哈喽，欢迎来到科研解忧铺～
百合知道很多生信小白想学习有关生信的发文思路，从今天开始每天给大家分享哦～百合今天特意找了最新关于单细胞+空转的多组学文章来跟宝子们分享～由华中科技大学团队发表的《Unveiling the oncogenic role of SLC25A13: a multi-omics pan-cancer analysis reveals its impact on glioma progression》这篇文章，选用的都是公共数据库，不需要自测序的多组学！数据公开，复现容易哦～
1、构建预后模型：根据机器学习的方法鉴定了7个核心基因，构建了风险评分模型，结合临床参数，独立因素，并在三个独立数据集中进行验证。这篇文章不仅基于基因表达构建风险评分，还进一步将风险评分与临床特征相结合，构建了一个综合性很强的预后模型。
2、多组学：本研究在分析肿瘤微环境时结合了单细胞测序数据和空间转录组数据，这种多组学联合应用的方法使这篇文章基因的表达水平在细胞类型和空间分布中都得到了全面的分析。
Ps：单基因有了这单细胞+空转的加持，分值直接next level！多组学还有很多其他的搭配～代谢组、蛋白质修饰等等～非常有搞头哦！感兴趣的宝子们快来联系百合，百合这能帮助你设计方案、生信分析还有生信服务器哦～个性化定制&专属服务！
题目：揭示SLC25A13的致癌作用：多组学泛癌分析揭示其对胶质瘤进展的影响
杂志：Cancer cell International
影响因子：IF=5.3
发表时间：2025年3月
研究背景
癌症属于一组异质性疾病，不同种类的癌症致病机制不同，同一种癌症，也会有非常大的表现差异。因此整合多种癌症类型的研究对于理解癌症之间的异质性和共性至关重要。SLC25A13是线粒体天冬氨酸-谷氨酸载体的关键成分，在细胞代谢中不可缺少，已经证明SLC25A13与多种疾病有关，目前在癌症中的作用还没有得到探索。
数据来源
Dataset | Platform | Number of samples(groups) |
TCGA | UCSC Xena | SLC25A13的甲基化数据和复制变异数据 |
TARGET | UCSC Xena | 基因表达数据 |
GTEx |
UCSC Xena | 基因表达数据 |
泛癌症 | CPTAC | 定量蛋白质表达数据 |
研究思路
本研究利用公共数据库下载的数据集分析SLC25A13的表达模式，用TCGAplot R包分析SLC25A13与不同癌症中TMB)和MSI的相关性，用ComPPI数据库构建SLC25A13的蛋白质相互作用网络。识别出SLC25A13共表达的7个核心基因并建立Cox分析模型。单细胞和空间转录组联合分析，之后又通过一系列的体外体内实验进行验证。
研究结果
TMB&MSI和免疫特征关联分析
SLC25A13表达与各种癌症中的TMB和MSI之间存在显著的正相关性，说明其在肿瘤进展和治疗反应中具有潜在作用（图1A，B）。根据单变量Cox回归分析显示，SLC25A13表达升高与CESC、KICH、LGG、SKCM和UVM的预后不良相关，而它是KIRC、LAML和LIHC的良好预后指标（图1C），高SLC25A13表达主要与免疫亚型C1和C2相关，而低表达与亚型C3和C5相关（图1D）。免疫浸润分析进一步表明，SLC25A13表达与多种癌症类型的免疫细胞浸润相关（图1E）。此外还发现SLC25A13与各种免疫调节分子之间存在显著关联（图1F）。
差异通路富集分析
根据SLC25A13表达水平将胶质瘤患者分为高表达组和低表达组，使用标志基因集对差异表达基因进行富集分析，在LGG和GBM中，有丝分裂纺锤体、G2M检查点和E2F靶标等多种通路在SLC25A13高表达组中显著富集（图2A），SLC25A13与胶质瘤中的关键致癌通路PI3K/AKT呈正相关（图2B），SLC25A13表达与细胞周期、DNA损伤修复、EMT、迁移、侵袭、增殖和干细胞性之间存在显着的正相关性（图2C）。
单细胞&空间转录组分析
根据胶质瘤中SLC25A13的单细胞分辨率表达数据分析显示，SLC25A13主要在少突胶质细胞和恶性细胞中表达（图3A），在数据集GSE131928中，SLC25A13阳性组中MES类恶性细胞的比例明显高于SLC25A13阴性组（图3B），高SLC25A13表达与替莫唑胺等多种药物的耐药性相关（图3C），SLC25A13的表达与恶性肿瘤细胞呈正相关，与CD8+T细胞呈负相关，与M1型巨噬细胞无明显相关性（图3H-J）。对空间转录组学数据进行反卷积分析，确定细胞亚群的空间分布（图3D）。随后分析了SLC25A13表达与空间细胞成分的关系，结果显示SLC25A13在恶性肿瘤区域有较高的表达量，且与恶性肿瘤细胞数成正比（图3E-G）。
机器学习筛选核心基因
经过相关性分析，选择前150个基因为共表达基因，这些基因都与 TCGA 全胶质瘤队列中的预后不良相关。采用机器学习方法的组合（图4A）。以C指数为评价标准，从排名前15个共表达基因组合中选取重叠基因，最终确定了7个核心基因：GAS2L3、KIF2C、NDE1、EZH2、SMC4、SLC30A6和SLC25A13（图4B）。SLC25A13的风险评分与所选择的关键临床数据相关（图4C），之后做了KM生存曲线分析验证了这些因素（图4D）。
构建预后模型
根据6个变量开发了一个全面的胶质瘤患者预后模型（图5A）。通过单变量和多变量回归分析显示SLC25A13相关风险评分是胶质瘤患者的独立预后因素（图5B）。用三个独立数据集进行验证，TCGA、CGGA693和CGGA325数据集的三年AUC值分别为0.84、0.95和0.84（图5C-E），预测的生存概率与实际结果高度一致，显示出该模型的预后能力良好（图5F-H），与其他预后因素相比，列线图具有更好的临床净效益（图5I-K）。
文章小结
这篇文章利用多组学数据说明SLC25A13在泛癌症背景下的遗传图谱、表达谱和预后价值。此外，分析了SLC25A13与各种癌症中免疫微环境之间的相关性。通过多种机器学习方法，确定SLC25A13的7个核心共表达基因，并构建了一个胶质瘤患者的预后模型并验证，之后通过一系列的体内外实验进行验证！这篇文章所选用的数据都来源于公共数据库，想复现的宝子们赶紧抄作业，换个基因又是一篇高分文章！制定课题思路、生信分析有任何不明白的问题都随时来找百合解决，百合就是你身边最近的生信小帮手！
