|
|
一、研究背景
表观遗传学是当今生信研究的一个热点领域，RNA的甲基化修饰也越来越火热。其中，m6A又是最受研究者所关注的。
m6A修饰是一个已经发生甲基化的核糖核苷酸。A表示该位点碱基是腺嘌呤（A），当腺嘌呤的第六位N处发生甲基化，就是m6A。
类似地，常见的RNA甲基化修饰也包括m1A、m5C和m7G，只是碱基和修饰位置不同而已。
不仅是一些顶级期刊，RNA的甲基化修饰相关研究也比较容易发到影响因子在3~10分之间的期刊，既可以积累材料发高分文章，一不小心发个CNS
也可以随便发一篇简单的SCI，可以说是各种上下游目的兼顾，无论是毕业、评职称还是申请课题，都是很好的的选择。
RNA的甲基化修饰既可以发纯生信文章，也可以补充实验干湿结合，也是一个非常不错的方向。
口说无凭，下面我们就去文献的海洋中去找一找，看一看！
来到我们熟悉的Pubmed，搜索关于m6A的文献。输入“((GEO) OR (TCGA)) AND (m6A)”，可以检索到572条结果，今年已发表234篇，相关文章数量近几年直线上升。m6A已经是很成熟的热门领域，但增长势头依然不减。
搜索关于m1A的文献。输入“((GEO) OR (TCGA)) AND (m1A)”，可以检索到24条结果，但今年就有12篇！m1A的受关注度可谓暴涨！心动的小伙伴可要抓紧哦！
搜索关于m5C的文献。输入“((GEO) OR (TCGA)) AND (m5C)”，可以检索到51条结果，今年就有28篇！m1A的受关注度也在快速增长！
搜索关于m7G的文献。输入“((GEO) OR (TCGA)) AND (m7G)”，可以检索到33条结果，但今年就有29篇！很早以前的2条记录也是侧重转录翻译过程调控机制等纯理论方面。
m7G几乎就是2022年突然冒出来的一个热点方向！
影响因子也稳定保证在3到10之间！
综上可见，RNA甲基化修饰是一个非常值得关注的发文领域，在数据和方法上就满足各种需求的小伙伴！
稳定而又持续增长的热点方向！（不会翻车！求稳！）
刚刚受到关注的“蓝海”领域！（趁着还不那么卷，赶紧投，赶紧发！求新！）
影响因子漂亮！稳定！有保障！
只要网络数据库，我们也可以追热点，发高影响因子文章！
是不是看着很心动？只是不知道自己能不能做。
RNA 的新陈代谢、基因表达的调节以及癌症等人类疾病的发展都需要 RNA 修饰。最近的研究表明，各种 RNA 修饰在癌症中起关键作用。
RNA的修饰受到一些调节因子的作用，当这些调节因子表达发生变化时，RNA的修饰也就发生了变化，对人的身体健康状况也就产生了影响。
我们要做的，就是找出哪些因子的表达发生了变化，造成了怎样的影响。
总而言之，还是老套路：筛表现分子。
先找文献，在前面已经提过，在Pubmed中搜索诸如((GEO) OR (TCGA)) AND (m6A)，在搜索到的文献中查看材料方法部分，那里大多会有表型分子清单。
我们选择我们需要的，到时候再引用该文献就可以了。
这些调节因子通常分为三类：
甲基化转移酶（Writers）：催化RNA发生m6A甲基化修饰
去甲基化酶（Erasers）：介导m6A去甲基化修饰
甲基化阅读蛋白（Readers）：识别甲基化修饰信息，参与下游RNA的翻译、降解。
接下来，我们就从以下几篇文献来看看RNA甲基化修饰有多简单！
RNA甲基化名目虽多，但套路大同小异。这里考虑代表性，选两篇（加粗的）文献举例说明。
Chen Z, Zhang Z, Ding W, Zhang J-h, Tan Z-l, Mei Y-r, He W and Wang X-j (2022) Expression and Potential Biomarkers of Regulators for M7G RNA Modification in Gliomas. Front. Neurol. 13:886246.（m7G, IF=4.086)
