尔云间 一个专门做科研的团队
关注我们
基底膜是什么？
与疾病什么联系？
肿瘤和非肿瘤疾病都能分析？
1. 基底膜（basement membrane，BM）是什么？
BMs是细胞外基质(ECM)的致密层，在各种组织的形成和正常功能中起着关键作用，由多种序列保守的蛋白质组成。两种主要成分包括用于细胞相互作用的层粘连蛋白和形成主要膜结构的IV型胶原。其余成分包括不同类型的分子，如蛋白多糖、生长因子和凝乳因子。
2. BM与疾病的联系？
BM将上皮细胞、内皮细胞、神经和脂肪与底层组织分离，并向表层细胞提供丰富的物理和生化信号，因此对组织结构的完整性、细胞信号传递和屏障功能至关新的。BM化学或物理特性的异常可诱发包括病症在内的多种疾病。
（也就是肿瘤和非肿瘤都可以分析哦，想知道你关注的疾病能否分析，快来咨询小云吧！）
比如BM形成了一种物理屏障，阻止病细胞侵入邻近间质组织，其调控异常参与肿瘤的转移。BM重构或丢失是ECM微环境的组成部分，影响肿瘤微环境。
接下来，又到了小云举例子的时间了~今天给大家分享一篇肿瘤中分析基底膜基因的生信小哥！
题目：一种新的与肺腺病预后相关的基底膜基因标记
杂志：Computers in biology and medicine
影响因子：6.698
发表时间：2023年3月
数据信息
研究思路
基于TCGA和GEO数据集进行分析，无监督一致性聚类分析根据222个BM相关基因的表达将LUAD患者分为两组。鉴定两个聚类之间的差异表达基因(DEGs)，并进行Lasso回归、ROC曲线、单变量和多变量Cox回归分析及富集分析。此外，应用ssGSEA、cybersort和ESTIMATE算法了解肿瘤微环境(TME)与风险评分之间的联系。并进行单细胞聚类和轨迹分析，进一步了解BM相关基因的意义。最后进行验证关键基因的表达。
主要结果
1. 基底膜（BM）相关聚类分析
根据222个BM相关基因的表达，对TCGA队列中的500个肿瘤样本进行一致的聚类分析，将患者分成cluster A和B两个组。ssGSEA显示18种免疫细胞亚型(如活化的CD4+/CD8+T细胞、活化的B细胞、自然杀伤细胞和巨噬细胞)在A组中高表达(图1D)。然后进行KEGG分析，以确定两个聚类之间的功能差异。
图1. 根据BM相关基因的表达将患者分为两组
（ps：聚类分析也可以用小云新开发的零代码生信分析小工具实现，云生信分析工具平台包含超多零代码分析和绘图小工具，上传数据一键出图，感兴趣的小伙伴欢迎来尝试哟，网址：
）。
2. BM相关基因的鉴定
将63个BM相关基因与从聚类中选择的DEGs进行交叉，以鉴定预后BM相关的DEGs，Venn图显示它们之间有31个BM相关基因(图2A)。图2B显示了31个基因之间的联系。单变量Cox回归分析这些基因与预后的联系。
图2. 鉴定出31个预后BM相关基因
3. 预后模型的构建
Lasso回归筛选出17个基因构建BMscore风险模型(图3A)，绘制预后KM曲线，高危组预后较低危组差。ROC曲线显示BMscore是LUAD较好的预后指标。GO和KEGG分析提示BM相关危险基因参与代谢、ECM受体相互作用和免疫应答。多因素回归分析显示，原发肿瘤大小越大，BMscore越高，预后越差。
图3. 建立包含17个BM相关的新型预后模型
4. 17个BM相关危险基因的基因突变分析
风险评分与TMB呈正相关(图4B)，高危组TMB高于低危组(图4C)。CNV突变频率结果显示，在BM相关的DEGs中，CNV的改变较为普遍 (图4D)。BM相关的DEGs在染色体上的分布及其突变如图4E所示。
图4. BM相关危险基因的突变分析
5. 免疫浸润分析
应用CIBERSORT、ssGSEA和ESTIMATE分析免疫功能的差异。低危组免疫细胞比例更高，高危组免疫细胞功能较低。高危组的免疫、基质和ESTIMATE评分低于低危组，肿瘤纯度高于低危组。
图5. 两组免疫特征的比较
6. 免疫治疗青春性评价
根据TCGA中所有实体瘤的基因表达谱，定义了6种免疫亚型，包括:伤口愈合(immune C1)、IFN-γ显性(immune C2)、炎症(immune C3)、淋巴细胞耗尽(immune C4)、免疫静息(immune C5)和TGF-β显性(immune C6)。比较两组间免疫亚型比例的差异(图6A)。低BMscore组免疫治疗效果更好(图6B)。此外，还评估了两组间免疫逃逸的差异。
图6. 两组间免疫治疗青春性的比较
7. 单细胞数据分析
用Seurat对单细胞数据进行降维聚类，用SingleR对细胞类型进行标注，计算17个BM相关风险基因的表达，其中NELL2是T细胞聚类中主要表达的基因。
随着T细胞分化，NELL2的相对表达增加。
图8. 单细胞数据分析
8. BMscore模型的验证
基于文献报道的几种预测LUAD患者预后的模型，如免疫预后模型、基于免疫和TMB的预后模型以及铁伤亡相关基因标记。作者使用相同的患者队列计算AUC值。所有模型均能够准确预测LUAD患者的预后。
在临床队列中采用免疫组化对BMscore模型进行进一步验证。根据BMscore中位数将42例LUAD患者分为高危组和低危组，绘制Kaplan-Meier曲线评估两组患者的5年生存率。BMscore越高，预后越差。
图9. BMscore模型的验证
总结
这篇小哥的亮点就是基于基底膜相关基因进行分析，疾病分析+风险评分思路，并利用单细胞数据分析关键基因的定位，最后添加了简单的验证。直接搞定6分+生信小哥，性价比很高。
目前基底膜相关基因进行分析的小哥还很有限，如果你也对基底膜方向感兴趣，快来找小云吧！超多个性化、创新性高的分析思路供你选择！
两
月接收！8分+非肿瘤中性粒细胞胞外诱捕网(NETs)生信思路重磅来袭
！疾病分型+机器学习算法+风险评分！基因集已备好，就等你来复现~
如何从Nature小哥思考并形成我们自己的生信分析思路？这套独家秘笈轻易不外传！
你不得不看的双热点分析思路！氧化应激+铁伤亡强强联合，风险评分还可区分冷/热肿瘤
，这样的8分+生信小哥你想要吗？
湿实验怎么加才能助力肿瘤微环境课题设计？8分+肿瘤浸润淋巴细胞lncRNA的干湿结合思路
~生信分析内容简单却又有内涵!
不用做实验的8分+TNF基因家族纯生信思路
！两次聚类+风险评分“老药新用”的玩法！
基因集已备好，就等你来复现~
最新9分+“铜伤亡”生信思路强势升级！傍上“RNA甲基化”分析双热点的预后模型
，带你轻松冲高分！屡试不爽~
