扫码联系客服
今天跟大家盘点下3篇结直肠癌可变剪切的文章。既然一个癌型能发三版，还是有一定原因的，小编就带大家从技术角度研读下这三篇文献。
首先看下发表时间和影响因子
1、Published: 2018.04.19
Journal of Cancer （3.2）
Alternative splicing events implicated in carcinogenesis and prognosis of colorectal cancer
2、Accepted 12 September 2018
EBioMedicine（6.1）
Profiles of alternative splicing in colorectal cancer and their clinical significance: A study based on large-scale sequencing data
3、Published: 20 November 2018
Frontiers in Oncology（4.4）
Genome-Wide Profiling of Prognostic Alternative Splicing Signature in Colorectal Cancer
这三篇都是18年发表的，上表是按照发表的时间先后顺序排列的。
如果按照其内容复杂程度可以分为如下三个款式。
精简版（3.2），标准版（4.4），加强版（6.1）
加强版可变剪切分析
力 荐
一、精简版（3.2）
Alternative splicing events implicated in carcinogenesis and prognosis of colorectal cancer
对于AS整体介绍不足，侧重在于marker的找寻，类似生信人推的
AS+预后+功能富集的套路
背景介绍
有文章表明AS（可变剪切）在癌症的发展和预后过程中起到非常重要的作用。但是对于结直肠癌的研究目前还没有。
材料和方法
本项目中我们分析了来源于TCGA的499个COAD和176个READ的可变剪切数据，来寻找与CRC相关的可变剪切事件，并进行了基因网络的构建，基因功能和通路的富集分析等多种生物信息学分析。
结果
大多数的AS模式在肿瘤组织中比正常组织active。我们再COAD中检测到了9084个基因的35291个AS事件和READ中9032个基因的34900个AS事件。一些差异的基因包括SULT1A2, CALD1, DTNA, COL12A1 和TTLL12。这些基因富集在muscle organ development, cytoskeleton organization, actin cytoskeleton organization, biological adhesion和cell adhesion等功能。最后的预测模型COAD的AUC为0.805，READ的AUC为0.738。最后与预后相关的基因包括PSMD2, NOL8, ALDH4A1, SLC10A7和 PPAT。
Conclusion
我们深度刻画了CRC的AS事件和与预后的关系，并构建了一个互作网络来理解AS在CRC中的参与机制。
技术路线
Step1：对COAD和READ的可变剪切事件进行了统计，总结各可变剪切类型所发生的次数，以及对应的基因数，采用UpSet图进行展示。
Step2：识别差异可变剪切事件，并对其中部分基因构建基因互作网络
Step3：可变剪切基因进行GO和KEGG富集分析
Step4：评估可变剪切事件预测CRC发生的能力
Step5：多cox回归分析识别预后因子，并对其中显著相关的预后因子进行分析。
二、标准版（4.4）
Genome-Wide Profiling of Prognostic Alternative Splicing Signature in Colorectal Cancer
AS较为完整，预后部分也比较充实，但是在扩张深入研究部分张力不足
背景
开篇简单明了就是想通过挖掘CRC的AS事件来找预后的一些marker
材料和方法
通过TCGA的RNA-seq数据进行AS分析，我们找到了330套CRC的AS模式（7种），在这个基础上我们通过COX进行了预后模型的构建，构建了相关的网络。
结果
CRC中一共找到了2158个生存相关的AS events。
超过20个跟预后相关，ROC准确度可以在0.963。Splicing network 也说明了在CRC中一些剪切因子跟AS 事件存在关联。
结论
一共找到了13个基因作为可变剪切因子，这些可以作为CRC潜在的预后marker，也可以作为CRC治疗的靶点。
Step1：对可变剪切事件进行了统计，总结各可变剪切类型所发生的次数，以及对应的基因数，采用柱状图进行展示。
Step2：采用单cox回归分析识别在各可变剪切类型中与生存显著相关的基因，并对各可变剪切事件的TOP20基因绘制森林图进行展示，并用UpSet图展示各可变剪切类型中与生存相关的基因的分布情况。同时也将其中一部分p值更显著的基因进行了基因网络的构建。
Step3：对各可变剪切类型中与生存显著相关的基因分别进行多cox回归分析，寻找预后预测因子，对七种可变剪切类型分别构建cox回归模型并绘制生存曲线，同时也将七种类型进行整合构建最终的预后预测因子，绘制不同情况的ROC曲线，判断准确性。
Step4：通过剪接因子基因的表达与可变剪切事件PSI的相关性构建剪接相关网络，进一步的还检验了剪切因子对于生存的影响以及展示了剪接因子和可变剪切事件的线性关系。
三、加强版（6.1）
Profiles of alternative splicing in colorectal cancer and their clinical significance: A study based on large-scale sequencing data
主要扩展部分是利用marker进行了亚型分型，然后对亚型进行了分析，类似生信人AS+分子分型的套路
背景
AS（可变剪切）在癌症进程研究中很重要，但是对于CRC缺乏系统性的研究。
方法
首先从TCGA下载RNA-seq 数据和CRC相关的临床数据。然后利用SpliceSeq软件进行可变剪切pattern的识别和统计。
然后比较疾病和对照组织可变剪切事件的差异（DEAS）。然后对DEAS和基于它构建的网络进行深入的生物信息学分析，包括COX回归，无监督聚类用来评估DEAS与临床特征的关系。
结果
经过严格的过滤，一共有34334个可变剪切事件被识别，其中421个AS events 表达有差异。
通过构建网络之后发现DEAS的父节点在CRC上发挥重要的调节作用包括 protein kinase activity (FDRb0.0001), PI3K-Akt signaling pathway (FDR = 0.0024) and p53 signaling pathway (FDR = 0.0143)。
37个DEAS events 跟OS相关，68个DEAS事件被发现跟DFS相关。通过利用DEAS进行无监督聚类可以聚成4亚群跟生存模式，分子亚型有关系。
Conclusions
CRC中存在大量的AS差异事件，这些对于其预后和生物调节过程非常重要。我们通过鉴定CRC相关的AS 事件和相关的网络通路可以深入理解AS在CRC中的作用，对于深入研究和寻找治疗靶点提供参考。
step1、生信分析整体流程图概况
Step2：对CRC的可变剪切事件进行了统计，总结各可变剪切类型所发生的次数，以及对应的基因数，采用UpSet图进行展示。利用circos图进行AS event在基因组上整体概况展示。
step3，AS可变剪切结合基因表达情况找寻DEAS，并对其进行详细刻画。
step4、利用DEAS基因构建基因互作网络（网络中信息更多）
step5、利用DEAS event 和可变剪切因子构建调控网络
step6、CRC中DEAS的预后评估
step7、PSI的OS和DFS分析
step7 利用DEAS进行聚类做分子分型并对获得的亚型进行深入刻画
综上，目前AS这个热点还是可以蹭，至于怎么蹭，怎么蹭出高分，还得需要结合一些其他的技术，比如分子分型，比如免疫评分等等。
小编跟技术沟通之后，现在强烈推荐增加版的AS分析，
有兴趣的童鞋，
可以扫码填写信息进行咨询。
拓展阅读：
甲状腺癌：跪了，乳头状甲状腺可变剪切又发了5+
非小细胞肺癌： 生存相关的选择性剪接事件
结直肠癌：可变剪切还能发文章吗？
食管癌：吃鲸！可变剪切还可以5+
