又找到新模板了:单细胞+空转+Bulk,再用上这个基因集就有内味了!

10月眼看着来了，云生信大侠团队也是完成了3个方案设计（都是做热点基因集复现的，包含新热点Mitoxyperilysis和机械力，如果你也有想法那还等啥呢），可以说基本没反修，客户都还是挺满意的，大侠也算是完成了部分科研kpi，就等着大家后面几个月的好消息了~

话不多说，今天还是给大家上一篇硬货，本月刚刚见刊的《Translational Oncology》（IF:4.1）的生信文章，不得不说这思路也太懂临床人的痛点了！纯公开数据不用自己测序，实验只用做q-pcr难度很低，从投稿到接收不到2个月就完事，换个疾病、换个天然产物去筛选靶点基因特征，照样能复现！关键是还整合了一个32个黄芩素响应核心基因集，高度富集在细胞周期、p53信号、FoxO信号、氧化应激、细胞衰老等经典肿瘤热点通路，有相关方向或者感兴趣的临床朋友可以试试，大侠这里也整理过不同类型的数据集，所以分析做起来速度更快哦~

这篇文章通过多组学整合（主要是机器学习做了207种算法组合交叉验证+SHAP分析），最终筛选出了一个10基因的黄芩素反应标签，在5个独立队列中诊断AUC均在0.8以上。用空间转录组证实这10个基因全部特异性高表达在肿瘤组织中（尤其是这个空转的加入，直接把文章档次提了一个台阶，手里没有自测序数据，用公开的数据集分析就好了~）。

其次还用到了分子对接发现黄芩素和AURKB、MB、TOP2A、CCNB2这4个蛋白有强结合亲和力（这块如果替换成AI虚拟筛选，可能创新性更高）。最后用体外实验验证了黄芩素能剂量依赖性抑制肺癌细胞增殖并调控这些基因的表达。整理流程还是很清晰的，标准的多组学框架，也给了咱们一个新方向，天然产物/中医药研究也不是只能用网络药理学，在这个基础上加上单细胞+空转可能更好发，而且用公开数据就能做，何乐而不为呢~

如果你不会R语言，也没时间自己跑分析，没关系。生信侠团队已经把这套流程打磨得非常成熟了，完整复现所有分析不在话下，还能根据你的研究方向和药物做个性化调整！有想法赶快行动吧~

生

信

侠

思路设计

个性化生信分析

云生信服务器

lBulk转录组：TCGA的513例肺腺癌+501例肺鳞癌，外加GSE19804、GSE18842等4个独立验证集

l单细胞RNA-seq：Bischoff团队2021年发表的10对肺腺癌和正常组织数据

l空间转录组：E-MTAB-13530的8个病人40个切片（覆盖正常、癌旁、肿瘤区域）

解析10对肺腺癌-正常组织单细胞数据，鉴定出21种细胞群，整合网络药理学预测的黄芩素靶点、NSCLC相关基因以及单细胞与bulk的上调基因，筛选得到32个核心基因，在肿瘤中显著高表达而且蛋白互作网络比较紧密。

基于32个核心基因把TCGA肺癌患者分为3个分子亚型，cluster1呈免疫冷表型，富集细胞周期与代谢通路，cluster3为免疫热表型，免疫浸润评分最高。

通过15种机器学习算法207种组合，筛选出10基因诊断标签，SHAP分析证实TOP2A对模型贡献最大，该标签在5个独立队列中诊断AUC均超0.8。

空间转录组验证10个基因全部在肿瘤组织显著高表达，其中MB仅在癌旁和肿瘤组织中检出，明确其肿瘤特异性表达特征。

网药+分子对接已经比较经典了，但是再加上单细胞+空转，创新度有增加，而且是明显加分那种，相当于把这个天然产物可能作用到谁，细化到具体的细胞类型和微环境中，机制故事会更立体，不再是泛泛的通路富集。大侠的建议就是再加上虚拟敲除、因果推断、细胞通讯分析这些算法工具，会更有机制深度，但是工具只是加分项，思路才是核心。缺乏好选题，还得看大侠团队！超10年的生信分析和方案设计经验，不论经典框架还是新算法思路，都能结合你的方向做个性化创新，有想法就动起来吧~

定制生信分析

生信云服务器

思路评估

公共数据库

机器学习

虚拟筛选

单细胞测序

声明：资料来自网络平台和官网，版权归原作者享有，仅作分享，如有侵权，请留言联系更正或删除。