如何0成本做出花了30w经费的感觉？这篇最新6 SCI教你逆袭！ / 开普饭

Notch信号通路在癌症中的作用

分析基因在癌症中作用的文章，一般都是分析单基因或者基因家族，今天让我们一起通过2021年6月发表在Cancers (IF:6.639)上的文章“A Comprehensive Bioinformatics Analysis of Notch Pathways in Bladder Cancer”，来看看如何分析信号通路在癌症中的作用吧~

期刊简介

要素拆解

题目：膀胱癌 Notch 通路的生物信息学分析

疾病：膀胱癌（Bladder Cancer，BCa）

物种：人类

数据来源：TCGA-BLCA, GTEx-BLCA

背景知识

Notch基因编码一类高度保守的细胞表面受体，Notch信号参与癌症生物学的许多方面，包括血管形成、肿瘤免疫和癌症干细胞的维持。此外，Notch在不同癌症和同一肿瘤的不同细胞群中，同时发挥致癌和抑癌的作用。哺乳动物有4个Notch受体基因（Notch1、Notch2、Notch3、Notch4）和5个配体基因（DLL1、DLL3、DLL4、Jagged 1、Jagged 2）。

Notch 信号通路的机制主要分为经典通路和非经典通路。

经典的 Notch 信号通路

又称为CBF-1/RBP-Jκ依赖途径, Notch通路不是通过激酶磷酸化逐步活化传递信号，它是Notch通过三步蛋白酶切水解，把有转录调节活性的Notch蛋白片段（NICD或ICN）释放出来，再与转录因子CSL结合，调节下游基因表达。Notch的受体和配体都是膜蛋白，介导的是两个细胞相互靠近接触之后的活化效应，而不是由分泌型的蛋白作为配体。

非经典的 Notch 信号通路

又称为CSL非依赖途径,可以在没有配体的情况下启动，不涉及Notch受体的裂解，Notch受体的胞内区域与细胞内的蛋白结合，从而影响胞质内的转录因子。癌细胞和T细胞中，非经典的 Notch 信号通路可能与NF-κB通路和PI3K-AKT通路之间的形成串扰。

Notch信号的在癌症干细胞、血管生成、上皮间质转化 (EMT)、肿瘤免疫和耐药性中发挥重要作用，但对单个肿瘤类型的特异性较低。因此，研究Notch信号在特定肿瘤中的生物学作用非常有意义。

数据解读

本文一共有9个图6个表10个附图17个附表，数据量非常庞大，现仅针对主图进行分析和复现。作者首先对比膀胱癌和正常组织中NOTCH通路相关基因的差异（图２），分析其相关性和ROC曲线（图３），分析与淋巴细胞的相关性（图4）和免疫调节基因的相关性（图５），分析各基因的总体生存和疾病特异性生存（图６和图７），并进行了GSEA分析（图8），还通过meta分析、身体图和免疫组化图进一步证明基因的可靠性（图9）。

图1 | 实验设计流程图

图2 | 对照组和BCa中目标基因的表达水平

图3 | Notch通路相关基因的相关性及诊断价值

图4 | Notch因子与淋巴细胞的相关性

图5 | Notch通路与BCa免疫调节基因表达的关系

图6 | 目标基因的总体生存(OS)分析

图7 | 目标基因的疾病特异性生存(DFS)分析

图8 | GSEA分析

图9 | meta分析，身体图和免疫组化图

复现工具

仙桃学术生信工具（https://www.xiantao.love/products）

TISIDB数据库（http://cis.hku.hk/TISIDB/）

GeneMANIA数据库(http://genemania.org/)

GSCALite数据库 (http://bioinfo.life.hust.edu.cn/web/GSCALite/)

Oncomine数据库（https://www.oncomine.org/）

GEPIA数据库(http://gepia.cancer-pku.cn)

HPA数据库 (https://www.proteinatlas.org/)

文章复现

图1 | 实验设计流程图

此图清晰的展示了文章的分析流程，可使用PowerPoint绘制。

图2 | BCa和对照组中目标基因的表达水平

图2A

仙桃学术（https://www.xiantao.love/），点击【生信工具】

【高级版】 → 【立即使用】

（注：免费版和基础版都可以进行统计和可视化，由于高级版功能最全，这里选择高级版作为范例）

【表达差异（挑）】 → 【表达差异】→ 【非配对样本】 → 选择【TCGA_GTEx-BLCA】→ 输入目标分子【NOTCH1】 → 【确认】即为图2A的第1个小图 → 【保存结果】或下载结果

图2A的其他小图只需改变目标分子即可。

（注：仙桃学术可以选择【TCGA_GTEx-BLCA数据集】或【TCGA -BLCA数据集】，但目前只能比较Normal vs Tumor,暂时还不能比较control-GTEx vs control-TCGA vs tumor,所以图片与原文中略有差异）

图2B

直接拖到页面的最下方，进入百度云下载“XENA-TCGA_GTExRNAseq”的数据

下载“ESCA_rnaseq_tpm.txt”

因为“ESCA_rnaseq_tpm.txt”的基因名都是Ensemble编号的，所以这里需要ID转换一下。

新建一个Excel表格，输入NOTCH通路的11个基因名，保存为“ID.xlsx”

