博客

首页 - 文章 - 博客 - 正文

轻松发4.5分SCI，你也可以

其明技术专家博客 2016年12月23日

3.08W 0 1

今天看到一个新闻，说青岛大学教授郁金泰博士在8年不到的时间里发表了232篇论文，在近连续三年中平均每5.3天发表一篇论文。小编不仅被震惊到了，而且深受打击……发文章到底有没有捷径？肯定有，不然每5.3天一篇是什么概念。郁博士的成就应该非常人所能企及。那有没有完全可以复制的模板呢？

今天给大家介绍的这篇文章也真的是厉害了word哥，做了miRNA芯片，在GCBI上自行分析，就做到靶基因功能预测这一步（思路图中黄色选框部分），在没有任何实验验证的情况下，4.492分轻松拿下。埋头实验的亲们，曙光来了。

图1 miRNA研究思路图（黄色部分为作者实验部分）

miRNA（MicroRNA）是真核生物中一类长度为22 nt左右的非编码单链RNA分子，其可与靶mRNA3’UTR区或编码区通过碱基互补配对原则特异性结合，诱导靶mRNA降解或抑制其蛋白质产物的表达，从而在转录后水平对基因表达进行调控。作者具体如何做到的呢？

文章案例

Identification of MicroRNAs Involved in Growth Arrest and Apoptosis in Hydrogen Peroxide-Treated Human Hepatocellular Carcinoma Cell Line HepG2

相关疾病：Hepatocellular Carcinoma IF: 4.492

样本编号：GSE84406 PMID: 27597883

发表日期：2016.07.13

氧化胁迫和miRNA都在病变过程中发挥重要作用，但对两者的联系却知之甚少。作者研究了肝细胞癌细胞系HepG2在H₂O₂处理下的miRNA表达谱，试图找出在氧化斜迫下敏感的miRNA 。

研究方法

生理实验+芯片+生信分析

研究思路

1 生理实验

用系列生理实验证明了H₂O₂处理能降低HepG2细胞活性，抑制其增值，诱导细胞周期停滞和细胞凋亡。

2 寻找差异miRNA

600uM H₂O₂处理24h 后的HepG2用Affymetrix microRNA 4.0 Array进行miRNA表达谱检测，筛选出了131个差异表达miRNA（fold change>2,Q<0.05）,其中125个表达上调，6个表达下调。（差异基因结果解读）

图2 miRNA表达谱热图，high代表600uM H2O2处理组，con代表对照组，无处理

3 差异miRNA靶基因预测

miRNA通过与靶基因相互作用从而发挥其后转录调节功能，所以要了解miRNA的功能，就得首先知道它的靶基因。作者用GCBI平台进行了miRNA靶基因预测，平台综合miRanda和TargetScan的结合参数预测得到较为可靠的交集靶基因，共预测得到13504个靶基因。（靶基因预测方法学）

4 靶基因功能分析

为分析靶基因的生物学功能，对靶基因进行GO和pathway富集分析，下表为排名前20的GO和pathway。（GO和pathway结果解读）

图3 GO功能富集图

图4 pathway富集图

进一步对61个显著性pathway进行path-net分析寻找核心pathway，其中MPKM signaling pathway（degree=44），apoptosis(degree = 29),pathway in cancer（degree=28），cell cycle（degree=24）分值最高，暗示其可能在H₂O₂处理中发挥核心作用。（path-net分析结果解读）

图5 path-net结果图

5 寻找核心miRNA和其靶基因

作者用miRNA-gene-networks和miRNA-GO –networks来寻找核心miRNA和其靶基因。miRNA-gene-networks是用miRNA与靶基因之间的靶向调控关系来建立的microRNA-gene作用网络，用节点的连通度来表示节点的重要程度，degree值的大小来衡量microRNA对周围gene的贡献程度，或gene对周围microRNA的贡献程度。核心的miRNA或gene就是在网络图中Degree较高的。

图6 miRNA-gene-networks网络图（圆圈代表基因，方块代表miRNA，其大小用degree值来衡量，越大表明其越核心）

miRNA-GO –networks以网络的方式直观展现miRNA与其靶基因功能之间的调控关系。通过节点的连通度来衡量节点的重要程度，从侧面反映miRNA可能具有的潜在功能GO，或某个功能GO对哪些microRNA有潜在影响，并通过定量化分离出具有核心调控作用的miRNA及发现多种miRNA集中调控的核心基因功能。核心的 miRNA或GO就是在网络图中Degree较高的。

图7 miRNA-GO –networks（黄色的圆圈代表GOs，红色的方块代表上调的miRNA，蓝色的方块代表下调的miRNA，大小用degree值来衡量，越大表明其越核心）

通过miRNA-gene-networks和miRNA-GO –networks分析，筛选出了6个最核心的miRNA及其靶基因，6个核心miRNA列表如下：

文章简单思路如上，作者没有做任何验证，加上生理数据，为啥就能发4.5的SCI呢？只因图太漂亮？觉得这篇文章的亮点在于生理数据漂亮，加上较为完整的生信分析，且两者的结果较为吻合，虽没有实验加以验证，但也算比较系统。

那作者的成功是否真能复制呢？实验背景下的生理实验大家自行解决，分析这部分是完完全全可以复制的。文章作者生信完全自行分析，可我是小白，不会怎么办？回想下，作者用的啥？GCBI分析平台。作者可以，你也行的，用作者的数据GSE84406来试下。

1 进入GCBI官网，建立分析方案

GCBI官网 https://www.gcbi.com.cn/gclib/html/index

在在线实验室建立如下分析方案

图8 分析方案

在网络分析模块中，分别选择对应的分析方法。

图9 网络分析面板

2 选择样本

在GCBI搜索样本，可直接搜样本号或者搜对应文献都可以，点击将样本发送到GCBI在线实验室。数据导入项目中后，点击方案中的样本分组，通过样本分组管理选择对应的实验组和对照组数据。

图10 查找样本

图11 选择相应的样本数据

3 设置各模块参数

差异分析 P值<0.05 Q值<0.05 fold change>2

GO分析 P值<0.05 FDR<0.05

Pathway分析 P值<0.05

4 运行

点击运行，这个方案不到一分钟就运行成功了，可在线查看结果，也可下载结果进行查看，下载结果导图如下：

图12 结果导航页面

分析结果下载，也可自己在GCBI上实操下。http://pan.baidu.com/s/1bpsrsnl

检测工具：

Affymetrix microRNA 4.0 Array（文中使用）知识拓展

三点搞定GEO数据上传

差异基因结果解读

GO和pathway分析及结果解读手把手教你用GSEA做富集图

如何用path-net挑选核心pathway

趋势分析及结果解读

共表达网络分析结果解读

芯片Meta分析

本文由 GCBI学院作者：其明技术专家发表，转载请注明来源！

其明技术专家

文章：240 视频：112 商品：3 积分：0

一文掌握基因功能（GO）和信号通路（Pathway）分析

乳腺上皮细胞Pten和p53联合缺失与依赖eEF2K促进三阴性乳腺癌

相关文章

首发丨肿瘤数据挖掘还在用TCGA？这个数据库你绝对没听过！（二）

博客 2018年7月27日 2
如何做好SCI修改与回复？

博客 2017年7月3日 0
答疑呀嘿丨TCGA的数据是怎么命名的？

博客, 基础科研 2018年11月2日 0

热评文章

最赞的文章

发表评论取消回复

要发表评论，您必须先登录。