嫌色細(xì)胞癌屬于腎細(xì)胞癌的一種，約占4-5%。利用公共數(shù)據(jù)庫數(shù)據(jù)篩選此類癌癥的相關(guān)biomarker進(jìn)行有效的臨床診斷和預(yù)后也是公共數(shù)據(jù)分析的一個(gè)方向。這里就給大家介紹一篇文獻(xiàn)：利用WGCNA鑒定嫌色細(xì)胞癌biomarker。
數(shù)據(jù)來源
從TCGA數(shù)據(jù)庫下載嫌色細(xì)胞癌樣品相關(guān)數(shù)據(jù)，共獲取66/25個(gè)相關(guān)樣品的表達(dá)譜數(shù)據(jù)，同時(shí)得到臨床性狀。同時(shí)利用GEO數(shù)據(jù)庫下載數(shù)據(jù)（GSE15641）后期篩選和驗(yàn)證分析。
數(shù)據(jù)分析
1.數(shù)據(jù)處理與差異分析
從TCGA數(shù)據(jù)庫獲取的表達(dá)譜數(shù)據(jù)，利用R包“DEseq2”進(jìn)行差異表達(dá)分析，進(jìn)而篩選差異基因。最終以adj.P.value<0.05 ?& |log2FC| ≥0.585，獲取了2215個(gè)差異基因（1748 up-regulated / 384 down-reguated）。GSE15641數(shù)據(jù)利用GEO2R進(jìn)行差異分析，基于P.value<0.05 & |log2FC|>1 篩選到1794 個(gè)差異基因（884 up-regulated / 910 down-reguated），該部分篩選結(jié)果用于biomarker的相關(guān)驗(yàn)證。
2.加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析
TCGA數(shù)據(jù)篩選出的2215個(gè)差異基因參與WGCNA分析，power值選定5（R2>0.85），最終獲得8個(gè)有效模塊（加上grey為9，見下圖A）,結(jié)合臨床性狀分析結(jié)果表明Brown模塊與pathologic_stage、survival_status等相關(guān)性更明顯（見下圖B）。
其中Brown模塊內(nèi)GS與MM分析結(jié)果顯示，該模塊內(nèi)的基因與pathologic_stage顯著相關(guān)（見下圖），并基于MM高于0.8,GS高于0.2 篩選出了39個(gè)基因進(jìn)行后期分析。
3.重要模塊基因功能富集
針對(duì)Brown模塊內(nèi)的基因功能進(jìn)行富集，從而判斷這些差異基因在嫌色細(xì)胞癌中所起到的主要作用，GO富集結(jié)果顯示，有絲分裂細(xì)胞周期轉(zhuǎn)換、有絲分裂紡錘體組裝、有絲分裂紡錘體組織，細(xì)胞周期的調(diào)節(jié)過程等相關(guān)功能顯著富集；KEGG富集結(jié)果表明，細(xì)胞周期、卵母細(xì)胞減數(shù)分裂、孕酮介導(dǎo)的卵母細(xì)胞成熟等途徑顯著富集（見下圖）。
4.蛋白互作分析
為探索基因之間的蛋白互作關(guān)系，利用string數(shù)據(jù)庫進(jìn)行分析，最終基于brown模塊所有基因獲取了一個(gè)蛋白質(zhì)互作網(wǎng)絡(luò)，并借助Cytoscape軟件中的MCODE軟件，以k-core=2等閾值，篩選出其中關(guān)系最緊密的子網(wǎng)絡(luò)，涉及了32個(gè)基因（下圖），其中和基于模塊和性狀分析篩選的39個(gè)基因的重合有29個(gè)，該部分29個(gè)基因作為候選基因進(jìn)一步驗(yàn)證。
5.篩選與驗(yàn)證
29個(gè)候選基因，結(jié)合GSE15641篩選到的差異基因，屬于共有的基因有4個(gè)，其中變化趨勢(shì)一致的有三個(gè)：SKA1、ERCC6L、GTSE1，此三基因在癌癥樣本和正常樣本表達(dá)和統(tǒng)計(jì)分析情況見下圖（A:TCGA，B: GSE15641）。
此外，進(jìn)一步于GEPIA網(wǎng)站進(jìn)行KM生存分析，最終結(jié)果顯示SKA1、ERCC6L和總體生存時(shí)間更顯著相關(guān)（見下圖）。
結(jié)論
作者利用TCGA和GEO數(shù)據(jù)庫中兩項(xiàng)數(shù)據(jù)進(jìn)行了嫌色細(xì)胞癌biomarker基因的挖掘分析，并且利用了多個(gè)在線網(wǎng)站工具進(jìn)行了功能和互作網(wǎng)絡(luò)方面的驗(yàn)證，最終結(jié)合前人的研究和自己的驗(yàn)證分析發(fā)現(xiàn)了兩個(gè)基因SKA1、ERCC6L對(duì)于嫌色細(xì)胞癌的臨床預(yù)后可能具備重要作用。
參考文獻(xiàn)：Yin, X. , Wang, J. , & Zhang, J. . (2018). Identification of biomarkers of chromophobe renal cell carcinoma by weighted gene co-expression network analysis.?Cancer Cell International,18(1).
