GEO和TCGA数据挖掘生物信息文章解读（宫颈癌）

上次我们介绍了一篇GEO入门的文章，这次我们介绍一篇稍高分数的文章，来看一下生信挖掘文章如何发更高档次的杂志。这篇文章是利用GEO和TCGA数据挖掘宫颈癌预后相关的关键基因，2019年发表在Journal of Cellular Physiology 影响因子：4.52左右。

1.芯片数据差异基因及注释分析结果

作者在GEO数据库中找到宫颈癌相关的基因芯片数据：GSE63514，其中，包含28个宫颈癌样品和24个正常样本的基因芯片表达数据，通过差异分析共发现：1907个差异基因（944 up， 963 down）。作者利用火山图展示差异基因结果，其中差异最大的top200个基因绘制热图（如下图）。

2.差异基因蛋白互作网络分析PPI分析

将差异基因提交到STRING蛋白互作数据库，构建基因互作网络，利用cytoscape软件中的MCODE插件筛选出三个关键子网络。把这些子网络中的基因进行GO注释；

3.针对差异基因构建共表达网络

利用R语言中的WGCNA包，根据差异基因的表达量信息构建共表达网络，作者获得了4个共表达模块，其中蓝色模块与宫颈癌正相关，棕色模块与宫颈癌负相关（下图c），因此作者在这两个模块中挑选hub 基因用于后续分析。

4. 从hub基因中筛选预后相关基因

通过WGCNA共表达网络分析，作者共挑选出116个关键hub基因。然后，利用TCGA中宫颈癌表达数据以及临床数据，通过生存分析挖掘与预后相关的关键基因。具体方法是用Cox多因素回归分析筛选与疾病显著相关的基因，最终发现SCNN1B, ANLN, APOC1, CNTLN, and TEX30 五个基因具有显著的预后相关性，并构建预后风险模型：

过风险模型可将病人分成高风险和低风险两组，生存分析发现两组具有明显的差异（下图a）。然后针对模型的准确性进行评估，ROC曲线中AUC值达到0.719，说明这个预测模型在5年生存期内预后表现非常好。

5.甲基化数据筛选EPHX2和RMI2

作者再次对前面分析出的hub基因进行分析，利用GEPIA database 数据库筛选出与生存率相关的候选基因, 作者发现基因RMI2和EPHX2在患者中表达量越高患者生存时间会越长，进一步在TCGA数据中的甲基化芯片数据分析发现，这两个基因的表达量与甲基化的水平负相关，生存分析结果表明RMI2基因的高甲基化患者组与低甲基化组生存率生存期存在显著不同（下图cd），但是，EPHX2的甲基化水平与生存率不相关。