5分+SCI，比较简单的基因集泛癌分析
发表杂志：Front Mol Biosci.
影响因子：5.243
关于基因集泛癌分析，我们也推过很多文章
11分+SCI 基因集泛癌纯生信分析，两个多月接受，可重复！
我们可以综合各个文章中的内容，换成新的基因集/复合物/通路/基因家族等进行分析。如果需要的话可联系小编提前预定
请扫描下方二维码
研究背景
流程图：
分析解读：
差异表达分析
①使用UCSCXena下载33种TCGA GDC泛癌转录表达数据和TCGA泛癌表型-免疫亚型数据和干性评分（基于DNA甲基化）和干性评分（基于RNA表达）数据。
②显示泛癌中的17个m6A调节因子（METTL3、WTAP、METTL14、RBM15、RBM15B、VIRMA、HNRNPC、HNRNPA2B1、YTHDC1、ZC3H13、YTHDC2、YTHDF2、IGF2BP3、IGF2BP1、FTO、YTHDF1和ALKBH5）。
③对18种癌症类型中正常和肿瘤之间的基因表达进行了统计比较，并使用Wilcox检验来分析相邻正常组织和肿瘤组织之间的差异。
结果：癌症和邻近正常组织之间m6A调节因子差异表达的箱线图。蓝色箱线图表示正常组织。红色箱线图表示癌组织。
结果：17种m6A调节因子在18种癌症类型中差异表达的箱线图和热图。
下图A：18个TCGA癌组织中17个m6A调节因子表达的箱线图。
下图B：18种TCGA癌症中17种m6A调节因子差异表达的热图。红色和绿色框表示m6A甲基化调节因子的表达分别在对应的癌症中高和低。
生存分析
①使用R包“survival”和“survminer”进行m6A相关调节因子的生存分析。
结果：
功能富集分析
①使用ConsensusPathDB数据库对m6A相关调节因子进行功能富集分析。
结果：
肿瘤微环境
①使用“corrplot”R包来进一步执行m6A调节因子的相关性分析。
②对泛癌转录表达和生存数据进行Cox分析，以验证17个m6A调节因子的表达是否与患者的生存相关。
③使用R包“limma”、“ggplot2”和“reshape2”对17个m6A相关基因进行了免疫亚型分析。
④使用R包“estimate”R包和“limma”获得33个TCGA肿瘤样本的免疫评分、基质评分和估计评分。。
⑤将转录基因表达数据与33个TCGA癌症样本的估计分数相交，以进行Spearman相关性检验。
⑥将转录基因表达数据与干性评分（基于RNA表达）（RNAss）相交以进行Spearman相关性检验。
⑦将转录基因表达数据与干性评分（基于DNA甲基化）（DNAss）相交以进行Spearman相关性检验。
结果：
下图A：蓝点和红点分别表示m6A甲基化调节因子的表达水平呈负相关和正相关。
下图B：33种TCGA癌症类型中17个m6A相关基因的风险比森林图。
下图C-D：17 m6A调节因子表达与肿瘤干细胞评分之间的相关关系（基于RNA表达和DNA甲基化）。
下图E-G：17个m6A甲基化调节因子的表达与估计评分、免疫评分和基质评分之间的相关关系。
药物敏感性分析
①使用CellMiner数据库下载相同样本的基因表达和药敏数据。
②过滤临床实验室检验和FDA标准认证后药物灵敏度数据。
③将17个m6A相关基因表达与药物敏感性数据结合起来进行Pearson相关检验。
结果：CellMiner中m6A甲基化调节因子与抗癌药物药物敏感性的相关性分析。
肺腺癌和肺鳞癌的免疫亚型、临床特征及肿瘤微环境分析
①采用Kruskal检验对病理T分期、病理TNM分期和病理N分期进行差异分析。
②使用Wilcox检验对病理性M期进行了差异分析。
③下载了33个肿瘤的表达矩阵，并使用“estimate”R包进行肿瘤微环境分析。
④使用Spearman相关性检验对m6A相关基因表达与LUAD和LUSC免疫评分、估计评分、DNAss、RNAss和基质评分之间进行相关性分析。
结果：LUAD和LUSC中17个m6A调节因子表达与临床特征的相关性分析
下图A：不同免疫表型之间LUAD的m6A基因表达的差异。
下图B-C：LUAD中17个m6A相关基因的表达和临床特征的箱线图。。
下图D：不同免疫表型之间LUSC的m6A基因表达的差异。
下图E-H：LUSC中17个m6A相关基因的表达和临床特征的箱线图。
结果：m6A调节因子与LUAD、LUSC微环境和干细胞评分的相关性分析
下图A-B：m6A甲基化调节因子表达与LUAD、LUSC干细胞评分、LUAD和LUSC免疫微环境之间的相关关系。
小结：