今天我為大家?guī)硪黄l(fā)表在Genomics雜志上影響因子為6.2分的一篇單基因泛癌文章套路復(fù)現(xiàn),。

在本篇文章中，我會一步步帶您完整復(fù)現(xiàn)文章當(dāng)中的6張大圖,，簡直就是保姆級教程，小伙伴們學(xué)完肯定都可以發(fā)生信文章哦~

話不多說,，請各位看官往下看吧~

材料與方法

復(fù)現(xiàn)工具

仙桃學(xué)術(shù)工具（https://www./products）

Oncomine數(shù)據(jù)庫（www.oncomine.org）

TIMER數(shù)據(jù)庫(http://timer./)

GEPIA2數(shù)據(jù)庫(http://gepia./)

UALCAN數(shù)據(jù)庫（http://ualcan.path./）

cBioportal數(shù)據(jù)庫（https://www./）

STRING數(shù)據(jù)庫（https:///）

Venn數(shù)據(jù)庫（http://bioinformatics.psb./webtools/Venn/）

DAVID數(shù)據(jù)庫（https://david./）

復(fù)現(xiàn)任務(wù)

Figure1 SND1在各個腫瘤的中mRNA/protein/病理分期的表達

Figure2 SND1高表達/低表達對生存的影響

Figure3 探究TCGA包含的不同腫瘤類型中SND1的遺傳變異情況

Figure4 比較正常組織和原發(fā)性腫瘤組織中SND1磷酸化水平的差異

Figure5 探究不同免疫細胞的浸潤水平與TCGA不同癌癥類型中SND1基因表達之間的潛在關(guān)系

Figure6 探索與SND1結(jié)合的蛋白和SND1表達相關(guān)的基因,，做富集分析，研究SND1在腫瘤發(fā)生中的分子機制

現(xiàn)在捋清思路,，開始復(fù)現(xiàn)啦,！

文章復(fù)現(xiàn)

Figure1 SND1在各個腫瘤的中mRNA/protein/病理分期的表達

Figure1一般是研究單基因套路文章最常見也是最重要的一環(huán),，因為表達有差異是單基因分析的前提。

復(fù)現(xiàn)步驟
登錄TIMER數(shù)據(jù)庫（http://timer./）選擇【Exploration】—【Gene_De】,，在搜索框中輸入SND1,，點擊Submit，獲得分析結(jié)果,，保存為PDF格式,，可以直接用在文章當(dāng)中。

除了用TIMER可以做泛癌分析外,，用我們的仙桃學(xué)術(shù)工具可以得到更美觀的結(jié)果哦,。

進入仙桃學(xué)術(shù)工具（https://www./products）選擇高級版，點擊“立即使用”進入,。

首先選擇【表達差異（挑）】--【非配對樣本】--選擇疾病【泛癌】，因為有的癌種正常樣本很少,，一般會選擇納入來自GTEx數(shù)據(jù)的正常樣本一起分析。

參數(shù)部分的【類型】選擇有4種,，分別是點圖，箱圖/柱狀圖,，小提琴圖，組合圖,，我們這里選擇箱圖/柱狀圖,，得出來SND1在泛癌中的表達量如下圖所示，我們可以直接下載下來,，放在文章中使用,。

Fig 1b 是針對Fig1a中TIMER數(shù)據(jù)庫由于部分癌種沒有正常樣本，作者利用GEPIA軟件將剩余癌種進行補充,。

復(fù)現(xiàn)步驟
這里用我們?nèi)f能方便的仙桃學(xué)術(shù)工具復(fù)現(xiàn),。選擇【表達差異（挑）】--【非配對樣本】--選擇疾病DLBC，具體步驟詳見下圖,，

