“多组学”热潮来袭！这波生信风口值得追！福建中医药大学张卫东团队“多组学+机器学习+免疫微环境”的思路你值得拥有！

2024-06-02

同学们好啊，今日天气晴朗，一定又是适合分享高分生信文章的一天！近日以来，不少同学在后台留言到，生信现在不好发高分了！还有没有什么生信热点是值得“奔赴”的？各位同学不妨留意“多组学”！小云发现，最近多组学分析相关的文章屡屡拿下高分期刊！多组学的最大亮点便是其整合了基因组、蛋白质组、代谢组等常见组学数据来分析，实验结果更可靠！这不，今天就给大家找到了一篇近日发表的多组学高分文献！文献中所使用的生信方法如机器学习、多组学聚类算法等方法十分值得大家复现！那么文章的亮点都有哪些？一起看看吧~

1、多组学+机器学习+单细胞测序强强联合！作者团队采用了肺癌的多组学数据，再通过多组学分析+机器学习的思路区分出肿瘤亚型，最后，根据单细胞测序数据对实验结果进行验证！上述思路可复性极高！同学们可以将上述思路大胆运用于自己的生信文章中！（PS：想复现文章却缺因电脑卡顿迟迟出不了结果？快来试试咱们的生信服务器！现阶段免费试用！这波羊毛你不容错过！）

2、免疫微环境+潜在靶向药物筛选！免疫微环境是目前癌症生信的热门领域之一！作者团队通过对肺癌的免疫微环境进行分析，进一步得出了肺癌的免疫特征！也是文章的重要亮点之一！（想发生信高分文章但没思路？快来扫码咨询小云!小云可以在文章选题、数据分析及撰写上助您一臂之力！）

定制生信分析

云服务器租赁

(加微信备注99领取试用)

题目：单细胞和整体分析的综合免疫基因组学分析揭示了肺腺癌的新型肿瘤抗原和亚型特异性治疗药物

杂志：Computational and Structural Biotechnology Journal

影响因子：6.0

发表时间：2024年4月

研究背景

近年来，具有良好安全性和功能特性的基于mRNA的疫苗在癌症免疫治疗中获得了巨大的发展势头。然而，肺腺癌（LUAD）的稳定免疫分子亚型和 LUAD mRNA 疫苗开发的新型肿瘤抗原仍然难以捉摸。因此，迫切需要一种新的方法来识别合适的LUAD亚型和潜在的肿瘤抗原。

数据来源

数据源	内容
TCGA	574份LUAD样本的基因表达数据
GTEx	286份LUAD样本的基因表达数据
ImmPort和InnateDB	2660个免疫相关基因列表
GEO	5个独立的LUAD基因表达及生存数据集(GSE19188, GSE30219, GSE37745, GSE50081, GSE72094)
GSE131907	44个LUAD患者的单细胞RNA测序数据

研究思路

主要结果

1、LIMOC系统的构建与免疫亚型的鉴定

免疫亚型可能会影响免疫治疗的有效性，并指导患者选择接种 mRNA 疫苗。为了识别这些亚型，作者采用了七种领先的聚类算法来构建LIMOC系统。该分析产生了三种稳健的共识亚型，分别命名为 LIMOC1、LIMOC2 和 LIMOC3，使用聚类预测指数和差距统计分析进行鉴定（图1A）。多组学分析的结果在图1B中展示。然后，作者还研究了生存与LUAD亚型之间的关联。结果显示，与 LIMOC1 和 LIMOC3 相比，LIMOC2 患者的中位 OS 明显更短。

图1 LUAD队列中对LIMOC系统的建立

2、突变状态与免疫亚型的关系

鉴于其与免疫治疗疗效的既定联系，作者评估了三种亚型的肿瘤突变负荷（TMB）。结果显示，LIMOC2 显示出显着更高的 TMB，并且具有更多与 APOBEC 特征相关的突变。值得注意的是，LIMOC2在经常改变的基因中表现出最多的突变，包括TP53、NLRP3、TLR4和RB1。

3、LUAD免疫亚型与调节子分析的关联

转录组调控网络在肿瘤的发生和增殖中起着关键作用。因此，作者评估了 68 个染色质重塑调节子和 23 个其他调节子的活性，以确定亚型之间的潜在差异。差异活性分析揭示了三种亚型的不同调控模式。值得注意的是，LIMOC2 显示出人类 Fox 基因家族调控的证据，而 LIMOC3 患者似乎受到雄激素受体（AR）和雌激素受体 2 （ESR2）激活的影响（图2A）。最后，作者使用GSVA方法计算了致癌途径的富集评分。结果表明，LIMOC2患者的细胞周期和PI3K致癌通路被激活（图2B, C）。

图2 TCGA队列中LIMOC系统中调节子和通路的差异活性

4、单细胞水平上三种亚型的分子特征

为了更深入地了解LUAD组织中的LIMOC系统，作者团队分析了一个单细胞RNA测序数据集（GSE131907）。经过质控过滤后，该数据集从 41 个样本中产生了大约 27,578 个独特的转录本和 191,736 个细胞。基于相关的注释文件，作者生成了一个全面的单细胞图谱，并量化了细胞类型比例以表征细胞组成（图3A）。在该图谱中，免疫细胞数量最多，其次是上皮细胞（图3B）。为了识别数据集中的恶性细胞，作者进行了进一步的注释，最终分离出18,913个恶性细胞（图3C-E）。

图3 单细胞RNA测序数据集中三种亚型的分子特征

5、LUAD中的新型候选抗原筛选

首先，通过整合TCGA和GTEx数据，作者成功鉴定出1897个可能编码肿瘤抗原的上调基因（图4A）。其次，识别出12501个突变基因，最后，根据CNV数据选择15063个扩增基因，前10个扩增基因如图4B所示。最终，结合表达、突变和拷贝数数据，935个高表达、突变和扩增基因被认定为有希望的候选抗原。最后，通过交叉所有三种分析（表达、突变/扩增和 APC 相关性），作者鉴定了三种候选 LUAD 肿瘤抗原：CHIT1、LILRA4 和 MEP1A（图4C, D）。

图4 识别LUAD中潜在的肿瘤抗原

文章小结

总体而言，本研究将 CHIT1、LILRA4 和 MEP1A 确定为开发针对 LUAD 的 mRNA 疫苗的有前途的新型肿瘤抗原。此外，作者发现 LIMOC2 患者是一种独特的免疫亚型，是这些 mRNA 疫苗免疫治疗的理想候选者。小云认为，该团队在文中所应用到的多数据库验证+免疫微环境分析+单细胞测序验证+潜在靶向药物筛选的思路十分值得大家学习！可复性极高！同学们可以在自己的生信文章中大胆借鉴作者较为新颖的研究方法！而想在免疫微环境分析方向上做研究的同学，或是缺少强劲生信分析服务器的同学，都可以来后台找小云！小云这有多位专业生信技术老师为您排忧解难！