全部

1. 生信分析文章范例解读最近在检索文献时发现了 10 月有一篇生信文章，做的是关于三阴性乳腺癌中相关 ceRNA 差异表达谱的综合分析，于 2018 年 10 月 11 日发表在《Cellular physiology and biochemistry》杂志上，IF = 5.5。由于小编就是做三阴性乳腺癌 non-coding RNA 的相关研究，一直都有关注 ceRNA 的研究，类似这篇文章的工作量投稿分数应为 3-5 分，而此文竟然突破 5 分门槛。仔细阅读发现，原来这篇文章与常规生信分析文章相比，增加了 30 例样本的 q-PCR 验证，按照小编做实验的效率，大概也就两天工作量。所以接下来我们一起走进这篇文章，感受他的总体思路，看看是不是你与 5 分只差两天的距离？ 三阴性乳腺癌（TNBC）是高度恶性乳腺癌的亚型，预后不良。越来越多的证据表明，长链非编码 RNA（lncRNA）在包括乳腺癌在内的多种癌症的发展和进展中发挥着重要的调节作用。此研究利用癌症基因组图谱（TCGA）的 RNA-Seq 数据比较了 111 个 TNBC 组织和 104 个非癌组织中 mRNA，lncRNA

生信分析，作为研究和发文章的方法受到很多人的青睐。所以，过去一段时间，这类文章如雨后春笋般涌现，因为这个方法简单，导致出现了很多注水文章，因此，让一些同学望而却步。其实，生信分析只是一种手段、一种方法、一种思路。好的分析和严谨的验证，依旧能做出好的成果，关键在于如何去利用好工具。用生信分析数据挖掘，发文章，依然不乏有好文章出现，重要的是新的 idea。此外，生信分析也是一个寻找课题的好思路，对于没有自己测序结果或者只有临床数据的人来说，结合生信分析做课题是不错的选择。首先，来看看下面几篇文章：第一篇，发表在 Molecular Therapy，IF = 8.986；中科院 1 区。图片来源：文献截图第二篇，发表在 Molecular Therapy: Nucleic Acids，IF = 7.032；中科院 2 区。图片来源：文献截图第三篇，发表在 Clinical Science，IF = 5.223；中科院 2 区。图片来源：文献截图第四篇，发表在 Clinical Science，IF = 5.223；中科院 2 区。图片来源：文献截图上述列举的文章，也算是分数较高的了。就标题来

临床模型类的生信 SCI，是我们临床上手最快，也是发文最多的一种文章，目前还不需要补充湿实验验证，可以用其他数据库或数据集展开验证，发文 2-6 分不等。构建模型的靶标可以是 mRNA，也可以是非编码 RNA 如 miRNA 等等，疾病可以是肿瘤，也可以是非肿瘤如阿尔兹海默症。典型的文章如下图所示：文章详情大家可以自己检索原文研读下，这类文章的检索词可以是GEO+疾病+model，肿瘤的还可以是 TCGA+model（图片来源：网页截图）不过，随着生信 SCI 发表的文章越来越多，对生信 SCI 课题设计的要求水涨船高。那么这么一类相对比较好上手的文章，课题设计要注意哪些文章才相对好发表一些呢？ 第一点：课题设计具有足够的创新性这是最重要的一点。因为这类文章发文已经相当多了，大家选择的数据集如果一样那课题其实重复性非常高，到时审稿人就非常容易 argue 这样的问题：The lack of novelty. A wide variety of prognostic gene signatures for the prognosis of xx cancer had been devel

