经典泛癌纯生信思路,适合小白学习。赶紧来学

2023-11-08 18:44

本文主要是介绍经典泛癌纯生信思路,适合小白学习。赶紧来学,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!


今天给同学们分享一篇生信文章“A Systematic Pan-Cancer Analysis of MEIS1 in Human Tumors as Prognostic Biomarker and Immunotherapy Target”,这篇文章发表在J Clin Med期刊上,影响因子为3.9。

09b76692f07404c550c05bec1333d4b3.jpeg

结果解读:

MEIS1在癌症中的差异表达

TIMER2.0对MEIS1在不同癌症中表达的结果如图1a所示,在膀胱尿路上皮癌(BLCA)、乳腺浸润癌(BRCA)、COAD、HNSC、肾乳头状细胞癌(KIRP)、LUAD、肺鳞状细胞癌(LUSC)中,MEIS1下调(肿瘤组的基因表达低于对照组),前列腺癌(PRAD)、直肠腺癌(READ)、甲状腺癌(THCA)和子宫体子宫内膜癌(UCEC)(p<0.001)、嗜铬细胞瘤和副神经节瘤(PCPG)(p<0.01)、胃腺癌(STAD)、宫颈鳞状细胞癌和宫颈腺癌(CESC)(p<0.05)。MEIS1在胆管癌(CHOL)、肝细胞癌(LIHC)和多形性胶质母细胞瘤(GBM)的肿瘤组织中的表达高于正常组织。

1255868827ff6b92a0b253607afef8e3.jpeg


MEIS1在不同癌症中的预后指标

如图2a所示,GEPIA2生存分析显示,低MEIS1表达预测ACC、HNSC和KIRC患者的OS较差(p<0.01),而高MEIS1表示预测COAD患者的OS较低(p<0.05)和LGG患者的OS(p<0.001)。如图2b所示,高MEISl表达预测COAD和KIRP患者的DFS较差(p<0.01)以及LGG患者(p<0.001),而低MEIS1表达预测HNSC患者的DFS较差(p<0.05)。

5ac6812c71bbba5e460291aa5fd0c607.jpeg


MEIS1基因分析数据的变更

根据图3a,在NSCLC中,基因变化的频率最高(3.51%),突变是基因变化的主要类型。突变是ESCC、黑色素瘤、子宫内膜癌、食管胃腺癌、结直肠癌癌症、宫颈鳞状细胞癌、肾上腺皮质癌症和肝细胞癌的主要遗传变化类型。同样,扩增成为卵巢上皮肿瘤、膀胱尿路上皮癌、成熟B细胞肿瘤和前列腺癌中MEIS1基因改变的主要类型。此外,图3b包含了更多的细节,如突变类型、位点和以“错义”为主要突变类型的病例数。在2名COAD患者中可以观察到R102Afs*20突变,而在一名UCEC患者中可以检测到R102Pfs*18突变。作者没有在MEIS1基因中发现任何热点突变。

ce2d09e0541723867f15de1ed72f0188.jpeg


MEIS1在不同癌症中的磷酸化和启动子甲基化表达

磷酸化途径的改变与癌症密切相关。基于CPTAC数据集,纳入癌症、癌症、癌症、ccRCC、UCEC、LUAD和儿童脑癌症,以探索其肿瘤组织与正常组织之间的磷酸化水平。最终,图4a中提供了四种类型癌症的方框图。在卵巢癌症中,肿瘤组织与正常组织的MEIS1磷酸化水平(S194、S196和T202)无统计学差异,而正常组织中LUAD(p<0.001)、ccRCC(p<0.01)和UCEC(p<001)中S196的磷酸化水平高于肿瘤组织。需要更多的实验证据来鉴定S196位点的MEIS1磷酸化在肿瘤发生中的作用。此外,发现原发性肿瘤中BLCA、HNSC、KIRC、KIRP、PRAD和UCEC中MEIS1的启动子甲基化水平低于正常组织(p<0.05)(图4b)。

bb7c62f50e411d8cd6c4eb6064ec610e.jpeg


MEIS1在不同癌症的免疫和分子亚型中的表达

如图5a所示,MEIS1在各种免疫亚型中的表达不同,包括ACC、BLCA、BRCA、CHOL、COAD、KIRC、LGG、LUAD、LUSC、胰腺癌(PAAD)、PRAD、肉瘤(SARC)、STAD、TGCT中的C1-C6,卵巢浆液性囊腺癌(OV)、PCPG、PRAD、STAD和UCEC(均p<0.05)(图5b)。

