缘起Cytoscape的5.5分SCI

研究思路

· 差异分析，这里是在3个GSE数据集中进行差异分析后，取交集

· PPI及significant module，利用STRING进行蛋白互作的分析，MCODE进行模块筛选，cytohubba进行hub基因筛选

· 生存分析，基于基因表达水平分组后进行KM曲线绘制；

· 基因表达水平的比较，在不同临床亚型下进行基因表达水平的比较；

· 实验验证（western blot和qRT-PCR）

· 外部数据验证，利用另一个GSE数据集进行生存分析，印证之前的分析结果；

· GSEA分析，对相关基因进行GSEA分析，联系上生物学功能；

结果

1

差异分析

对3个GSE数据集进行差异分析后，取共有的差异基因（即相同阈值得到的基因列表取交集）共379个；在STRING中输入差异基因后得到蛋白互作关系，用MCODE找到最有意义的模块，均在cytoscape中进行展示；

2

hub基因分析

利用cytoHubba筛选得到10个最有意义的hub基因，并在cbioportal中对得到的10个hub基因进行共表达分析，得到hub基因及其共表达基因的调控关系；利用ClueGO和CluePedia对筛选得到的hub基因进行生物功能注释分析；并用热图展示hub基因在正常和肿瘤组织中的表达；

3

单因素生存分析

KM曲线分析认为，在10个基因中有8个基因跟生存相关（文中说，在GEPIA中先看到了两个基因与生存相关，后面修改阈值后，发现8个基因与生存相关，所以，我们看到的图是风格迥异的两个），其中5个基因为高表达预后差，3个基因为高表达预后好；

4

基因表达水平比较

在肿瘤和正常组织中进行CCND1和PECAM1的表达水平比较，均为在肿瘤中高表达，且具有统计学意义；并在正常和肿瘤的AJCC和ISUP分级下进行CCND1和PECAM1表达水平的比较；

5

外部数据进行生存分析验证

在另一个GSE数据集GSE3538中进行CCND1和PECAM1的生存分析，同样是，依据表达将样本分为高低表达两组后进行生存曲线的绘制，印证了之前的生存分析结果，即高表达预后好；

6

实验验证

western blot和qRT-PCR对肿瘤和正常样本进行蛋白和RNA表达水平的比较，均为在肿瘤中相对高表达；

7

GSEA分析

对CTNND1和PECAM1显著相关基因进行GSEA分析，并用热图对相关基因进行表达水平的展示；

结语

主要利用了4个GSE数据集和TCGA-KIRC数据集。其中3个GSE数据集进行差异分析，对差异分析结果取交集后cytoscape分析得到重要模块和hub基因；在TCGA数据集中进行生存分析，并在另一个GSE数据集中进行生存分析验证；在数据集中进行基因表达水平的分析，并进行实验验证；最后用GSEA对表达相关基因进行通路富集分析，最终将结果落到了生物学功能上。