一提到生信课题，大家深感最困难的就是生信分析，随之而来的就是：我不会 R 语言（Python），所以我学不会。但，一篇生信 SCI，最难的真的只是生信分析么？那为何那么多会代码的，分析出图了，也准备好了生信 SCI，却屡投不中？生信 SCI，核心不该是 SCI 么？（发 SCI 是核心目的，生信分析跟做实验出数据的手段一样，是出数据的一种方法而已）一篇 SCI 最关键的，最难的开端，不正是一个好的课题么？生信 SCI 也不过是 Figures 是由生信分析产出的数据，对应的基础 SCI，Figures 是实验产出的而已。当然，这也是生信 SCI 相比基础科研进度快的地方。既然核心都是一个好的课题，那生信 SCI 的课题该怎么设计呢？由于生信既可以用于临床大数据挖掘，也可以用于基础数据挖掘，所以，回归课题设计的几个核心要素来评估：创新性、可行性、分析流程图、临床意义、逻辑性。 一、创新性结合现有课题的研究进展，PubMed 检索相关文献，分析对比其他已发表 SCI，本课题是否具备创新性？那如何才算比较具有创新性呢？人无我有，人有我优。1. 人无我有别人都没研究过的课题，那创新性是非常大的

随着公共网络数据的增多，测序数据分析技术的发展，我们可以利用的数据越来越多。很多时候，我们可以直接对公共数据库的数据进行分析，进而可以进行数据挖掘，得到的结果用来发表论文。 生信信息学文献复现这篇《Identification of candidate biomarkers and analysis of prognostic values in ovarian caner by integrated bioinfomatics analysis》（PMID: 27757782. IF: 2.92 ）就是利用网络公共芯片数据对卵巢癌的发生进行的数据挖掘。这种芯片数据分析的论文现在越来越多了。下面，我们就根据这篇文献，帮大家分析一下这类文献是如何炼成的。 一、文章的基本脉络通过阅读文献的材料方法我们可以发现，这篇文献的使用了 3 组数据，都是来自于 GEO 数据库。之前没有接触过芯片数据的同学可能不知道 GEO 数据库是什么。简单来说，GEO 就是一个可以检索芯片数据的数据库。至于其中的 GSE36668 这样的编号，就类似于文献的 PMID 一样，为自身数据库给每个数据集自己的编码。

GEO2R 是一个针对 GEO 数据库中表达谱芯片进行进一步差异分析的工具，利用这个工具我们可以比较 GEO 系列数据中的两组或更多组样品，获得差异性表达基因。而差异基因在医学数据挖掘领域可以说是扮演者举足轻重的位置，无论是肿瘤还是非肿瘤领域的科研很多都是围绕差异基因展开分析。最近，GEOR2 分析工具再次更新啦，随着这次更新，它给我们带来了很多新的功能，比如同时可以获得火山图、平均差图、 UMAP 图、韦恩图、表达密度图、P 值直方图、样本分位数图、平均方差趋势图。与更新前相比，这些图可以帮助我们评估样本分组的标准化。也就是说，它们可以帮助我们确定我们设置的分组及其数据是否适合进行进一步分析，以及帮助我们判断是否需要对测试分组进行调整。当然，最重要的是这些图竟然可以在文章中直接使用，零代码出这么多漂亮又实用的图。这些新增加的功能不仅可以让我们更好的分析挖掘 GEO 数据，而且可以让不会 R 语言编程的研究者也可以进行数据统计分析，为进一步寻找分析差异基因和撰写生物信息文章带来了许多便利。下面，笔者将对 GEO2R 的使用和新功能进行一下简要的介绍。 一、序列号检索首先，进入 GEO

一．γδT简介γδ T细胞是表面具有独特T细胞受体（TCR）的T细胞。大多数T细胞是αβ T细胞，其TCR由两个糖蛋白链组成，称为α和β TCR链。相比之下，γδ T细胞具有由一个γ 链和一个δ 链组成的TCR。αβT和γδT细胞谱系起源于缺乏CD4和CD8共受体（CD4-CD8-）的T前体细胞，也称为双阴性（DN）胸腺细胞（图1）。γδT细胞通常不如αβ T细胞常见，但在粘膜和上皮部位显着富集，例如皮肤和呼吸道，消化道和生殖道。与αβT细胞相比， ...