f9c8f8cb73407cc959c95d8824a69103.jpeg


3.6.MEIS1的表达与ICPG在不同癌症中的表达有关

随后,研究了MEIS1表达与60个ICPG表达之间的相关性(图6)。在大多数癌症中,如淋巴肿瘤弥漫性大B细胞淋巴瘤(DLBC)、PRAD、READ、COAD、OV、KIRC和LIHC,MEIS1的表达与大多数ICPG的表达呈正相关。这意味着MEIS1高表达的患者通过使用免疫检查点抑制剂(ICIs)将显示出更好的免疫治疗效果。然而,在TCGT和严重急性呼吸系统综合征中,MEIS1的表达与大多数ICPG的表达呈负相关。研究表明,当靶向这些ICPG时,MEIS1高表达的患者预后较差。因此,可以证明MEIS1在免疫治疗方面具有强大的潜力。

9ae8ccd69a4f68b31edb80f193ad87c7.jpeg


不同癌症中MEIS1表达与免疫细胞浸润和TME的相关性

根据图7中的结果,在各种癌症中,MEIS1的表达与大多数免疫细胞密切相关。MEIS1的表达与20种癌症类型的巨噬细胞_M2、19种癌症类型的CD8+T细胞、15种癌症类型的巨噬细胞-M1、13种癌症类型的巨噬细胞/M0和10种癌症类型的中性粒细胞相关。为了评估抗肿瘤免疫,如图8所示,在所有癌症中探索了MEIS1与TMB、MSI和NEO之间的关系。在ACC、STAD、STES、SARC、BLCA和KIRC中,MEIS1的表达与TMB呈负相关。就MSI而言,MEIS1在UCS、UCEC、SARC、STAD、STES、GBM、LGG、KIPAN、PRAD和HNSC中的表达与MSI呈负相关,而在TGCT中与MSI呈正相关。此外,在SARC、UCEC、KIRP、KIPAN、KIRC和LUAD中,MEIS1的表达与NEO呈负相关。

99bfcc1a9c7c5277f650f16a5cadf47a.jpeg

f10bf13be5f5486f25b0db4bc90fcd7c.jpeg

MEIS1相关基因与细胞增殖和分化相关

基于STRING,获得了50个实验支持的MEIS1结合蛋白。蛋白质-蛋白质相互作用网络如图9a所示。之后,在GEPIA2中通过相关性分析获得了100个相似基因,在图9b中,50个相互作用的基因和100个相似的基因具有3个交集基因。然后,整合147个基因进行GO和KEGG分析,如图9c所示。KEGG分析表明,“癌症转录失调”可能在MEIS1对癌症的影响中起着至关重要的作用。此外,通过GO分析,在生物过程(BP)水平上,大多数基因参与细胞分化和细胞命运的决定。在分子功能(MF)水平上,大多数基因参与调节DNA结合转录激活物和阻遏物活性、RNA聚合酶II特异性、增强子序列特异性和激活转录因子结合。最后,细胞成分(CC)也证明了这些基因与转录有关。

9d52dc405d7027d27a53937a8edb0018.jpeg


总结

总之,作者的发现提供了对MEIS1在不同类型癌症的预后和免疫治疗中的功能的全面理解。MEIS1具有作为癌症免疫治疗靶点的潜力,值得更多关注。此外,作者的研究结果可能为进一步研究MEIS1的体内外机制提供有价值的理论指导。

这篇关于经典泛癌纯生信思路,适合小白学习。赶紧来学的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/371803

相关文章

JAVA利用顺序表实现“杨辉三角”的思路及代码示例

《JAVA利用顺序表实现“杨辉三角”的思路及代码示例》杨辉三角形是中国古代数学的杰出研究成果之一,是我国北宋数学家贾宪于1050年首先发现并使用的,:本文主要介绍JAVA利用顺序表实现杨辉三角的思... 目录一:“杨辉三角”题目链接二:题解代码:三:题解思路:总结一:“杨辉三角”题目链接题目链接:点击这里

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

如何选择适合孤独症兄妹的学校?

在探索适合孤独症儿童教育的道路上,每一位家长都面临着前所未有的挑战与抉择。当这份责任落在拥有孤独症兄妹的家庭肩上时,选择一所能够同时满足两个孩子特殊需求的学校,更显得尤为关键。本文将探讨如何为这样的家庭做出明智的选择,并介绍星贝育园自闭症儿童寄宿制学校作为一个值得考虑的选项。 理解孤独症儿童的独特性 孤独症,这一复杂的神经发育障碍,影响着儿童的社交互动、沟通能力以及行为模式。对于拥有孤独症兄

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学