在底下的說明里，可以查看具體的Normal組,，Tumor組有多少例樣本,，這些數(shù)據(jù)可以寫在文章的材料與方法里。

同樣的方法,，將SND1在GBM,，LGG,，SKCM，TGCT,，THYM腫瘤中的表達量做出來

用仙桃學(xué)術(shù)的拼圖工具拼起來,，就得到了Fig 1b，用仙桃學(xué)術(shù)工具做出來得圖美觀又大方,。

Fig 1c 是關(guān)于SND1在不同癌癥中蛋白的表達情況

本張圖是由UALCAN數(shù)據(jù)庫（http://ualcan.path./）得到,，它是一個TCGA數(shù)據(jù)庫在線分析和挖掘的網(wǎng)站。

我們這里利用CPTAC（蛋白質(zhì)組數(shù)據(jù)庫）分析SND1在疾病中的蛋白表達水平,。從蛋白水平進行驗證的優(yōu)勢在于,，大多數(shù)其他數(shù)據(jù)庫是從mRNA水平分析基因表達情況，CPTAC是從蛋白水平描述基因表達,，更加接近疾病最原始表現(xiàn)形式。而且,，CPTAC包含很多臨床數(shù)據(jù),，可以很好的驗證蛋白與臨床的關(guān)系,。目前CPTAC只能分析Colon cancer,， Breast cancer， Ovarian cancer,，Clear cell RCC，UCEC,，LUAD ，6種癌癥類型,。

復(fù)現(xiàn)步驟

圖片直接下載即可,。同樣的步驟在6個癌種里都做一遍，即可得到Fig1c.

Fig 1d  SND1表達與不同癌癥的臨床分期之間的關(guān)系

復(fù)現(xiàn)步驟
這里用到了GEPIA網(wǎng)站（http://gepia2./）

第一步在左側(cè)菜單欄中【Expression analysis】下選擇Expression DIY，
第二步在Gene搜索框中輸入SND1,，
第三步Datasets selection選擇癌種，我們這里選擇ACC,，
第四步我們選擇stage plot，想證明SND1表達和癌癥臨床分期有相關(guān)性,，
第五步是選擇顏色，可以按照自己的喜好選擇顏色第六步直接可以下載PDF圖,。

同樣的方法,，我們將BLCA,，CESC,，COAD,，KICH，LUAD,，PAAD,，THCA復(fù)現(xiàn)出來，拼在一起,，即可得到Fig1d,。

Fig2 SND1高表達/低表達對生存的影響

Fig2a利用GEPIA分別畫了SND1表達高低與BLCA,，GBM，KICH,，LIHC，UCEC癌的Overall survival相關(guān),。

在BLCA, GBM,KICH,LIHC中，SND1表達越高,，預(yù)后越差，而在UCEC中,，得到相反的結(jié)果，SND1表達越高,，預(yù)后越好。

復(fù)現(xiàn)步驟
首先選擇【survival analysis】,在第二步中輸入【SND1】,，接著第三步在下方欄中選擇【Overall Survival】,第四步選擇癌種，這里我們選擇了BLCA,，點擊Plot出圖，最后我們點擊下載PDF即可,。

按照同樣的方法,，只需把BLCA換成GBM，KICH,，LIHC，UCEC,，即可復(fù)現(xiàn)出Fig2a。

（不過復(fù)現(xiàn)到這里和文章當(dāng)中的圖還是略微不一樣的,，有些小伙伴可能會疑惑的點是圖中黑框框住的這些深淺不一的color bar是什么意思,，我們可以看一下右邊這個標(biāo)注，這些color bar是根據(jù)log10(HR)的值算出來的,，從下圖可以看到BLCA生存曲線圖上面標(biāo)的HR(high)是1.6,，log10（1.6）=0.20也就是紅色,，UCEC的HR(high)是0.012，log10（0.012）=-0.40,，為藍色,，講解到這兒，小伙伴們就明白上面的color bar是如何得到的了~）

Fig 2b SND1表達和Disease Free Survival生存之間的關(guān)系

步驟和Fig2a幾乎一樣,，不一樣的地方在第三步,，這里我們把Overall Survival換成Disease Free Survival，然后選擇癌種,，點擊plot，下載PDF圖片,。拼起來即可得到Fig2b,。

Figure3 探究TCGA包含的不同腫瘤類型中SND1的遺傳變異情況。

由cBioportal（https://www./）分析得到,，我們來一步一步復(fù)現(xiàn)