大家好，今天跟大家分享一篇文章「DDX60 is associated with glioma malignancy and serve as a potential immunotherapy biomarker」。该文章是由笔者于 2021 年 2 月发表于《Frontiers in Oncology》杂志上的，目前该杂志中科院分区 2 区，影响因子 6.2 分。今天就通过该文章跟大家分享一下肿瘤方向生信文章的套路及绘图方法～信息发展到这个年代，许多科研道友仍然闻「代码」色变，总想走不用代码发文章的捷径。殊不知，其实代码才是捷径，许多软件复杂的操作只需一行代码就能轻松搞定。闲话少说，上干货～ 总体思路首先我们来看一下文章标题「DDX60 is associated with glioma malignancy and serve as a potential immunotherapy biomarker」，就是说 DDX60 这个基因在胶质瘤中很重要，能够提示胶质瘤患者预后不良，且与胶质瘤免疫应答相关。听起来有点玄妙，那么具体是怎么操作的呢？先通过 Results 的小标题来看

今天，笔者就以一篇 SCI 文章为例，带各位小可爱看一看怎么才能更快 GET 一篇近期发表的生信分析文章中主要讲了些什么，以及我们该如何学习大佬的思路并化为己用。今天，用来举例的这篇文章是发表在 International Journal of Molecular Sciences 的A Comprehensive Bioinformatics Analysis of UBE2C in Cancers（DOI：10.3390/ijms20092228），影响因子在 4.5，是纯生信文章中还不错的分数辣。至于为什么又是肿瘤？别问，问就是肿瘤撑起了生信分析文章的四分之三壁江山。当然，在读文章和读图之前我们还是要对文章进行一个概念化的认识。通过大致阅读摘要，我们可以获知：UBE2C 是一种泛素化的共轭酶，作者通过两个数据库——TCGA 和 GTEx，发现这个酶的表达和肿瘤的不良预后相关，并且筛选出了一些之前不太有研究的、和 UBE2C 相关的一些基因靶点。在这里笔者提出一个小建议，各位小可爱不妨在读完摘要后，代入自身视角先思考一下：如果是你们进行这项研究，会通过哪几部分结果，用什么样的分析方

所有的返修，都需要认真对待。在现在生信 SCI 越来越多的情况下，审稿人很容易对千篇一律的稿件产生疲劳，所以能有返修意见已经蛮不容易，说明最起码一堆投稿的 SCI 中，你的稿件相比其他人的稿件，have the priority to be published～ 那好不容易有返修意见后，该注意哪些事项呢？ 注意事项 1：注意返修有无 Deadline 及具体 Deadline 时间准时，是科研人士的「基本素质」，若需要补实验等，需要提前询问编辑申请延期（如无必要尽量加班加点补完就好）。然而有的同学临近截止时间了，返修意见也不回复，直接就申请延期... 当然，实在来不及需要多点时间是可以理解的，可以其他返修意见尽善尽美回复完后，需要补实验延期的意见里以及给编辑回复里再额外申请下延期。这样审稿人可以先看其他问题再提出下一轮意见（如果有的话），这样整体也不会延误进度，也能向对方表示出我们确实有认真修改的态度和决心。另外，如果本身 Deadline 就给 1-3 周的时间，大概率是小修了。如果是 1-3 个月的时间，大概率是大修。大小修给的时间不同，是否补实验、补多少等问题是可以反过来参考对方

相当多的蛋白质行使功能的时候并不是单打独斗的，蛋白质们通过蛋白质相互作用形成复合体然后进行工作，在工作的过程中，蛋白质们也可以通过更换相互作用的伙伴，从而改变蛋白质复合体的功能。因此，研究蛋白质的相互作用成为研究蛋白质功能和作用机制的最为重要的环节之一。另外，蛋白质相互作用的本质其实是三种力，氢键，分子间作用力（范德华力）和疏水力，因为这三种力的作用距离都非常的短，所以相互作用的蛋白我们通常认为它们必定相互接近，尽管这是个充分非必要命题，但是我们常常使用这个命题的逆命题来进行实验检测。那么，如何对这个问题进行研究呢？这里狗哥就带大家简单梳理一下常用的蛋白质相互作用的研究方法。图 1<1>酵母双杂交，Yeasttwo hybrid（Y2H）, 这是一个古老的技术，Stanley Fields 和 Ok-KyuSong 在 1989 年的时候利用大肠杆菌中 GAL4 乳糖操纵子的原理，开发出这个方法用于检测蛋白质之间的相互作用 。GAL4 操纵子有两个结构域，BD（binding domain）结构域和 AD（activation domain），其中 BD 结构域可以结合在

