如何从《Science》文章中挖掘出新方向
2015/4/20 医学生

    

     来源:上海其明信息技术有限公司

     经常拜读大牛们发表的《Science》和《Nature》,但是我们可不可以从这些文章中学到精髓,也来发表一篇高分论文呢?

     举个例子,比方说发表在《Science》上的这篇文章《The STAT3-Binding Long Noncoding RNA lnc-DC Controls Human Dendritic Cell Differentiation》,我们得知:抑制lnc-DC可破坏体外人类外周血单核细胞以及体内的小鼠骨髓细胞分化为DC,并减小了DCs刺激T细胞活化能力。lnc-DC通过激活转录因子STAT3来调节这些效应,lnc-DC直接结合细胞质中的STAT3上,通过阻止STAT3结合SHP1及脱磷酸作用,提高STAT3在tyrosine-705上磷酸化。这篇文章主要涉及的内容有树突状细胞的分化和功能,来搜索一下“Dendritic cell differentiation and function”,搜索结果很多,可以设置“影响因子”和“是否拥有样本”缩小范围来进行下一步筛选。如果只是简单的翻阅文章可能理解的还不够深入,我们可以使用文章提供的样本来还原作者的实验思路,甚至还有可能发现更多。

    

     图1 搜索结果及筛选工具

    

     图2 Science文章及样本界面

     OK,就看Science这篇文章,文章和样本中提到Monocytes经过6个时间点分化为Dendritic Cell,而这批数据通过HTA 2.0芯片检测可获得mRNA、lncRNA表达数据。根据从GCBI-Sample下载的数据(GSE54143),首先我们可以分析mRNA、lncRNA随分化时间而发生表达变化的趋势,同时对mRNA进行GO、Pathway分析,不仅如此,我们还可以分析lncRNA调控mRNA的共表达网络,找到核心调控lncRNA和mRNA。

    

     图3 拓展分析思路图

     运行方案后稍等10-20分钟,就可以查看各部分详细结果并下载完整的结果报告。结果很多,包括刚才提到的显著mRNA、lncRNA及其趋势等,而在共表达网络图部分发现一些核心基因CCL22、TFRC、SELL、IL23A、FOSB。

    

     图4 lncRNA和mRNA共表达网络图

     这些基因不了解没关系,接下来再回到知识库以Immune为关键词检索文献,发现共有905027篇,而与刚才提到的基因相关的文献分别为:CCL22(36篇)、TFRC(20篇)、SELL(106篇)、IL23A(176篇),而FOSB只有3篇。通过Dictionary查询,发现FOSB参与破骨细胞分化信号通路,样本为诱导单核细胞分化为树突状细胞,bingo!然而在microRNA部分只有has-miR-224-5p已经被验证过,由于最近ceRNA研究很热,这可以作为下一个研究课题。

     好的,我们来梳理一下:文章提到了转录因子STAT3和lnc-DC之间的关系,通过对数据的挖掘再分析,发现核心基因FOSB以及相关miRNA,而这些都是文章没有提到同时研究很少,那么我们是不是可以做点什么了?

    

     · 《学子》微杂志

     ·微信号:cnxuezi

     荐:知识、知行、知趣是我们的特质,我们传递一个群体的行与思。这里有读书、历史、文化、经济、娱乐等内容。

     阅读原文

    http://www.duyihua.cn
返回 医学生 返回首页 返回百拇医药