文章 - 第2页 - 生信人

文献解读（3）TIGS是一种有效的肿瘤内在生物标志物，可用于ICI应答预测

文章在泛癌中使用表达数据、临床数据以及结合免疫评估，差异表达，GSEA，生存分析等方法最终识别出了有效的生物学标志物，并对标志物的性能进行了测评，工作量很大。无论是研究预后还是免疫的小伙伴都可以借鉴文章的研究方法以及角度。

0
0
柚子
发布于 2019-12-12 18:26
阅读 ( 5156 )

文献解读（2）早期诊断的生物标记增加：DIS和PIS

通过对消化系统疾病肿瘤微环境的探索，识别出了在消化类癌症中更为有效和精确的诊断和预后标志物。他们的研究全面分析了免疫细胞在DSC诊断和预后中的作用，并且他们识别的DIS和PIS可以用作早期诊断的生物标记和用来预测DSC病人的生存。

0
0
柚子
发布于 2019-12-02 18:08
阅读 ( 3520 )

文献解读（1）What?这篇文章为预测预后和发现抗转移药物提供了帮助?

从单细胞测序数据入手，结合多种生物信息方法，筛选了基于scRNA-seq的标记基因，并在大量ccRCC样本中进行了验证。不仅描述了pRCC和mRCC的基因组特征和异质性，还发现了一些MAGs，为预测预后和发现抗转移药物提供了可能的帮助

0
0
柚子
发布于 2019-11-27 17:24
阅读 ( 3550 )

文章结果提供了MB干性的一个综合特征。基于mRNAsi的预后特征可能有助于SHH MB预后的个性化预测，并在临床实践中作为SHH MB预后潜在生物标志物。这篇文章的研究还提供了基于机器学习方法的策略，以系统地识别在MB干细胞和针对MB干细胞的药物方面分层的生物标志物。同时其对肿瘤浸润免疫细胞与MB干细胞之间相互作用的分析可能有助于预测针对MB干细胞的免疫治疗，并有助于确定哪些患者会对此类治疗产生反应。

0
0
柚子
发布于 2019-11-26 15:09
阅读 ( 5247 )

文献解析（8）这篇文章为研究癌症干细胞特性相关基因提供了一个很好的思路，一起来看看把！

（1）基于WGCNA方法总共识别了11个模块；（2）通过计算与mRNAsi的相关性，得到与mRNAsi负相关明显的3个模块；（3）进一步卡MM > 0.8和GS > 0.5，最终在上述3个模块中识别了13个关键基因，这13个关键基因在膀胱癌干细胞维持中起着重要的作用；（4）通过控制上游的AURKB和PLK1基因可能有助于膀胱癌的治疗，这些基因可能是作为抑制膀胱癌干细胞特征的治疗靶点。

1
0
柚子
发布于 2019-11-26 14:55
阅读 ( 5393 )

文献解析（7）胶质瘤MR预测IDH

利用这个神经网络模型，作者分别在训练集、验证集和测试集实现了82.8% (AUC = 0.90)、83.0% (AUC = 0.93)和85.7% (AUC = 0.94)的IDH预测精度。当诊断年龄纳入模型时，训练、验证和测试的准确率分别增加到87.3% (AUC = 0.93)、87.6% (AUC = 0.95)和89.1% (AUC = 0.95)。表明这种深度学习技术能够实现非侵入性的高效准确预测II-IV级胶质瘤的IDH基因型，有助于指导治疗决策。

0
0
柚子
发布于 2019-11-26 14:48
阅读 ( 3918 )

文献解析（6）What？放射可以用于头颈鳞癌患者的治疗？

研究的目的是基于放射学的非侵入性生物标记物来促进治疗相关分子亚型的转译，用于头颈鳞癌患者的治疗选择。

1
0
柚子
发布于 2019-11-26 14:40
阅读 ( 2642 )

文献解析（5）表观遗传时钟与共识分子亚型和结直肠癌总体生存率的关系

关于表观遗传年龄加速与癌症结局之间关系上，发现表观遗传年龄加速与CRC肿瘤分子特征相关，是CRC总生存期、年龄和肿瘤分期的重要预测因子，以及结合结肠组织的表观遗传年龄和肿瘤分子特征可以改善CRC的预后预测。

1
0
柚子
发布于 2019-11-26 14:29
阅读 ( 2833 )

文献解析（4）这篇研究确定了一个高效的DNA损伤修复相关风险信号作为预测低度胶质瘤预后的指标！

该signature可区分患者的预后，高风险得分患者生存时间短。时间依赖的ROC曲线、Cox回归和Nomogram模型显示生存signature具有独立的预后效果和较高的预后准确性。结合IDH突变状态，这种风险特征可以进一步细分生存期不同的患者。相关基因的功能分析揭示了与signature相关的基因参与细胞周期和DNA修复的生物学过程，同时这些机制已在患者样本中得到证实

0
0
柚子
发布于 2019-11-26 13:32
阅读 ( 3764 )

