet、JAMA都集体下跌，BMJ略有上涨。CNS期刊的 IF也全部下跌，Nature 64.8、Cell 64.5、Science 56.9。
当然小云还是比较关注生信友好期刊的影响因子，果然不出所料，也是呈现影响因子普遍下降的情况。
就拿今天要分享的这篇文章来说，在pubmed发现它的时候，杂志影响因子还在9.029，结果现在就已经降为6.6了…
不过这并不能阻止小云要分享它的决心！！毕竟是个生信分析的新思路，不分享着实可惜~
（不知道如何找新思路或创新升级的可以找小云，各种个性化分析思路等你来挑~）
接下来让我们整理一下心情，看一下基于“中心体扩增相关基因”进行分析的纯生信思路！一起来学习一下吧~
题目：与免疫微环境和治疗反应相关的中心体扩增相关特征通过整合机器学习和单细胞分析来预测预后并提高肝癌的诊断
杂志：Hepatology international
影响因子：6.6
发表时间：2023年5月
数据信息 
| 数据集/队列 | 数据库 | 数据类型 | 样本信息 |
| TCGA-肝癌（HCC） | TCGA | RNA-seq数据 | 374个HCC肿瘤组织和50个相邻的配对非肿瘤组织 |
| ICGC-LIRI | ICGC | RNA-seq数据 | HCC数据 |
| GSE89377 | GEO | RNA-seq数据 | 包括13个相邻配对的正常组织、20个肝炎组织、12个肝硬化样本、22个增生样本、14个T1期HCC样本、26个T2/T3期HCC样本 |
| GSE149614 | GEO | scRNA-seq数据 | 10例HCC原发肿瘤和8例非肿瘤组织的单细胞测序数据 |
| 中心体扩增相关基因(CARGs) | GO和KEGG数据库 | 基因集 | 653个中心体扩增相关基因(CARGs) |
研究思路 
中心体扩增是多种恶性肿瘤发生和发展的一个致癌驱动因素，并与肿瘤的侵袭性、转移和不良预后有关。本研究基于TCGA数据集，使用LASSO Cox回归算法进行中心体扩增相关特征的构建，获取ICGC数据集进行验证。对GSE149614的单细胞数据进行分析，以了解基因表达和肝脏肿瘤中的定位。
主要研究结果 
- HCC中心体扩增相关预后基因特征的构建和验证
首先分析TCGA数据库中HCC肿瘤组织和相邻配对非肿瘤组织之间的差异表达基因(DEGs)，对上调的DEGs进行GO富集分析，发现这些DEGs大量位于中心粒，并映射到中心体扩增相关的途径，包括中心体复制、中心体循环、中心体分离和微管成核(图1b)，表明中心体扩增在HCC的癌变和发展中起着关键作用。
通过单变量Cox回归分析筛选预后相关基因(PRGs)。然后，我们对这些上调的deg进行了基因本体(GO)富集分析，以了解与HCC发展相关的潜在分子机制。结果显示，这些上调的deg大量位于中心粒，并映射到中心体扩增相关的途径，包括中心体复制、中心体循环、中心体分离、微管组织中心组织和微管成核(图1b)，表明中心体扩增在HCC的癌变和发展中起着关键作用。
接下来从GO和KEGG基因集中收集中心体扩增相关基因(CARGs)。然后，利用Venn图对653个CARGs、7847个上调DEGs和4770个PRGs进行可视化取交集，筛选出134个CARGs(图1c)。
图1. 中心体扩增可能促进肝癌的发生发展
将这134个CARGs纳入LASSO Cox回归分析，最终建立6个基因的预后特征。基于这6个基因计算预后风险评分，将患者分为高风险组和低风险组。散点图显示，个体得分越高，总体生存结局(OS)越差(图2d)。同样，Kaplan-Meier曲线和log-rank检验也表明，高风险组患者的OS明显差于低风险组(图2 e)。然后，采用时间依赖的受试者工作特征(ROC)曲线来评估预后基因标记的性能和效率，表明该预后标记在预测OS方面具有很高的敏感性和特异性(图2f)。
图2. 中心体扩增相关基因(CARGs)标记的建立和验证
- CARGs的功能分析
作者使用GSVA进行了功能注释。GSVA-KEGG结果显示与细胞周期和DNA修复相关的途径（如DNA复制、同源重组、错配修复等）在高风险组中显著富集 (图3a)。此外，GSVA-HALLMARK富集分析显示细胞周期相关通路的显著富集，意味着高风险组的细胞周期进程增强(图5b)。值得注意的是，与癌症相关的信号通路，如PI3K/AKT/mTOR、mTORC1、Wnt/β-catenin和TGF-β信号在高风险组比低风险组更活跃(图3b)。
图3. CARGs特征的功能富集