A圖,，我們首先打開cbioportal，在Quick Search這一欄輸入基因名SND1,。

我們可以看到SND1在30種腫瘤中的突變情況,，這樣Fig3a就復(fù)現(xiàn)完成，下載待用,。

接下來我們來看一下Fig3b,本圖是展示每個結(jié)構(gòu)域上具體的突變情況

復(fù)現(xiàn)步驟
選擇菜單一欄中【Mutations】鼠標(biāo)放在每一個小圈圈上會展示具體的突變信息,。

點擊右下角的view 3D Structure，會出現(xiàn)3D模型圖,，更加立體直觀,，可以直接放在文章中。

接下來Fig 3D是探索SND1突變與否和生存之間的關(guān)系,，作者還是利用cBioportal這個工具,。

復(fù)現(xiàn)步驟
1：點擊Query
2:選擇文章中作者展示的UCEC，
3：正常情況下我們選擇來自TCGA的UCEC數(shù)據(jù),，并且盡量選擇樣本數(shù)大的那個數(shù)據(jù)集
4：點擊最下方的Query By Gene

進入到如下界面

在第2步中,，關(guān)于mRNA Expression根據(jù)需要，自行決定要不要勾選,，本文當(dāng)中沒涉及到,，我們這里就先不勾選了。接著在基因框中輸入：SND1,，點擊Submit Query

接著就會展示SND1具體到UCEC這個癌種里一些突變/生存/共表達等一些信息,，我們選擇【Comparison/Survival】這一欄，下面的子菜單欄我們選擇【Survival】如第3步所示,，第4步就出現(xiàn)了SND1突變與否與OS,，DFS,，PFS，RFS的關(guān)系,，我們可以從第5步的箭頭那里直接下載,，放在文章里。至此,，F(xiàn)ig3d也復(fù)現(xiàn)完成,。

Fig4 SND1在各個腫瘤中蛋白磷酸化水平的變化

復(fù)現(xiàn)步驟

點進來之后，我們首先來復(fù)現(xiàn)SND1在乳腺癌中的磷酸化水平的差異,，我們從下圖可以看到SN4結(jié)構(gòu)域內(nèi)S645基因座的磷酸化水平增加,。如圖網(wǎng)站中提供了3個乳腺癌中的SND1磷酸化位點，點擊下載,，用AI或者PS拼起來,。

同樣的步驟，點擊Ovarian cancer查看SND1的蛋白水平,，網(wǎng)站提供了四個SND1磷酸化位點的蛋白表達水平,，所有圖都證明了在所有原發(fā)性腫瘤組織中顯示比正常組織更高的磷酸化水平。

同樣的,，在clear cell RCC中,，網(wǎng)站提供了3個SND1磷酸化位點的蛋白表達，在LUAD中,，網(wǎng)站提供了4個SND1磷酸化位點的蛋白表達,，在UCSC中，網(wǎng)站提供了2個SND1磷酸化位點的蛋白表達,，在Colon cancer中,，網(wǎng)站提供了1個SND1磷酸化位點的蛋白表達，這樣把所有的圖下載,，拼接,，即可得到Fig4。

這里可能會有小伙伴問Fig4a可以通過在線數(shù)據(jù)庫點點點得到嗎,？

這里其實是作者模仿了Fig3b的表達形式,，通過畫了一個簡單的模式圖，總結(jié)了SND1磷酸化位點,，手動將SND1的每個結(jié)構(gòu)域的磷酸化位點標(biāo)注出來,，顯得整潔有條理，還和上文呼應(yīng),。