文献解析（1）如何构建关系网络来更好的揭示一些相关的生物学机制？

基因表达谱数据、拷贝数变异数据以及相应的临床数据最终构建了多发性骨髓瘤分子关系网络（M3CN）

1
0
柚子
发布于 2019-11-26 13:09
阅读 ( 2919 )

文献解析（3）是什么基因分类器竟能应用到头颈癌病人预后以及靶向治疗的药物反应评估中？

HNC：头颈癌（head and neck cancer） HPV：人类乳头状病毒（human papillomaviruses） TCGA：癌症基因组图谱（The Cancer Genome Atlas） FFPE：福尔马林固定，石蜡包埋（formalin-fixed, paraffin-embedded） IHC：免疫组化（immunohistochemistry）

1
0
柚子
发布于 2019-11-26 13:08
阅读 ( 3435 )

文献解析（2）影响EGC病人使用ICI反应的关键因子是什么？

这篇文章的主要目的是想去找出影响EGC病人使用ICI反应的关键因子免疫治疗就是通过重新启动并维持肿瘤-免疫循环，恢复机体正常的抗肿瘤免疫反应，从而控制与清除肿瘤的一种治疗方法。对于晚期的食管胃癌（EGC）的患者来说，仅有少数的病人能从...

1
0
柚子
发布于 2019-11-26 12:08
阅读 ( 2314 )

文献分享（9）m6A调控子在33种癌症类型中的分子特征和临床相关性

通过以上分析作者发现m6A调控子存在广泛的遗传改变，并且它们的表达水平与癌症标志相关通路的活性显著相关。此外，发现m6A调控子可能对预后分层有用，将IGF2BP3鉴定为跨多种癌症类型的潜在致癌基因。该文章的结果提供了宝贵的资源，将指导m6A调控子在癌症中的作用的机理和治疗分析。

0
0
柚子
发布于 2019-11-25 20:05
阅读 ( 3901 )

文献分享（8）RNA-Seq分析人肺腺癌和鳞状细胞癌中的环状RNA

在该研究中作者分析了NSCLC中的circRNA表达，包括LUAD和LUSC肿瘤及其相邻的正常组织，发现LUAD和LUSC组织不仅具有共同的差异表达模式，而且还具有不同的circRNA表达特征。此外，ROC分析表明hsa_circ_0077837和hsa_circ_0001821具有NSCLC患者的诊断潜力，而hsa_circ_0001073和hsa_circ_0001495可作为NSCLC病理亚型的生物标志物。

1
0
柚子
发布于 2019-11-25 19:53
阅读 ( 2953 )

文献分享（7）circRNA特征预测II / III期结肠癌术后复发

关于识别和验证基于circRNA的特征，该特征可以改善这些患者的术后预后分层的问题。

1
0
柚子
发布于 2019-11-25 19:47
阅读 ( 3101 )

文献分享（6）对表观遗传酶进行综合泛癌分析揭示了癌症中表观基因组失调的普遍模式

该研究表明存在超越癌症类型的表观基因组失调的普遍模式，并且全基因组DNA低甲基化和高甲基化的肿瘤内水平由不同的过程控制。

0
0
柚子
发布于 2019-11-25 19:34
阅读 ( 2708 )

文献分享（5）marker识别并分型

作者收集了TCGA数据以及其他的验证数据，对PTC的转录组数据进行了详细分析，使用非负矩阵分解，去卷积等方法，识别出了PTC中与免疫相关的基因signature，能够对PTC进行性分型，并对不同亚型进行了生存分析以及多层面刻画。概括来说这是一篇marker识别并分型的文章，其中无论是研究的方法还是流程以及角度都值得我们学习借鉴。

0
0
柚子
发布于 2019-11-25 19:26
阅读 ( 4701 )

文献分享（4）联合抑制PD-L2和TGF-β2可能会提高免疫治疗的效果？

缩写： PD-1：Programmed cell death protein 1（程序性细胞死亡蛋白1） PD-L2：Programmed death ligand-2（程序性死亡蛋白配体-2） PDAC：pancreatic ductal adenocarcinoma（胰腺导管腺癌） OS：overall survival（整体生存）

1
0
柚子
发布于 2019-11-25 19:12
阅读 ( 2882 )

文献分享（3）sEV相关基因表达特征(3-PPI-Mod)与肿瘤内缺氧状态显著相关???

这项研究结合生物学网络，以及生存分析，功能富集的生物学方法，开发了一种sEV相关基因表达特征(3-PPI-Mod)，并在独立数据集中进行了验证，其可以预测预后并指导肺ADC的ACT获益，并与肿瘤内缺氧状态显著相关。

0
0
柚子
发布于 2019-11-25 19:00
阅读 ( 3141 )

文献分享（2）患者的生存期和对精准免疫治疗反应的影响

NSCLC：非小细胞肺癌（non–small cell lung cancer） ICIs：免疫检查点抑制剂（Immune checkpoint inhibitors） IC：免疫细胞（immune cell） OS：总体生存（overall survival） PFS：无进展生存期（progression-free survival） TMB：肿瘤突变负荷（tumor mutation burden）