因为之前的研究发现位于中心体扩增层级顶端的蛋白CEP192与免疫抑制肿瘤微环境密切相关。因此，作者接下来基于ESTIMATE和ssGSEA算法，探讨了CARGs特征与肿瘤微环境之间的关系。首先，ESTIMATE分析显示，高风险组肿瘤纯度高于低风险组(图4a)，而基质评分与ESTIMATE评分相反(图4b、c)。高风险组免疫评分虽无统计学意义，但呈下降趋势(图4d)。此外，ssGSEA分析显示，多种抗致瘤性免疫细胞类型的比例在高风险组中显著降低(图4e)。相反，免疫抑制性Th2和总CD4+ T细胞在高风险组大量富集(图4e)。这些观察结果表明，高风险组的肿瘤可能形成免疫抑制微环境，损害抗肿瘤免疫，促进肿瘤生长。
（ps：免疫细胞浸润分析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 ）。
进一步采用TIDE工具来评估免疫检查点阻断(ICB)在不同危险人群中的潜在临床疗效。如图4f所示，高风险组的TIDE评分明显升高，说明高风险组患者对ICB的反应较低风险组差。同时发现高风险组T细胞排斥和免疫抑制评分(MDSC、TAM和CD274)较高(图4g-j)，而高风险组间质评分(CAF)(图4k)、T细胞功能障碍评分(图6l)和微卫星不稳定性(MSI)评分(图4m)较低。
图4. CARGs特征与肿瘤微环境的相关性分析
- 化疗反应预测及CARGs风险评分
作者分析了CARGs风险评分与RNA干性评分(RNAss)的相关性。散点图和回归分析显示，风险评分与RNAss呈正相关(图5a)。此外，CARGs风险评分也显示出与癌症干细胞标志物(如CD24、CD47)高度相关(图5b)。
进一步收集了两个独立的肝癌患者TACE或索拉非尼治疗的数据集，以评估CARGs风险评分与TACE或索拉非尼疗效的相关性，发现对TACE或索拉非尼无反应HCC患者的风险评分明显更高(图5c, d)。
此外，来自癌症基因组计划(CGP)数据库的细胞系数据被用于预测不同风险组HCC患者常用化疗的IC50(图5e-g)。
图5. CARGs特征与干性指数和临床药物治疗反应的关系
- 单细胞数据分析发现SSX2IP和SAC3D1可能是肝癌干细胞的新型生物标志物
作者对18个样本的单细胞RNA测序(scRNA-seq)数据进行分析，根据细胞类型特异性标记基因，将这些细胞定位为T细胞、巨噬细胞、内皮细胞(内皮细胞)、肝癌干细胞样细胞(LCSC样细胞)、NK细胞(NK)、成纤维细胞、浆细胞、B细胞、肝细胞和肥大细胞(图6a、b)。同样，肿瘤组织和非肿瘤组织的细胞类型差异很大(图6c)。在肿瘤中，LCSC样细胞显著增加(图6d)，而T细胞和NK细胞显著减少。
随后，作者绘制了六个中心体扩增相关基因的表达图谱，其中SSX2IP和SAC3D1在LCSC样细胞中特异性表达，这可能是肝癌干细胞的新生物标志物（图6e）。
图6. 单细胞数据分析
作者接下来想要分析它们在LCSC样细胞功能中的作用。通过降维将LCSC样细胞分为16个亚群(图7a)，其中大多数是肿瘤组织特异性的(图7b)。SSX2IP和SAC3D1在LCSC(3)、LCSC(4)、LCSC(7)、LCSC(10)和LCSC(15)中高表达(图7c-e)。功能富集分析显示SSX2IP和SAC3D1可能参与了肝癌干细胞的细胞周期进程和缺氧反应（图7f）。
图7. SSX2IP和SAC3D1在LCSC样细胞中的作用
总结 
这篇文章的亮点就在于基于中心体扩增相关基因进行分析，整体思路属于预后模型的分析思路，还用到了单细胞数据分析关键基因的定位和功能，没有做实验的纯生信思路。
新方向创新性较高，还有单细胞分析助力，思路值得借鉴。趁着现在中心体扩增相关的生信文章还非常少，还有现成的基因集合，感兴趣的小伙伴直接拿去做分析吧！
如果你还苦恼于生信分析没有思路，或者嫌分析方法太过简单、太过老套，想要创新思路的，或者对单细胞分析、中心体扩增等方向感兴趣的小伙伴快来联系小云吧！
(此处需要添加相关链接)
生信王炸组合！单细胞+bulk RNA-seq+空间转录组，3种转录组联合分析，强强联手不用实验验证的纯生信也能轻松上分！
40天接收！转录组+GWAS联合分析！非肿瘤纯生信筛选易感基因，多组学分析思路真香预警！
别只盯着双硫死亡、铜死亡了！细胞死亡生信方向又上新喽，与线粒体通透性有关！现成的基因集还不快冲~
17分+Nature子刊带来临床+基础研究新思路——临床试验+多组学联合生信分析筛选标志物，创新性极高，等你来探索！
放疗抵抗方向，生物标志物筛选+GWAS等多组学分析+预后分析=8分+纯生信，性价比简直太高了!
1区14分+TOP期刊不到两月接收！故事讲得好，关联中性粒细胞胞外诱捕网(NETs)，助力纯生信分析高分文章！