各位小伙伴大家好，本期给大家复现分享的是一篇2021年6月发表在新晋Nature旗下子刊NPJ Precision Oncology上的零代码单基因泛癌联合免疫分析的生信文章~
文章题目
期刊介绍
NPJ Precision Oncology创刊于2017年，目前由Springer Nature发行，官网主页为https://www.nature.com/npjprecisiononcology/
在2020年12月最新基础版中，大类为医学1区，小类为肿瘤学2区，TOP期刊，非综述期刊；在升级版中，大类为医学2区，小类为肿瘤学2区，非TOP期刊，非综述期刊，最新影响因子8.254
该期刊涵盖了精准肿瘤学的从基础科学到临床医学的转化应用相关研究，是一本国人及生信相对友好的肿瘤学期刊。
唯一的缺点可能就是审稿偏慢，官网显示5个月-1年左右，按照Nature的办刊宗旨以及本期刊的高起点未来破10也是很可能的，所以对于审稿周期不介意的小伙伴现在进行投资也是一个不错的选择。
文章背景
组蛋白甲基转移酶SETD2是人类唯一负责组蛋白H3在赖氨酸36 (H3K36me3)三甲基化的基因，它通过几种不同的途径在维持基因组完整性和稳定性方面发挥着关键作用
研究者推测SETD2的突变导致了肿瘤突变特异性新抗原在细胞表面的富集，免疫系统将在ICIs的帮助下识别和攻击这些细胞
因此，作者依据 cBioPortal和 TISIDB公开数据对SETD2突变特征及其与免疫治疗效果的关系进行了综合分析。
文章思路
在本项研究中，作者首先通过cBioPortal数据库检查了TCGA泛癌症队列中SETD2体细胞突变的患病率
然后分析了SETD2在体细胞突变的亚型及分布、3D蛋白结构上的变异位点、SETD2非突变型癌和不同亚型SETD2突变型癌中的肿瘤突变负荷/MSIsenser评分/MSI MANTI评分以及生存预后
然后作者利用TISIDB数据库研究了KIRC、COAD、LUAD、BLCA和UCEC中SETD2突变与各种免疫标记的相关性，包括28个肿瘤浸润淋巴细胞，24个免疫抑制剂，45个免疫刺激因子，21个主要组织相容性复合体分子，40个趋化因子，以及18趋化因子受体。
最后，作者在ClinicalTrials.gov以及PubMed数据库中检索了所有肿瘤类型的免疫检查点封锁临床试验，整理并汇总已发表的相关文献。
· SETD2突变及预后分析
Figure 1：CGA泛癌队列中SETD2突变的特征
· SETD2突变与免疫的分析
Figure 2：癌症中的SETD2突变和免疫特征
· 既往文献综述
Figure 3：SETD2突变及其免疫治疗的疗效
Table 1：纳入免疫治疗分析的8项合格研究的基线特征
Table 2：POPLAR 和 OAK试验中纳入的患者的临床病理特征
文章复现
使用工具
cBioPortal 数据库
http://www.cbioportal.org/
TISIDB数据库
http://cis.hku.hk/TISIDB/index.php
复现步骤
（1）进入cBioPortal (http://www.cbioportal.org/)数据库，点击Quick select右侧的TCGA PanCancer Atlas Studies即可选择cBioPortal中TCGA的泛癌研究，点击Query By Gene
Select Molecular Profiles勾选Mutations，Enter Genes输入SETD2，点击Submit Query
进入Cancer Type Summary界面，选择Cancer type，调整相关参数，点击图片右上角下载按钮即可得到泛癌中SETD2的突变图片
点击导航栏Mutations，点击图片右上角下载按钮即可得到SETD2在体细胞突变的亚型及分布图片，点击右侧View 3D Stucture即可得到SETD2的3D蛋白结构
点击导航栏Plots
横坐标Data Type输入Mutation，Group Mutation by输入Mutation Type，Gene输入SETD2，Filter categories输入突变亚型Missense、No mutation、Truncating、Multiple
纵坐标Data Type输入Clinical Attribute，Clinical Attribute输入TMB，点击右侧图片下载按钮，即可下载SETD2非突变型癌和不同亚型SETD2突变型癌中的肿瘤突变负荷的箱式图
这里也可以下载Data数据通过仙桃学术/Prism/SPSS进行统计分析/绘图
以仙桃学术为例，进入仙桃学术生信工具→左侧工具栏中选择基础绘图→分组比较图，上传下载并整理后的数据，调整相关参数，点击确认即可得到SETD2非突变型癌和不同亚型SETD2突变型癌中的肿瘤突变负荷的箱式图
重复上述步骤，导航栏Plots
横坐标Data Type输入Mutation，Group Mutation by输入Mutation Type，Gene输入SETD2，Filter categories输入突变亚型Missense、No mutation、Truncating、Multiple
纵坐标Data Type输入Clinical Attribute，Clinical Attribute输入MSIsenser评分/MSI MANTI评分（这里后续大家也可根据自己感兴趣的选择其它），点击右侧图片下载按钮
即可下载SETD2非突变型癌和不同亚型SETD2突变型癌中的肿瘤突变负荷/MSIsenser评分/MSI MANTI评分的箱式图，同样操作也可下载Data数据通过仙桃学术/Prism/SPSS进行统计分析/绘图
点击导航栏Comparison/Survival，选择Genomic Alterations，点击最右侧Select genes，输入基因MSH6、MSH2、MLH1和PMS2，点击图片下载按钮，即可下载MSH2、MSH6、MLH1和PMS2在SETD2突变型和非突变型癌症中的突变箱式图
