5.2分SCI 单基因生信+组化验证
本研究作者旨在探讨钙结合蛋白家族成员S100A16在胰腺癌（pancreatic cancer , PC）中的表达和预后价值评估。首先利用Oncomine检测S100A16在PC等肿瘤中的表达水平及预后相关性。然后，下载PC患者的TCGA和ICGC RNA-seq数据，取两组基因集相交定义S100A16相关差异表达基因组(DEGs)，并分析GO和KEGG通路。随后，绘制了临床特征与S100A16表达之间的箱线图，并采用Cox回归分析探讨S100A16对PDAC患者的预后价值。在Cox回归模型的基础上，进一步建立了与S100A16相关的风险评分系统，以增强预测患者预后的能力。另外，将风险评分模型与多种临床病理因素结合，最终建立了预测患者生存时间的列线图。此外，基因集合富集S100A16表达差异对下游生物学过程的影响。最后，利用TIMER、ImmunecellAI和GSEA分析S100A16与PC免疫浸润的相关性，并预测患者对检查点阻断剂(checkpoint Blocker,ICB)的反应。综上分析显示，S100A16参与PC的发生发展过程，影响患者的预后，对PC的免疫治疗具有潜在的参考价值。
单基因生信文章，作为以生信为主的文章有比较大的优势。一方面可以纯生信发表，退一步可以补充表达验证，就像本文一样。当然还可以深入探索基因的机制，甚至申请基金等等。小编最近筛选到一些结果比较好的基因，需要做深入分析的可以联系小编喔，先到先得！
被致谢！2021年7分+单基因泛癌纯生信，投稿到接受30天！
请扫描下方二维码
研究背景：胰腺癌是一种恶性程度极高的疾病，早发现早诊断存在较大困难，且易发生早期转移，虽然临床药物治疗取得了进展，但由于肿瘤细胞和微环境之间复杂的相互作用，对放疗和化疗仍有高度的耐药性。因此，对胰腺癌的驱动基因和肿瘤微环境中与肿瘤侵袭转移相关的蛋白质进一步研究，将有助于开发新的可能疗法。S100A16蛋白是一类钙结合蛋白S100成员之一，已在膀胱癌，肺癌，甲状腺癌等癌症中进行了研究，而在胰腺癌中的情况尚未可知。
研究流程：
分析解读：
1. 胰腺癌组织中S100A16表达增加
①Oncome数据库中分析S100A16在各肿瘤中的表达情况。
②Oncome数据库中分析S100A16在胰腺癌相关具体研究中的表达情况（cancer vs normal,cancer vs cancer, outlier）。
③免疫组织化学染色进一步分析S100A16在临床胰腺癌组织标本中表达情况。
结果显示：
①Oncome数据库中265个(cancer vs nomal) 研究中，关于胰腺癌的4个研究均是S100A16上调。158个multicancer研究中，3个胰腺癌研究中S100A16上调。522个outlier研究里，1个研究上调，2个下调（上图A）。
②再对上述具体的胰腺癌研究进行筛选分析，发现S100A16在胰腺癌组织较正常组织中表达明显增加；不同胰腺癌组织类型中S100A16表达增加（上图B）。
③免疫组化验证S100A16在胰腺癌中表达增加。
2. S100A16表达与胰腺癌患者预后的关系
①GEPIA数据库分析S10A16在各肿瘤中表达情况。
②GEPIA数据库分析S10A16与胰腺癌预后（OS, DFS）的关系。
结果显示：
①S100A16在胰腺癌、膀胱癌、宫颈癌等多种肿瘤中表达增加（上图A）。
②S100A16在胰腺癌表达增加（上图B），且其表达水平与肿瘤的无病生存率和总体生存率成负相关（上图C-D）。
3. 差异表达基因的GO分析和KEGG分析
① 从TCGA、ICGC数据库下载胰腺癌患者数据信息。
② 进行差异基因分析，并绘制热图、火山图。
③ GO分析及KEGG通路分析。
结果显示：
①由TCGA、ICGC数据库下载1330个胰腺癌相关差异基因，绘制对应热图、火山图，并筛选出71个共同差异基因（上图A-B）。
②对71个基因进行GO分析，显示主要集中于突触调节、钙稳态等（上图D-F）。
③KEGG通道分析示与脂肪、蛋白质消化吸收，及胰腺分泌有关的途径密切相关，其中与调节胰腺分泌功能相关性最为显著（上图C）。
4. 基于TCGA数据的S100A16表达与临床特征的相关性研究
① 利用Kaplan-Meier、单因素、多因素COX等方法对TCGA中182个样本信息进行S100A16和临床特征相关性分析。
② 为建立预测集，利用Pearson相关系数分析、单因素COX回归分析获得42个S100A16与生存有关基因。
③ 再对其中的S100A16相关的top 5基因进行Lasso模型处理，通过多变量COX回归构建风险评分。（Coefi：基因系数，xi：基因FPKM）
④ 测试、验证上述构建的风险评分。
结果显示：
①S100A16的高表达或低表达与PDAC的原发部位、分期、分级显著相关(P < 0.05)，与年龄、肿瘤大小、淋巴转移等均无明显相关性，Kaplan-Meier分析显示，S100A16高表达组患者预后较差。
②采用单因素COX分析对上述推测进行验证，发现S100A16与年龄、组织学分型、原代治疗反应、放疗等因素均为高危因素，而多因素分析发现S100A16与生存无相关关系（上图Table）。
③为构建预测模型，通过Pearson相关性分析及单因素COX回归分析获得42个S100A16预后相关基因，并通过Wilcoxon秩和检验进一步验证（上图A）。
④选择其中“SERPINB1”, “RAB27B”, “MGLL”, “ANKRD22”, “UCA1”进行Lasso模型处理（图B-D）。
⑤验证测试集中的预后模型ROC显示良好的预测能力（图C）。
⑥证明预后模式是独立的预后因素，并基于预后模型和临床特征构建连线图模型（图F-G）。
5. S100A16基因表达水平相关性分析
① 为了解S100A16在胰腺癌中相关信号通路作用，GSEA分析S100A16高、低表达水平在不同信号通路中的富集情况。
② 利用STRING数据库构建PPI网络。
结果显示：
①GSEA分析示S100A16高表达主要与蛋白翻译延伸、线粒体膜、有丝分裂、核苷单磷酸生物合成等相关，而S100A16下调对白细胞系统、CAMP依赖的蛋白激酶活性、CAMP介导的信号转导负调控、谷氨酸受体信号转导途径、AMPA受体活性等方面表现出不同程度的富集（上图A）。
②PPI网络示S100A16在胰腺癌中主要与SUCLG1、IDH3A、SUCLA2蛋白关联作用强（上图B）。
6. S100A16基因表达与免疫细胞浸润
①利用TIMER数据库评估S100A16基因表达与B细胞、CD8+T细胞等7种免疫细胞浸润的关系。
②对免疫相关基因集进行GSEA分析。
③利用ImmuneCellAI数据库评估S100A16与患者对ICB治疗敏感性的关系。
结果显示：
①TIMER数据库分析示S100A16的表达水平与CD8+ T细胞浸润成负相关（上图A）。
②GSEA分析示S100A16高表达主要集中在Naive、CRTL等细胞，而S100A16低表达集中于CD4 + T幼稚细胞，CD8+ T幼稚细胞、前体B细胞等（上图B）。
③基于TCGA数据基础上的ImmuneCellAI分析示S100A16与肿瘤组织中不同免疫细胞浸润相关，且S100A16水平可预测胰腺癌患者ICB治疗敏感性（下图B-C）。