**原文公众号：一起试验网
对下述分析方法感兴趣或者没有钻研思路的小伙伴，欢送踊跃探讨！**
明天小编分享一篇2022年9月发表在Front Endocrinol (Lausanne)的文章(IF :6.055)，题目为“Identification of hub genes for early detection of bone metastasis in breast cancer”。
一、背景&办法
背景：
在寰球范畴内，在所有妇女中，最常被发现和诊断的、最致命的癌症类型是乳腺癌(BC)。特地是，骨是乳腺癌患者中最常见的远处转移之一，大概80%的早期患者会产生骨转移。因而，咱们须要辨认和验证可能辨别转移性乳腺癌和非转移性乳腺癌的晚期检测标志物。
办法：
1、GSE55715、GSE103357和GSE146661基因表白谱数据从GEO数据库下载
2、GEO2R用于筛选差别表白基因(DEGs)。
3、火山图、维恩图和热图是通过应用ggplot2包生成的。
4、利用R包clusterProfiler对DEGs进行KEGG和GO富集剖析。
5、利用STRING数据库构建PPI网络，利用cytoHubba软件辨认hub基因。
生成K-M生存曲线和ROC曲线，验证hub基因的表白。
二、后果
1、BC中DEGs的鉴定
GSE103357、GSE146661和GSE55715中DEGs的鉴定(图1)。(A)显示GSE103357中所有表白基因的火山图。(B) GSE103357中前10个上调或下调的DEG的相关性剖析热图。(C)显示GSE146661中所有表白基因的火山图。(D) GSE146661中前10个上调或下调的DEG之间的相关性剖析热图。(E)显示GSE55715中所有表白基因的火山图。(F) GSE55715中前10个上调或下调的DEG的相关性剖析热图。(G, H)上调和下调的DEG的维恩图。(I) 143个重叠DEG的环形热图。
2、DEGs的KEGG和GO富集剖析
DEGs的KEGG和GO富集剖析(图2)。(A)前12个GO术语的z得分后果，包含前4个bp、cc和mf。(B) DEGs和前15个GO富集后果。(C, D) KEGG富集剖析。
**
3、PPI网络构建及hub基因剖析**
PPI网络构建及hub基因剖析(图3)。(A)从56个节点和178条边的PPI网络中取得最显著的模块。(B)模块1蕴含7个上调基因节点和16个边，MCODE评分=5.33。(C)模块2蕴含9个基因节点和28个边，MCODE评分=7。(D)利用cytoHubba插件从PPI网络中抉择hub基因。
4、BC患者的Hub基因表白
失常样品和肿瘤样品中各种基因的表白(图4)。
5、hub基因的生存剖析
10个hub基因的无停顿距离(PFI)曲线。BC患者各基因高、低表白的无停顿距离(PFI)曲线(图5)。
10个hub基因的ROC曲线(图6)。
代表性组织学图像来自人类蛋白质图谱数据库(THPA, https://www.proteinatlas.org/)（图7）。
发表回复