定制生信分析服务!!






定制生信分析服务!!

小云  生信果  2024-03-01 19:00:59

目录/contents

  1. 热点整体分析 
  2. 基因相关分析 
  3. 小RNA相关分析 
  4. 环境微生物相关分析 
  5. 代谢组相关分析 
  6. 单细胞相关分析 
  7. 基因组、外显子相关分析

项目服务扫码咨询

01

热点整体分析

01

铁死亡

铁死亡是一种非凋亡和氧化损伤相关的调节性细胞死亡,主要由铁积累、脂质过氧化和随后的质膜破裂驱动。铁死亡的过程是通过利用表观遗传、转录和翻译后机制实现的各种分子信号传导进一步控制的(Chen等人,2020b)目的:从先前的研究中获取铁死亡相关基因,通过铁死亡相关基因对样本进行分型,通过单因素cox分析进行构建铁死亡预后标志物,为了防止拟合使用lasso回归,通过随机分组来验证预后标志物。意义:人类疾病的组织样本中也会出现过度或不足的铁死亡反应,这凸显了铁死亡的病理相关性的潜力。因此,通过不同疾病其相应的调控机制来关注铁死亡的特征和生物标志物是十分具有生物学意义。

02

共刺激因子

尽管肿瘤细胞表达抗原,但自发的免疫介导的癌症排斥似乎是一个罕见的事件。一些肽是T细胞受体参与构成了激活新生T细胞的主要信号,但并不足以启动效应细胞的有效生成和维持。T细胞的完全激活需要额外的信号,这些信号由存在于激活的抗原呈递细胞上的成本刺激分子驱动,但在肿瘤上很少。在发现B7-1(CD80)之后,其他几个刺激分子已被证明有助于T细胞的激活,并与提高抗肿瘤免疫力有关。此外,增加对共抑制受体的了解,突出了可以主导性地抑制抗肿瘤T细胞功能的其他关键途径。改善共刺激和干扰负性调节,仍然是治疗癌症的一个有吸引力的免疫治疗方法。目的:从先前研究获取免疫相关的共刺激分子,对样本中的共刺激分子基因提取构建标志物,并根据标志物分析,随后研究标志物与其他临床信息的关系。验证标志物,对不同分型的差异基因进行富集分析,突变分析,免疫浸润分析。意义:免疫共刺激分子是免疫治疗的重要手段,通过研究免疫共刺激分子的机制,以及在疾病中的作用,可以为临床研究提供新的见解。

03

m6A+自噬基因

自噬是一种进化上保守的蛋白质降解过程,通过降解长寿的蛋白质和有缺陷的细胞器来维持细胞的平衡。以前的研究表明,自噬的失调与肿瘤的发生密切相关。然而,自噬在肿瘤发病机制中的作用及其对预后的影响是复杂的,仍然不清楚。据报道,自噬涉及三种途径:巨噬、微噬和伴侣介导的自噬(CMA)。自噬相关基因在肿瘤的进展和预后中起到作用。N6-甲基腺苷(m6A)通过调节RNA稳定性、microRNA加工、mRNA和mRNA翻译来改变基因的表达和生物学功能,其失调已在各种人类癌症中得到观察。这些研究表明,m6A甲基化相关基因为癌症的诊断和治疗提供了更多可能性。目的:从HADb中获得了自噬相关基因。提取样本中m6A相关基因并计算m6A相关基因与自噬基因之间的相关系数,筛选出与m6A基因显着相关的自噬基因。此外,将相关性系数大于0.5和 p<0.05的m6A-自噬对用于构建共表达网络。随后,筛选与预后相关的自噬基因,预后模型的开发与验,这里的PCA主要是比较低风险组和高风险组之间 m6A 表达水平的差异,应该使用3DPCA看的效果较好,最后免疫浸润分析。意义:m6A修饰参与了与细胞存活和死亡相关的各种生物学过程,如免疫反应、细胞凋亡和自噬。同时,自噬是控制细胞命运的重要细胞过程。因此,自噬与 m6A 之间的关系很值得研究。