Xu Z, Chen S, Zhang Y, Liu R, Chen M. Roles of m5C RNA Modification Patterns in Biochemical Recurrence and Tumor Microenvironment Characterization of Prostate Adenocarcinoma. Front Immunol.2022 May 4;13:869759. （m5C, IF=8.786)
Zhao M, Shen S, Xue C. A Novel m1A-Score Model Correlated With the Immune Microenvironment Predicts Prognosis in Hepatocellular Carcinoma. Front Immunol. 2022 Mar 24;13:805967. （m1A, IF=8.786)
Li Q, Ren CC, Chen YN, Yang L, Zhang F, Wang BJ, Zhu YH, Li FY, Yang J, Zhang ZA. A Risk Score Model Incorporating Three m6A RNA Methylation Regulators and a Related Network of miRNAs-m6A Regulators-m6A Target Genes to Predict the Prognosis of Patients With Ovarian Cancer. Front Cell Dev Biol. 2021 Sep 23;9:703969.（m6A, IF=6.081）
二、套路分析
无论怎样的分析，我们都可以归纳到“挑圈联靠”的套路里。
“挑”就是做差异基因分析，挑选出具有差异表达的基因，
证明自己研究立足的基础，用做后续分析
这些都是在之前的文献中已经搜集好的。
以（Li Q et al.，2021）为例，
由于是研究疾病，研究者通常会做疾病组织与正常组织的差异表达分析（A），
这样的数据很好获取，如图（A)所示，差异显著基因用红色标注
我们可以从GDC数据库获取患者临床，从来自GTEx数据库获取组织的RNA-seq转录组数据，就可以筛选差异基因。
或者直接比较癌和癌旁（Chen Z et al.，2022）
接下来就可以针对患者样本的不同分组，进一步筛选决定不同因素的基因。例如在（Li Q et al.，2021）中，研究对象是卵巢癌，所以这个分组是癌症的早晚期，也就是发展阶段（B），差异显著基因用红色标注。这里是箱线图。
我们也可以同时绘制不同组织间的热图（A)、相关性分析（B）和箱线图（C），让研究结果更丰富（Chen Z et al.，2022）
接下来的重头戏包括“靠”，也就是研究的现实意义——临床应用。
研究者会对有差异表达的基因进行LASSO Cox回归算法，筛选出基因为变量获得风险评分模型。
做KM生存曲线分析（ABCDF)，评估生存率。
对OC患者进行了单变量和多变量分析，评估临床病理特征是否是患者预后的独立因素。
总之，证明这些基因具有预后意义，可以作为生物标志物。
最后会基于这些选定的标志分子，仍以（Li Q et al.，2021）为例，
在数据库中选择与表型分子相关的靶基因（A），做GO和KEGG功能富集分析（B、C)，也就是“圈”
最后“联”
构建miRNAs-m6A调控基因-m6A靶基因调控网络（D-F），将20多个调控因子分为不同的作用途径。
RNA的甲基化修饰看似复杂，最终还是逃脱不了这样的研究目的和研究思路，一切被归纳到“挑圈联靠”之中。
虽然经常上顶级期刊，发文通常分数也很高，但分析内容都是很常规的，很简单的。
小伙伴们有没有很心动呢？
这样的成功很好复制！
我们为大家精心准备了彩蛋环节！
在我们挑圈联靠，就可以提供这些生信分析服务，而且远不止示例所举的这些最常规的分析项目！
想进一步走上发高分，通过人生巅峰的小伙伴欢迎添加我们销售的微信进一步了解！
作者：三叶虫
本文首发于“ 解螺旋”微信公众号
转载请注明：解螺旋·临床医生科研成长平台
 |
|
发表于 2022-10-3 10:36:28