?? 祖拉布钓线:你的芯片數據結果跟已發表的完全不一致咋辦 - 祖拉的世界|上古卷轴阿祖拉被口爆

你的芯片數據結果跟已發表的完全不一致咋辦

image-20191031115932233

作者的解釋是,因為GBM異質性太高!

關于CD133

CD133是腫瘤干細胞(Cancer stem cells, CSCs)的一個marker,所以需要同步了解腫瘤干細胞起源,最初形成腫瘤不一定是CSCs,盡管腫瘤起始細胞(Cancer-initiating cells)與CSCs有時能夠互換。CSCs的存在最早是在40年前被提出來的,支持CSCs存在的最佳證據來源于對惡性血液性疾病的研究。

腫瘤干細胞分離

FACS(熒光激活細胞分選術)和MACS(磁珠細胞分?。┦欠盅SCs的主要技術。

FACS:通過細胞水平特殊蛋白表達、細胞培養、表觀遺傳學變化以及CD24、CD133、CD44等細胞水平標志物的表達方式來分離細胞。

MACS:干細胞分離標準方法,根據特殊干細胞標志物(如CD133)的表達分離細胞。

文章很簡單, 就是兩個分組的表達矩陣的差異分析,如下:

Here, we conducted transcriptomic profiling of sorted CD133+ and CD133? cells from human glioblastoma multiforme (GBM) and, by subtractive analysis, established a CD133 gene expression signature composed of 214 differentially expressed genes.

一個簡單的學徒作業

值得注意的是,原文作者使用的  FACS 流式技術使用anti-CD133抗體挑選了CD133陽性和陰性細胞去做對比,大家不妨試試看,在TCGA的GBM的RNA-seq矩陣里面對腫瘤表達矩陣,根據其CD133的表達量,挑選兩組樣本走差異分析看看,跟作者的214個差異基因對比一下?。ㄑ階饕擔?/p>

這樣的研究的臨床意義

值得一提的是,在不同癌癥比較CD133陽性和陰性細胞表達量差異在不同癌癥均有研究,而且還有pan-cancer的研究。

Although CD133 is not a universal marker for brain CSCs, transcriptomic profiling of cell populations based on the presence or absence of this single protein gave rise to a 214-transcript signature related to cancer patient stratification that provided fresh insight into tumorigenesis.

實際上呢,得到這樣的基因集,很難說到底對疾病的治療有什么實質性的幫助,另外說一句,以前的研究啊,只需要做一個芯片,看看表達量差異,注釋一下就ok了,比如數據集:GSE20459 :

image-20191031120749592

同樣的,你可以根據我的教程,走一下這個數據集GSE20459的分析,看看能不能得到文章的結果,需要細讀表達芯片的公共數據庫挖掘系列推文 ;

解讀GEO數據存放規律及下載,一文就夠

解讀SRA數據庫規律一文就夠

從GEO數據庫下載得到表達矩陣 一文就夠

GSEA分析一文就夠(單機版+R語言版)

根據分組信息做差異分析- 這個一文不夠的

差異分析得到的結果注釋一文就夠

然后看B站的GEO數據挖掘技巧,基本上該分享的都在B站和GitHub了,目錄如下:

第一講:GEO,表達芯片與R

第二講:從GEO下載數據得到表達量矩陣

第三講:對表達量矩陣用GSEA軟件做分析

第四講:根據分組信息做差異分析

第五講:對差異基因結果做GO/KEGG超幾何分布檢驗富集分析

第六講:指定基因分組boxplot指定基因list畫熱圖

第七講:根據差異基因list獲取string數據庫的PPI網絡數據

第八講:PPI網絡數據用R或者cytoscape畫網絡圖

第九講:網絡圖的子網絡獲取

第十講:hug genes如何找

免責聲明:本文僅代表文章作者的個人觀點,與本站無關。其原創性、真實性以及文中陳述文字和內容未經本站證實,對本文以及其中全部或者部分內容文字的真實性、完整性和原創性本站不作任何保證或承諾,請讀者僅作參考,并自行核實相關內容。

//www.bygkuu.com.cn/style/images/nopic.gif
我要收藏
贊一個
踩一下
分享到
?
分享
評論
祖拉的世界