原創 eryun 雲生信學生物信息學

原創不易/ 請關注和轉發支持我們

想分析外泌體攜帶基因與腫瘤轉移、生存預後的關系，隻能先做外泌體測序再分析嗎？

一般是這樣滴，但小雲這裡有絕招，做公共數據挖掘 生信分析也能搞定外泌體攜帶基因與腫瘤轉移、生存預後分析，想知道怎麼做就繼續往下看吧。

這個思路來源于1篇8 的文章。簡單來說，就是将ExoCarta 數據庫中下載的腫瘤外泌體中的mRNA和蛋白與TCGA、GEO數據庫分析出來的差異基因取交集，就得到了外泌體相關的 DEGs，篩選出生存預後相關目标基因後進行一波常規單基因分析，再加上目标基因的表達和功能驗證實驗，這一頓操作下來沒有什麼高難度分析和實驗，輕輕松松8 文章就到手了，這可比吭哧吭哧一直做實驗高效多了，省錢還風險低，是不是很哇塞!

還有更多生信發文思路，坐等來撩！想複現或定制熱點生信思路也歡迎來找小雲，為您提供最優思路！

發表時間：2022年7月

發表雜志：Journal of translational medicine

影響因子：8.44

文章題目：膀胱癌衍生的外泌體 KRT6B 通過誘導 EMT 和調節免疫微環境促進侵襲和轉移

私信獲取原文

研究背景

瘤衍生的外泌體參與不同癌症過程的形成和進展，包括腫瘤微環境重塑、血管生成、侵襲、轉移和耐藥性。然而，外泌體包裹的核酸和蛋白質在膀胱癌（BLCA）中的作用和機制仍不清楚。

數據來源

主要結果

1. BLCA 中外泌體 DEG 的鑒定

篩選 TCGA 數據集中BLCA 樣本和正常樣本的差異表達基因 (DEG)。将 DEGs 與從 ExoCarta 數據庫收集的 BLCA 衍生的外泌體中的基因取交集，獲得了52 個外泌體相關的 DEGs。

圖1 BLCA中52個外泌體包裹基因的差異表達

2. BLCA中top外泌體差異基因的生存分析

通過GEPIA探讨了前10個上調和前10個下調外泌體差異基因對BLCA總體存活率的影響。結果顯示，除 KRT6B 外，其他 9 個上調的 DEG 與 BLCA 患者的生存率無統計學正相關，KRT6B 的高表達與較短的總生存期 (OS) 相關，并預測預後不良。

圖2 識别差異細胞亞群

3. KRT6B 在 BLCA 中的生物學作用（單基因生信分析）

KRT6B表達分析

通過TIMER2.0網站分析了KRT6B在泛癌和匹配正常組織中的差異表達，并在TCGA 和 GEO 數據集 ( GSE166716 ) 驗證了 BLCA 中 KRT6B 的表達高于匹配的正常組織中的表達。最後在HPA 數據庫中檢索到的免疫組織化學 (IHC) 染色數據集中驗證KRT6B的表達。

圖3 KRT6B 基因的表達分析

KRT6B 表達與 BLCA 臨床特征之間的關系

根據 KRT6B 的表達水平，我們将來自 TCGA 的臨床數據分為高表達組和低表達組，進行了單變量 Cox 回歸分析和多變量 Cox 回歸分析。結果表明，KRT6B 的表達、年齡和分期是 BLCA 的獨立預後危險因素，GSE13507數據集結果與TCGA一緻。

圖4 KRT6B 表達與基于 TCGA 的 BLCA 臨床病理學特征相關

KRT6B 的通路富集分析

基于 TCGA 數據庫中 BLCA 樣本的高 KRT6B 表達組和低 KRT6B 表達組進行了 GSEA，結果顯示EMT相關通路的激活與KRT6B的表達呈正相關。又通過TIMER2.0網站探讨了KRT6B與EMT生物标志物和免疫反應基因的相關性，結果證明，KRT6B 參與了 BLCA 的 EMT 過程和免疫調節。

圖5 KRT6B 表達與 BLCA 中的 EMT 和免疫特征相關

KRT6B 在 BLCA 腫瘤微環境中的潛在作用

利用 EMTome 數據庫和 CIBERSORT 算法從 TCGA 數據中展示了 BLCA 中免疫細胞浸潤的情況。根據 KRT6B 的表達，我們将樣本分為兩組，并研究了它們之間免疫細胞的不同分布，并且進一步研究了 KRT6B 與免疫檢查點基因（如 PD-L1）之間的相關性。

圖6 KRT6B 調節 BLCA 中免疫細胞的浸潤和分布

靶向KRT6B 的藥敏性分析

使用CellMiner數據庫評估KRT6B對藥物敏感性的影響，藥物敏感性通過z分數來衡量，分數越高表明細胞對藥物治療更敏感。

圖7 KRT6B 表達與藥物敏感性之間的相關性

4. KRT6B 的表達和功能驗證實驗

對 48 對 BLCA 組織樣本和匹配的正常組織樣本進行 qRT-PCR 和 WB以驗證KRT6B 在 BLCA 臨床樣本中的表達，并評估KRT6B 的表達與 BLCA 臨床病理特征之間的關系。在BLCA細胞中幹擾KRT6B的表達，檢測KRT6B對BLCA細胞的遷移和侵襲的作用。

圖8 KRT6B促進BLCA細胞遷移和侵襲

文章小結

看完這篇文章有沒有感受到滿滿的驚喜，明明就是一些常規生信分析手段，也沒有用到單細胞等數據，就能發到8 了。隻要你能從ExoCarta和TCGA/GEO數據庫中找到你關注的疾病數據，那就可以用這個很哇塞的套路（ps：不會找數據也沒關系，找小雲呀，提供疾病方向即可）套路好不好用，你來試試就知道，小雲等你來複現喲

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!