Fig5探究不同免疫細胞的浸潤水平與TCGA不同癌癥類型中SND1基因表達之間的潛在關(guān)系

作者是利用了TIMER數(shù)據(jù)庫（http://timer./）來分析,。

復(fù)現(xiàn)步驟

出來的結(jié)果就是本文中的Fig5a (圖中只截了一半，點擊下載按鈕可以直接下載全圖),，如下圖所示

Fig5b  文中b圖列舉展示了BLCA腫瘤的MCPCOUNTER浸潤情況,，BRCA腫瘤的XCELL浸潤情況,，CESC腫瘤的EPIC浸潤情況，HNSC腫瘤的MCPCOUNTER浸潤情況,，PRAD腫瘤的MCPCOUNTER浸潤情況,，TGCT腫瘤的MCPCOUNTER浸潤情況。

復(fù)現(xiàn)步驟
本次復(fù)現(xiàn)以BLCA和BRCA為例（其余癌癥同理）用鼠標(biāo)點擊BLCA欄的MCP-COUNTER,，右邊就會出現(xiàn)展示具體的浸潤情況,，點擊BRCA，第三行第三列（-0.192）即可出現(xiàn)右下方關(guān)于BRCA具體的免疫浸潤情況,。

依次將感興趣的癌種具體免疫浸潤情況拼接起來即可得到Fig5,。

Fig6 探索與SND1結(jié)合的蛋白和SND1表達相關(guān)的基因

做富集分析，研究SND1在腫瘤發(fā)生中的分子機制,。

首先利用STRING數(shù)據(jù)庫,，得到50個和SND1表達有相關(guān)性的基因

然后作者通過GEPIA得到前100個和SND1表達有相關(guān)性的基因，接著往下做分析,。

復(fù)現(xiàn)步驟
首先在左側(cè)菜單欄中選擇【protein by name】右側(cè)輸入目標(biāo)基因SND1，Organism選擇Homo sapiens,，點擊SEARCH按鈕

隨后我們點擊【Settings】按鈕,，可以進行一些具體的設(shè)置，我們按照作者的設(shè)置復(fù)現(xiàn),，如下圖所示

Meaning of network edges選擇【evidence】
Active interaction sources選擇【Experiments】
Minimum required interaction score選擇【low confidence(0.150)】
Max number of interactors選擇【no more than 50 interactors】

條件設(shè)置完畢,，點擊【update】, 即可得到蛋白相互作用網(wǎng)絡(luò)

接著我們來復(fù)現(xiàn)Fig6b 利用GEPIA2得到和SND1表達相關(guān)的前100個基因

復(fù)現(xiàn)步驟

作者取了前5位基因，然后用“correlation analysis”模塊,，分析排名前5的基因與SND1表達相關(guān)性

大家可以試著用同樣的步驟將另外四個基因與SND1表達相關(guān)性畫出來,，我們這里就不一一重復(fù)了。

Fig6C 利用TIMER數(shù)據(jù)庫的表達相關(guān)性

主要是利用熱圖將5個靶基因在各個腫瘤中的表達展示出來

復(fù)現(xiàn)步驟
利用TIMER【Exploration】---子菜單欄選擇【Gene_Corr】---輸入目標(biāo)基因【SND1】,，Gene Expression欄中輸入我們想觀察的5個基因,，分別是TBL2，PLOD3,，CALU,，GCC1，MYBBP1A,。點擊【Submit】

直接下載PDF,，將圖片旋轉(zhuǎn)90度即可得到Fig 6c

Fig 6d 則是用Venn圖，將String和GEPIA得到的基因取交集,，這個不多說,，網(wǎng)址奉上，大家肯定都會,。（http://bioinformatics.psb./webtools/Venn/）

Fig 6e和6f 利用我們已經(jīng)前面分析得到的和SND1結(jié)合或者相互作用的的蛋白,，做KEGG和GO分析,，

這里用我們的寶藏仙桃工具給大家復(fù)現(xiàn)

下載word后的形式如下圖，可以直接放進文章里,，如果想要花哨一點的圖的畫,，可以將這些數(shù)據(jù)用EXCEL或者其他的工具畫出來，非常方便

至此,，本篇文章的復(fù)現(xiàn)已經(jīng)全部結(jié)束,，復(fù)現(xiàn)過程非常的詳細，看到這里的你是不是已經(jīng)躍躍欲試了呢,，可以按照本篇教程自己動手試一下哦,。