【基础绘图】 → 【简易ID转换（人源）】 → 上传“ID.xlsx” → 【确认】 → 【CSV表格下载】

利用ensemble ID在“ESCA_rnaseq_tpm.txt”中寻找到对应的基因表达谱。

确保ensemble ID无误后，将第一列替换为基因名，并将文件保存为“heatmap_data.xlsx”

【表达差异（挑）】 → 【复杂热图】 → 上传“heatmap_data.xlsx” → 【确认】 → 【保存结果】或下载结果即为图2B

图3 | Notch通路相关基因的相关性及诊断价值

图3A

新建一个Excel表格，将“heatmap_data.xlsx”的数据转置粘贴，并删除第一列

将文件保存为“correlation_data.xlsx”

【基础绘图】 → 【相关性热图-原始矩阵】 → 上传“correlation_data.xlsx” → 【确认】 → 【保存结果】或下载结果即为图3A

图3B用仙桃暂时还画不了，以后会慢慢更新功能，敬请期待哦~

图3C

【临床意义（靠）】 → 【ROC曲线】 → 输入目标分子“NOTCH1” → 【确认】 → 【保存结果】或下载结果即为图3C的第一个小图

图3C的其他小图只需改变目标分子即可。

图4 | Notch通路相关基因与淋巴细胞的相关性

图4A

进入TISIDB数据库（http://cis.hku.hk/TISIDB/） → 输入目标分子“NOTCH2” → 【Submit】

选择【Lymphocyte】

选择BLCA一列，将各基因的图片拼接起来即为图4A

图4B-F

根据颜色深浅，选择X轴为【BLCA】,Y轴为【Tem_CD8】 → 【Plot】即为图4B

更换Y轴，即可得到图4C-F

图5 | Notch通路与免疫调节基因表达的相关性

图5A

继续在TISIDB数据库中，选择【Immunomodulator】

在【Immunoinhibitor】下，选择BLCA一列，将各基因的图片拼接起来即为图5A

图5C

根据颜色深浅，选择X轴为【BLCA】,Y轴为【TGFBR1】 → 【Plot】即为图5C1

更换Y轴，即可得到图5C2-C8

图5B

在【Immunostimulator】下，选择BLCA一列，将各基因的图片拼接起来即为图5B

图6 | 目标基因的总体生存分析

回到仙桃学术-生信工具

【临床意义（靠）】 → 【预后分析】 → 【KM曲线图】 → 选择【TCGA-BLCA】 → 输入目标分子“NOTCH1” → 【确认】 → 【保存结果】或下载结果即为图6A

更换目标分子，即可得到图6B-K

图7 | 目标基因的疾病特异性生存(DFS)分析

按照图6的方法，将预后参数改为【DSS】并【确认】即为图7

图8 | GSEA分析

图7A

进入GeneMANIA数据库（http://genemania.org/） → 输入目标分子 → 点击放大镜 → 点击⊙ → 点击左下角图标

选择与NOTCH通路相关的功能，即得到图8A

图7B-E

回到仙桃学术-生信工具

【表达差异（挑）】 → 【差异分析】 → 【筛选分子】 → 选择【TCGA-BLCA】 → 选择【临床-status】并分为【Normal】和【Tumor】两组 → 【确认】，等待5-10分钟

在【历史记录】中，待状态为【完成】时，即可下载结果

用Excel打开下载的结果，仅保留【gene_name】和【log2FoldChange】两列，并另存为“GSEA_data.xlsx”

【分析工具】 → 【功能聚类（圈）】 → 【GSEA富集】 → 【GSEA分析】 → 上传“GSEA_data.xlsx” → 选择【c2.all.v7.2.symbols.gmt】 → 【确认】，等待1-2分钟

在【历史记录】中，当状态为【完成】时，即可下载结果

【分析工具】 → 【功能聚类（圈）】 → 【GSEA富集】 → 【GSEA可视化】 → 选择刚刚做的GSEA富集分析 → 输入基因集ID【KEGG_CELL_CYCLE】 → 【确认】，即为图8B

在基因集ID输入相应的名称，即可得到图8C-E

图7F

进入GSCALite数据库(http://bioinfo.life.hust.edu.cn/web/GSCALite/) → 输入11个NOTCH通路相关基因，用逗号隔开 → 搜索

选择【TCGA-BLCA】 → 选择【Pathway Activity】 → 【Start Gene Set Analysis】→ 等进度条跑完，点击左侧【TCGA Cancer】 → 【Pathway Activity】

【Heatmap percentage】下载即为图8F

图9 | BCa与非癌组织中代表性基因的 Oncomine 的meta分析，以及目标基因表达水平的身体图

图9A-C

进入Oncomine数据库（https://www.oncomine.org/）→ 输入【NOTCH3】 → 【Search】 → 输入【Infiltrating Bladder Urothelial Carcinoma】 → 【Search】 → 勾选有“Infiltrating Bladder Urothelial Carcinoma vs. Normal”的数据集 → 【Compare】→ 出现的图片即为图9A