如果你對(duì)TCGA數(shù)據(jù)挖掘有興趣的話，可以學(xué)習(xí)我們的TCGA相關(guān)課程。
《TCGA-生存分析》
https://study.163.com/course/introduction/1005645022.htm?share=1&shareId=1031484705
?《TCGA-ceRNA調(diào)控網(wǎng)絡(luò)分析》
https://study.163.com/course/introduction/1006360042.htm?share=1&shareId=1031484705
《TCGA-轉(zhuǎn)錄因子調(diào)控》
https://study.163.com/course/introduction/1005807030.htm?share=1&shareId=1031484705
更多技能學(xué)習(xí)鏈接：
http://m.study.163.com/provider/400000000234009/index.htm?share=1&shareId=1031484705
更多生物信息課程：
1. 文章越來越難發(fā)？是你沒發(fā)現(xiàn)新思路，基因家族分析發(fā)2-4分文章簡單快速，學(xué)習(xí)鏈接：基因家族分析實(shí)操課程、基因家族文獻(xiàn)思路解讀
2. 轉(zhuǎn)錄組數(shù)據(jù)理解不深入？圖表看不懂？點(diǎn)擊鏈接學(xué)習(xí)深入解讀數(shù)據(jù)結(jié)果文件，學(xué)習(xí)鏈接：轉(zhuǎn)錄組（有參）結(jié)果解讀；轉(zhuǎn)錄組（無參）結(jié)果解讀
3. 轉(zhuǎn)錄組數(shù)據(jù)深入挖掘技能-WGCNA，提升你的文章檔次，學(xué)習(xí)鏈接：WGCNA-加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析
4. 轉(zhuǎn)錄組數(shù)據(jù)怎么挖掘？學(xué)習(xí)鏈接：轉(zhuǎn)錄組標(biāo)準(zhǔn)分析后的數(shù)據(jù)挖掘、轉(zhuǎn)錄組文獻(xiàn)解讀
5.微生物16S/ITS/18S分析原理及結(jié)果解讀、OTU網(wǎng)絡(luò)圖繪制、cytoscape與網(wǎng)絡(luò)圖繪制課程
6. 生物信息入門到精通必修基礎(chǔ)課，學(xué)習(xí)鏈接：linux系統(tǒng)使用、perl入門到精通、perl語言高級(jí)、R語言畫圖
7. 醫(yī)學(xué)相關(guān)數(shù)據(jù)挖掘課程，不用做實(shí)驗(yàn)也能發(fā)文章，學(xué)習(xí)鏈接：TCGA-差異基因分析、GEO芯片數(shù)據(jù)挖掘、GSEA富集分析課程、TCGA臨床數(shù)據(jù)生存分析、TCGA-轉(zhuǎn)錄因子分析、TCGA-ceRNA調(diào)控網(wǎng)絡(luò)分析
8.其他課程鏈接：二代測序轉(zhuǎn)錄組數(shù)據(jù)自主分析、NCBI數(shù)據(jù)上傳、二代測序數(shù)據(jù)解讀。