04

可变剪切

选择性剪接 (AS)是将内含子从大多数人类多外显子基因中移除,并交替包括或排除特定外显子的过程。前mRNA的AS是解释蛋白质组多样性的最广泛和最复杂的机制之一,在结构和功能上产生成熟的mRNA和蛋白质变体。除了蛋白质的多样性,mRNA异构体的翻译也通过导致过早终止密码子的降解而被AS事件下调。因此,AS是一个不可缺少的程序,剪接模式的改变与蛋白质功能有密切的关系。在过去的几年里,大量的基因组和功能调查发现,特定异构体的启动和剪接缺陷是癌症的驱动因素。在过去的几年里,越来越多的证据表明,不寻常的AS事件可以在癌症的生物生成和恶化过程中发挥直接作用,涉及到细胞增殖、迁移、免疫逃逸和其他过程。目的:用SpliceSeq 计算每个蛋白质编码基因的 AS 事件的值。通过计算了Percent Spliced In(PSI)值,删除PSI小于75的AS 。比较正常和在肿瘤中的AS,对差异的免疫基因进行单变量和多因素 Cox 分析。随后绘制扰动图和剪接因子调控的网络建立,富集分析。意义:选择性剪接 是一个重要的过程,通过该过程,单个前 mRNA 前体在结构和功能上产生大量成熟的mRNA 和蛋白质同种型 。越来越多的证据表明,AS的可塑性通过促进癌细胞产生亚型转化,参与了肿瘤的细胞转移、凋亡、侵袭、增殖、免疫逃避和药物依赖。到目前为止,大多数研究都集中在探索 AS 事件作为癌症的生物标志物,已经证明一些 AS 事件和剪接变体可以作为诊断和预测癌症的指标。

05

基于单细胞预后模型构建

单细胞RNA测序(scRNA-seq)是一种在单细胞水平上对基因组、转录组和表观基因组进行高通量测序分析的新技术,可以揭示单细胞的基因结构和基因表达状态,揭示细胞间异质性,弥补了传统高通量测序的局限性。scRNA-seq已成功应用于多种恶性肿瘤,以分析肿瘤内异质性、监测循环癌细胞和预测肿瘤预后。然而,尚未开发出基于 scRNA-seq 的模型。目的:通过研究异质性细胞的区分来筛选肿瘤核心的免疫细胞的特征基因进行构建模型意义:传统的组织测序分析使用数百万或更多细胞的混合物,结果代表一组细胞的平均转录组表达,或优势细胞的信息。使用这种方法意味着有可能遗漏重要的基因。scRNA-seq 尤其适用于肿瘤精确反映肿瘤细胞内的异质性。可以发现单个细胞之间的异质信息,可以发现真正表征癌症细胞的重要基因。因此,基于免疫细胞的 scRNA-seq 数据特征可以作为可靠的生物标志物来预测 预后。

06

药物敏感性分析

病人对药物的反应情况通常是一个很复杂的现象,由遗传因素和环境共同决定着。所以研究者通常认为我们要想预测药物作用就得收集尽可能多的信息,比如使用全基因组范围的snp信息来预测复杂性状,但是癌症患者有个特性,就是他们的染色体通常是非整倍体,所以从肿瘤样本里面测序得到可靠的基因型其实是比较困难的。相反,量化所有基因表达情况是很容易的事。目的:结合CGP数据库以及自己待预测的表达矩阵,估算各个样本的药物敏感性IC50值。意义:根据病人基因表达数据,采用岭回归分析预测不同组别病人对某一种药物的敏感性IC50值,同时通过比较不同亚型样本的药物敏感性,揭示亚型样本特征,对药物研发具有指导参考作用。

07

代谢亚型分析

癌基因激活,抑癌基因失活是发生癌症的基础,而绝大多数癌基因及抑癌基因在细胞代谢中发挥关键作用,促进代谢重编程。肿瘤代谢是一大热点,当然有综述阐述肿瘤代谢的特点,总共有六个,其中“代谢物驱动的基因表达失控”、“代谢物与微环境相互作用”的两个特点决定了转录组学在研究肿瘤代谢的重要性。癌细胞会设法通过一系列代谢分子信号通路来寻找、摄取食物。如果,癌细胞无法获取能量,进展、扩散转移的速度以及抑制机体免疫的一系列手段都会减弱。这为实施精准药物打击提供基石。目的:从先前的研究中获取代谢相关基因,通过代谢相关基因对样本进行分型,通过预后、临床因素、差异基因刻画亚型特征,并通过功能和蛋白互作网络找到代谢亚型间重要标记物。意义:肿瘤细胞也是细胞,并且具备了与众不同的代谢过程,业界也称之为“代谢重编程”。对于迫切攻破肿瘤的人类来说,任何可以利用的弱点,那都要物尽其用。因此,通过不同疾病其相应的调控机制来关注代谢的特征和生物标志物是十分具有生物学意义。



