性用语rbp是什么意思(看了太多普通的预后模型构建,今天整个RNA结合蛋白RBP品鉴一下)
Posted
篇首语:挨金似金,挨玉似玉。本文由小常识网(cha138.com)小编为大家整理,主要介绍了性用语rbp是什么意思(看了太多普通的预后模型构建,今天整个RNA结合蛋白RBP品鉴一下)相关的知识,希望对你有一定的参考价值。
性用语rbp是什么意思(看了太多普通的预后模型构建,今天整个RNA结合蛋白RBP品鉴一下)
尔云间 一个专门做科研的团队
云生信学生物信息学 关注我们
以下文章来源于A科研显微镜 ,作者eryun

A科研显微镜.
科研显微镜是一个专业的学习平台,为广大科研用户提供免费文章写作技巧、科研绘图以及生物信息、meta分析、基金申请等资料,同时提供相应的科研服务,共同学习进步!
RNA结合蛋白
RNA Binding Protein(RBP)
预后模型的文章数量近两年只增不减,近四个月的时间就已经发表了2800多篇,可见该主题在生信分析方面仍处于风口位置,抓住这个机会,分分钟获得SCI文章。
但是!要想在这么多的文章中脱颖而出,就必须拿出我们的“两把刷子”。
今天就来介绍一个梦幻联动:预后模型+RNA结合蛋白。

先简单介绍一下今天的主角。RNA结合蛋白(RNA Binding Protein,简称RBP),是一类伴随RNA的调控代谢过程并与RNA结合的蛋白质的总称。
RBP伴随RNA生命始终,可以不夸张的说:没有RBP,RNA寸步难行。
其主要作用是介导RNA的成熟、转运、定位和翻译,并且其表达缺陷会造成多种疾病。
文献的题目是“Identification and Validation of an Immune-Associated RNA-Binding Proteins Signature to Predict Clinical Outcomes and Therapeutic Responses in Glioma Patients”,发表在“Cancers (Basel)”,影响因子为6.639。

分析思路
Study design
数据采集:从TCGA和CGGA数据库中下载胶质瘤患者的转录组数据;从TCGA数据库中收集患者的体细胞突变和拷贝数变异数据。
胶质瘤免疫亚型的鉴定:ssGSEA算法用于鉴定免疫亚型(获得两个Sub1组和Sub2组);ESTIMATE计算不同亚组的免疫差异。
胶质瘤免疫相关RBP的鉴定:筛选Sub1组和Sub2组中差异RBPs,并与免疫细胞做相关性分析,获得免疫相关RBPs。
基于risk score的模型构建:利用LASSO分析构建预后模型和列线图。免疫-/化疗反应的预测:比较高风险和低风险中免疫检查点和常见药物反应的差异。
基本结果
Results
结果汇总如下图:


这个流程图看着是不是可以一目了然地看到文章研究了什么,并得出了怎样的主要结果呢?很能吸引读者的阅读。
两组亚型中免疫细胞的差异
与Sub1组相比,Sub2组肿瘤纯度较低,其ESTIMATE、免疫和基质评分较高。
Sub1组中,中央记忆性T细胞、有效记忆T细胞、B细胞、卵泡辅助T细胞浸润程度较高;Sub2组中巨噬细胞和中性粒细胞浸润程度高。

随后,检测了人类白细胞抗原(HLA)家族基因以及免疫检查点生物标志物(PD-L1、CTLA4、HAVCR2、LAG3和PD1)的表达,结果表明这些基因的表达水平在Sub2中显著高于Sub1。
说明Sub2组肿瘤发生了更严重的免疫衰竭。
另外,与Sub1组相比,Sub2组患者的总生存期更有限。
这些发现证实了肿瘤浸润免疫细胞是胶质瘤患者总体生存的主要危险因素。

免疫相关RBPs的鉴定与功能富集分析
在Sub1和Sub2中鉴定出357个差异RBPs;
与免疫细胞进行相关性分析后,获得了216个免疫相关的RBPs。
功能富集分析表明这些基因与干扰素-γ介导的信号通路以及EMC受体相互作用有关。

基于免疫相关RBPs构建预后模型
单因素Cox分析后,获得了216个与预后有关的基因。
随后lasso和多因素cox回归分析后,最终确定了8个基因可以用于构建模型。

随后,对这些基因与risk score值的相关性进行了分析,发现IGF2BP3、GNS、SMC4、PTTG1与风险评分呈正相关;
RANBP17、ST6GALNAC1、TET1、KLB与风险评分呈负相关;
此外,Sub2组的风险评分也相对较高。
在TCGA中也对这些基因的表达水平进行了分析,结果表IGF2BP3、GNS、SMC4、PTTG1在高风险组中高表达;
RANBP17、ST6GALNAC1、TET1、KLB在低风险组中高表达。

对该模型的预测性能进行了验证,Kaplan Meier曲线提示高风险组预后较差;
另外,ROC曲线表明模型在生存预测方面有较好的表现。

构建列线图预测胶质瘤患者的预后
单因素和多因素分析发现,年龄、异柠檬酸脱氢酶(IDH)状态和risk score值与总生存率显著相关,随后构建列线图。
随后的验证分析中发现该模型的C-index为0.849。
校正曲线表明对于3、5、10年生存概率,Nomogram预测的结果与实际观察的结果相一致。

对免疫检查点抑制剂治疗反应的预测
与低风险组相比,高风险组的肿瘤纯度明显降低,ESTIMATE Score、免疫评分和基质评分均较高。
高风险评分与树突状细胞、巨噬细胞和中性粒细胞呈正相关,而与B细胞和T细胞呈负相关。
高风险组中HLA家族表达以及免疫检查点的表达水平明显增加。
我们还发现高风险人群倾向于对免疫疗法产生有效反应,例如抗PD-1和抗CTLA-4疗法。

不同风险人群体细胞突变和拷贝数变化
低风险组高频率突变基因为IDH1、CIC、NOTCH1、FUBP1、IDH2,高风险组为EGFR、PTEN、RB1、TTN、NF1。
我们还研究了共现和互斥突变在组内的分布情况,发现在高风险组中有一种独特的ATRX-IDH1共现和绝大多数的互斥突变。

在低风险人群中发现了染色体(Ch)1、4和19的高频率缺失区域;
相反,在高风险人群中,Ch7区域被广泛扩增,Ch10区域被频繁缺失。
对拷贝数变异占主导地位的基因给予了更多的重视。
高风险组中EGFR、CDK4、MDM4、PIK3C2B、MDM2广泛扩增,CDKN2A、CDKN2B缺失。


预后模型在预测化疗药物敏感性中的作用
对于替莫唑胺治疗的胶质瘤患者,无效组(PD)的相对高风险得分较高。
对于常见的化疗药物,发现它们的IC50值在高风险组中显著降低。
因此,高风险组的患者对这些化疗药物的治疗更敏感。

小结
这篇文献的主要结果就介绍到这里了。
看完后发现,本文分析步骤很多并且全面,包括一些体细胞突变以及拷贝数变异的分析。
还涉及了治疗反应的评估,不仅有检查点抑制剂还包括常见的化疗药物。
此外,主题也比较新颖,纳入了RNA调控代谢的基因。
没有做实验,能发出6分的文章,还是很不错的。
文中涉及的生信分析可以复制,如果有不明白的地方可以私信小编哦~。
相关参考