嫌色细胞癌属于肾细胞癌的一种，约占4-5%。利用公共数据库数据筛选此类癌症的相关biomarker进行有效的临床诊断和预后也是公共数据分析的一个方向。这里就给大家介绍一篇文献：利用WGCNA鉴定嫌色细胞癌biomarker。

数据来源
从TCGA数据库下载嫌色细胞癌样品相关数据，共获取66/25个相关样品的表达谱数据，同时得到临床性状。同时利用GEO数据库下载数据（GSE15641）后期筛选和验证分析。

数据分析

1.数据处理与差异分析

从TCGA数据库获取的表达谱数据，利用R包“DEseq2”进行差异表达分析，进而筛选差异基因。最终以adj.P.value<0.05  & |log2FC| ≥0.585，获取了2215个差异基因（1748 up-regulated / 384 down-reguated）。GSE15641数据利用GEO2R进行差异分析，基于P.value<0.05 & |log2FC|>1 筛选到1794 个差异基因（884 up-regulated / 910 down-reguated），该部分筛选结果用于biomarker的相关验证。

2.加权基因共表达网络分析

TCGA数据筛选出的2215个差异基因参与WGCNA分析，power值选定5（R2>0.85），最终获得8个有效模块（加上grey为9，见下图A）,结合临床性状分析结果表明Brown模块与pathologic_stage、survival_status等相关性更明显（见下图B）。

其中Brown模块内GS与MM分析结果显示，该模块内的基因与pathologic_stage显著相关（见下图），并基于MM高于0.8,GS高于0.2 筛选出了39个基因进行后期分析。

3.重要模块基因功能富集

针对Brown模块内的基因功能进行富集，从而判断这些差异基因在嫌色细胞癌中所起到的主要作用，GO富集结果显示，有丝分裂细胞周期转换、有丝分裂纺锤体组装、有丝分裂纺锤体组织，细胞周期的调节过程等相关功能显著富集；KEGG富集结果表明，细胞周期、卵母细胞减数分裂、孕酮介导的卵母细胞成熟等途径显著富集（见下图）。

4.蛋白互作分析

为探索基因之间的蛋白互作关系，利用string数据库进行分析，最终基于brown模块所有基因获取了一个蛋白质互作网络，并借助Cytoscape软件中的MCODE软件，以k-core=2等阈值，筛选出其中关系最紧密的子网络，涉及了32个基因（下图），其中和基于模块和性状分析筛选的39个基因的重合有29个，该部分29个基因作为候选基因进一步验证。

5.筛选与验证

29个候选基因，结合GSE15641筛选到的差异基因，属于共有的基因有4个，其中变化趋势一致的有三个：SKA1、ERCC6L、GTSE1，此三基因在癌症样本和正常样本表达和统计分析情况见下图（A:TCGA，B: GSE15641）。

此外，进一步于GEPIA网站进行KM生存分析，最终结果显示SKA1、ERCC6L和总体生存时间更显著相关（见下图）。

结论

作者利用TCGA和GEO数据库中两项数据进行了嫌色细胞癌biomarker基因的挖掘分析，并且利用了多个在线网站工具进行了功能和互作网络方面的验证，最终结合前人的研究和自己的验证分析发现了两个基因SKA1、ERCC6L对于嫌色细胞癌的临床预后可能具备重要作用。

参考文献：Yin, X. , Wang, J. , & Zhang, J. . (2018). Identification of biomarkers of chromophobe renal cell carcinoma by weighted gene co-expression network analysis. Cancer Cell International,18(1).

相关课程：

TCGA-基因差异表达分析、 TCGA-生存分析 、 GEO芯片数据挖掘、GEO芯片数据标准化、WGCNA-加权基因共表达网络分析

更多生物信息课程：

1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接：基因家族分析实操课程、基因家族文献思路解读

2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接：转录组（有参）结果解读；转录组（无参）结果解读

3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接：WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘？学习链接：转录组标准分析后的数据挖掘、转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课：linux系统使用、perl入门到精通、perl语言高级、R语言入门、R语言画图

7. 医学相关数据挖掘课程，不用做实验也能发文章：TCGA-差异基因分析、GEO芯片数据挖掘、GEO芯片数据标准化、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析

8.其他，二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读