08

癌症单基因研究

随着测序技术的发展,每年测序数据量快速增长。随着海量测序数据的增长,越来越多的研究人员开始挖掘公共数据库中的测序数据的意义。已有很多研究表明,某个基因可能参与了某种肿瘤的发生和发展。我们可以使用生物信息学的方法分析基因在肿瘤中参与的生物过程和行使的功能。单基因生信分析内容主要分为两步,第一步为筛选核心基因,第二步为对核心基因进行深入分析,包括单基因泛癌免疫,WGCNA, 突变拷贝数多组学分析,预后模型等。目的:基于生物信息学方法鉴定某个基因可以作为某种癌症的肿瘤微环境中免疫相关的预后生物标志物。意义:从不同层面研究单个基因对疾病的影响,比较专一,做的内容比较深入,而且有利于后续验证,对后续实验设计也有着很大的参考价值。

02

基因

  • PPI网络 

  • 子网络模块 

  • 转录因子或miRNA-靶 

  • 基因调控网络 

  • 基因互作网络 

  • 药物与基因互作网络


富集分析结果(一)


富集分析结果(二)


STEM时序分析


Mufzz趋势分析


Consensus cluster热图

在不同聚类个数下计算的 累积分布函数CDF,CDF越 大,说明基因聚类效果越好


Delta area图

为相邻两个 聚类个数下,即ki,ki+1时 对应的两条CDF曲线与横轴 之间的面积的差值, 用deltaarea表示,因此 deltaarea越小,说明ki与 ki+1之间的CDF差异越小。


邻接矩阵权重参数power选择图。

横轴代表权重参数 power,纵轴代表对应的网络中log(k)与log(p(k))相关系 数的平方。相关系数的平方取值越高说明该网络越逼 近无网络尺度的分布。蓝色线表示相关系数的平方值 达到0.8的标准线。


动态混合剪切算法对基于相异度矩阵的基因系统聚类树的识别结果


独立预后因子列线图生存率预测模型Nomogram图

列线图三年、五年生存率预测与实际生存率一致性线图,横轴表示预测的生存率,纵轴表示实际生存率。


模型构建

(a)风险评分,生存状和五个基因表达热图。 
(b)训练集合4折模型构建与总模型构建的AUC曲线 Single Cox Multivariate Co


生存曲线图


独立性分析森林图


药物-蛋白分子对接3D图

03

小RNA相关分析 


DEMIR-DEG调控网络图


miRNA富集通路气泡图


lncRNA-miRNA-gene复合网络图


circRNA与miRNA 结合位点预测图

04

环境微生物相关分析 


稀释曲线


物种分布图

纵坐标为样本名,横坐标为物 种在该样本中所占的比例,不同颜色的柱子 代表不同的物种,柱子的长短代表该物种所 占比例的大小


VENN图


冗余分析图


t-test结果显示图

红色点表示为具有显 著性统计学差异的属


LEfSe 结果图

上图为聚类树,红色区域和绿色区域表示不同分组;下图为统计两个组别 当中有显著作用的微生物 类群通过LDA分析(线性回归分析)后获得的LDA分值

05

代谢组相关分析


对归一化后的代谢组数据进行PCA分析结果图


代谢物注释


差异代谢物双向聚类热图


差异代谢物火山图


代谢物富集通路图

06

单细胞相关分析 


t-SNE分布图


marker基因在各个细胞群的表达小提琴图


各个cluster细胞占比情况分布统计图


各个细胞类型marker基因表达热图


cluster相关性图


cluster之间ligand-receptor交互圈图


ligand-receptor关系热图


拟时序分析图

各个点代表一个细 胞,具有相似状态的细胞被聚在一 起。每一个支点代表一个生物学过 程的决策点


细胞间状态转换的pesudotime热图

07

基因组、外显子相关分析


突变类型个数统计

横坐标表示不同的突变类型,纵坐标表示对应的个数


SNP和Indel在各个基因元件的分布比例统计


突变类型汇总统计图


突变频率Top50基因的瀑布图


融合基因Circos图




GO和KEGG通路富集结果图

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、多组学联合分析等方向感兴趣的小伙伴快来联系小果吧

小果还提供思路设计、定制生信分析、文献思路复现;有需要的小伙伴欢迎直接扫码咨询小果,竭诚为您的科研助力!


定制生信分析

服务器租赁

扫码咨询小果


往期回顾

01

1024G存储的生信服务器,两人成团,1人免单!

02

单个数据库用腻了?多数据库“组合拳”带你打开免疫浸润新思路!

03

孟德尔随机化的准备工作,GWAS数据的网站下载方法

04

跟着小果学复现-手把手带你拿下IF=46.9Nature 级别的主成分分析(PCA)图!!