文献精读-GEO数据挖掘生物信息文章（宫颈癌）

上次我们介绍了一篇GEO入门的文章，这次我们介绍一篇稍高分数的文章，来看一下生信挖掘文章如何发更高档次的杂志。这篇文章是利用GEO和TCGA数据挖掘宫颈癌预后相关的关键基因，2019年发表在Journal of Cellular Physiology 影响因子：4.52左右。

1.芯片数据差异基因及注释分析结果

作者在GEO数据库中找到宫颈癌相关的基因芯片数据：GSE63514，其中，包含28个宫颈癌样品和24个正常样本的基因芯片表达数据，通过差异分析共发现：1907个差异基因（944 up， 963 down）。作者利用火山图展示差异基因结果，其中差异最大的top200个基因绘制热图（如下图）。

2.差异基因蛋白互作网络分析PPI分析

将差异基因提交到STRING蛋白互作数据库，构建基因互作网络，利用cytoscape软件中的MCODE插件筛选出三个关键子网络。把这些子网络中的基因进行GO注释；

利用R语言中的WGCNA包，根据差异基因的表达量信息构建共表达网络，作者获得了4个共表达模块，其中蓝色模块与宫颈癌正相关，棕色模块与宫颈癌负相关（下图c），因此作者在这两个模块中挑选hub 基因用于后续分析。

5.甲基化数据筛选EPHX2和RMI2

作者再次对前面分析出的hub基因进行分析，利用GEPIA database 数据库筛选出与生存率相关的候选基因, 作者发现基因RMI2和EPHX2在患者中表达量越高患者生存时间会越长，进一步在TCGA数据中的甲基化芯片数据分析发现，这两个基因的表达量与甲基化的水平负相关，生存分析结果表明RMI2基因的高甲基化患者组与低甲基化组生存率生存期存在显著不同（下图cd），但是，EPHX2的甲基化水平与生存率不相关。

为进一步说明这两个基因与宫颈的预后相关，作者又在两个数据库（FireBrowse and ONCOMINE）中查看他们在正常组织和癌组织中的表达量发现：EPHX2和RMI2在绝大多数癌症当中都表现为低表达；从而证明了这个两个基因如果高表达有益于患者的生存期延长。

总结：

作者能发相对较高分数的文章，与其使用的数据库较多有关系，多个数据相互验证，更加说明自己结果的准确性。使用到的公开数据库包括:GEO数据，TCGA表达数据，TCGA甲基化数据，GEPIA database，以及FireBrowse and ONCOMINE数据库。分析流程总结如下：

参考文献：https://www.ncbi.nlm.nih.gov/pubmed/31041817

想借鉴上述文章，对GEO和TCGA数据库进行自主挖掘吗？扫码下方二维码开始学习吧（扫码下拉找到医学课程专区）！8月15日前所有医学课程可以享受最低6折优惠（领券优惠购买）！

扫码下拉找到医学课程专区

延申阅读