点击导航栏Comparison/Survival，选择Survival，即可看到不同预后类型包括DFS、OS、PFS和DSS与SETD2突变型的生存分析结果，分别选择DFS、OS、PFS和DSS，点击右侧图片下载按钮
即可下载SETD2突变型与不同预后类型的生存曲线图片，这里后期可通过AI添加相关生存预后分析的P值
PS：这里给大家整理小结一下最新版本 cBioPortal 数据库
cBioPortal 数据库整合整合了来自TCGA，CCLE以及几个独立的大型肿瘤研究项目的数据，存储了肿瘤的多种组学数据，包括体细胞突变（somatic mutations）、DNA拷贝数变异（DNA copy-number alterations，CNAs）、mRNA/miRNA表达数据（mRNA/miRNA expression）、DNA甲基化（DNA methylation）、蛋白丰度（protein abundance）、磷酸化蛋白丰度（phosphoprotein abundance），可进行查询、分析及可视化相关结果。
其中数据分析包括以下七个板块：
OncoPrint（以热图的形式显示目的基因在所有样本中的突变、拷贝数、表达情况等）
Cancer Types Summary（以柱状图的形式显示目的基因在泛癌中的突变率）
Plots（以散点箱式图的形式可视化多组学数据在不同类型样本的分布情况）
Mutatins（以结构图的形式展示目的基因在样本中的详细突变信息，包括位点、类型、氨基酸的变化等，同时也可查看其3D结构图）
Comparison/Survival（多组学数据在不同类型样本的分布比较以生存曲线的形式比较目的基因突变与否的生存预后情况）
CN Segments（以结构图的形式展示CNAs在染色体上的分布情况）
Pathways（基因相关的信号通路图）以及进入Download可下载各种格式数据。
Figure 2：癌症中的SETD2突变和免疫特征
（1）进入TISIDB数据库（http://cis.hku.hk/TISIDB/index.php），输入基因SETD2，点击Submit
（2）弹出的界面，点击SETD2，即可链接到如下界面，导航栏选择Lymphocyte，Relations between选择Mutation，即可得到泛癌中肿瘤浸润性淋巴细胞(TILs)丰度与SETD2突变关系的热图。
（3）接着，导航栏选择Immunostimulator，Relations between选择Mutation，即可得依次得到三种免疫调节剂（Immunoinhibitor、Immunostimulator、MHC molecule）与SETD2突变关系的热图
（4）随后，导航栏选择 Chemokine，Relations between选择Mutation，即可得依次得到趋化因子及其受体与SETD2突变关系的热图
（5）以上图片下载保存后，通过AI/PS调整组合即可得到文中泛癌中SETD2突变和免疫特征的Figure 2
PS：这里给大家整理小结一下TISIDB数据库
TISIDB是一个肿瘤与免疫系统相互作用的网站，其分析结果包括了10个板块，Function（基因功能注释）、Literature（目的基因与抗肿瘤免疫之间关系的相关文献，可链接到HGNC, NCBI, Ensembl, Uniprot, GeneCards五大数据库）、Screening（高通量筛选数据集）、Immunotherapy（免疫应答与非应答之间基因的表达/突变差异）、Lymphocyte（28种肿瘤浸润性淋巴细胞(TILs)丰度与目的基因表达/拷贝数/甲基化/突变的关系）、Immunomodulator（三种免疫调节剂，包括免疫增强剂、免疫抑制剂、MHC分子与目的基因的表达/拷贝数/甲基化/突变的关系）、Chemokine（趋化因子或其受体与目的基因的表达/拷贝数/甲基化/突变的关系）、Subtype（目的基因在免疫亚型/分子亚型中的表达分布）、Cllinical（目的基因与临床特征之间的关系）、Drug（从DrugBank数据库中收集的针对目的基因的药物）
其中，最为常用的就是Lymphocyte、Immunomodulator、Chemokine
既往文献研究
接下来，作者在ClinicalTrials.gov以及PubMed数据库中检索了所有肿瘤类型的免疫检查点封锁临床试验，整理并汇总已发表的相关文献。
PS：ClinicalTrials.gov是美国国立医学图书馆(NML)与美国食品与药物管理局(FDA)1997年开发,2002年2月正式运行的临床试验资料库，也是目前国际上最重要的临床试验注册机构之一，被誉为公开化、国际化临床试验注册的典范
这里可以根据设定的检索标准对ClinicalTrials.gov以及PubMed数据库进行检索，按照设定的条目信息提取相关信息即可
最终整理即可得到文中的Table 1 纳入免疫治疗分析的8项合格研究的基线特征/Table 2 POPLAR 和 OAK试验中纳入的患者的临床病理特征/Figure 3 SETD2突变与免疫治疗的疗效
（PS：这部分检索策略的制定以及数据的提取上可参考系统评价的PICOS原则进行）
好啦，以上就是本篇文章复现的所有内容，看完本次的分享，小伙伴们有没有一种豁然开朗的感觉，当没有湿实验数据或者样本缺乏的情况下，系统评价与生信分析的联手无疑也是一个加分项~
最近不少同学后台私信想要系统的学习。所以为了给大家降低学习门槛，帮助更多医学人元，解螺旋推出《10天掌握3分SCI套路训练营》。
点击卡片即可报名~
课程独创性地总结了基础科研逻辑方法论，建立了以SCI文章套路格式为核心的体系化科研学习模式，应用模块化的方法拆解SCI文献阅读和国自然申请书写作，大幅提升医学工作者的科研效率。
找对方法事半功倍，只为你的科研生涯铺平道路，让你用最省钱最省时的方式通往 SCI 的成功发表！
注意喔，报名专栏后，请一定点我头像私信【学习】否则无法有效学习喔~