最近 WB 的结果趋势不是很理想，因为给了蛋白 B 的抑制剂蛋白 B 却没有明显变化。于是大伙儿一合计，可能需要再看看蛋白质之间的相互作用，会不会是抑制剂影响了蛋白 B 和蛋白 C 之间的结合，而不是直接导致蛋白 B 的降解。大家都知道研究蛋白质相互作用的三大经典方法是：酵母双杂交（Y2 H），免疫共沉淀（CoIP）和 GST pulldown。结合我们课题组的这个实验，因为只需看看蛋白 B 和 C 之间的结合，而且已知蛋白 B 和 C 是会结合的，所以可能用 CoIP 最简便。首先我们得了解一下 CoIP 的原理，其实和 WB 一样，就是抗体抗原结合的免疫反应，只要你会 WB，就能轻松理解 IP 和 CoIP 的原理。简单来说，如果蛋白 B 和蛋白 C 结合的话，那么用抗体去结合蛋白 B 的时候，蛋白 C 就能被拉下来。大家知道抗体的结构是一个 Y 字形，两头是 Fab 用于识别抗原，尾巴是 Fc 区域，这个 Fc 区域就能结合 Protein A 或 G。自从磁珠出现之后，CoIP 的操作就变得更加简单了，只需要用包被 Protein A 或 G 的磁珠先和抗体结合，然后用抗体磁珠

免疫共沉淀（Co-Immunoprecipitation）是以抗体和抗原之间的专一性作用为基础的用于研究蛋白质相互作用的经典方法。它可以：测定两种目标蛋白质是否在体内结合；确定一种特定蛋白质的新的作用搭档；分离得到天然状态的相互作用蛋白复合物。 一、实验原理当细胞在非变性条件下被裂解时，完整细胞内存在的许多蛋白质－蛋白质间的相互作用被保留了下来。如果用蛋白质 X 的抗体免疫沉淀 X，那么与 X 在体内结合的蛋白质 Y 也能沉淀下来。目前多用精制的 prorein A 预先结合固化在 argarose 的 beads 上，使之与含有抗原的溶液及抗体反应后，beads 上的 prorein A 就能吸附抗原达到精制的目的。这种方法常用于测定两种目标蛋白质是否在体内结合；也可用于确定一种特定蛋白质的新的作用搭档。 二、实验步骤免疫共沉淀反应：1. 转染后 24～48 h 可收获细胞，加入适量细胞裂解缓冲液（含蛋白酶抑制剂），冰上裂解 30 min，细胞裂解液于 4 °C，最大转速离心 30 min 后取上清。2. 取少量裂解液以备 Western blot 分析，剩余裂解液加 1 μg 相应

免疫共沉淀（Co-Immunoprecipitation）是以抗体和抗原之间的专一性作用为基础的用于研究蛋白质相互作用的经典方法。是确定两种蛋白质在完整细胞内生理性相互作用的有效方法。 注意：在准备做磷酸（酯）酶实验的时候，不加磷酸酯酶抑制剂。 一、工作液配制配制 100 ml 的 modified RIPA buffe：1.称取 790 mg 的 Tris-Base，加到 75 ml 去离子水中，加入 900 mg 的 NaCl，搅拌，直到全部溶解，用 HCl 调节 PH 值到 7.4；2.加 10 ml 10% 的 NP-40；3.加 2.5 ml 10% 的去氧胆酸钠，搅拌，直到溶液澄清；4.加 1 ml 100 mM 的 EDTA，用量筒定容到 100 ml，2～8 ℃ 保存；5.理论上，蛋白酶和磷酸酯酶抑制剂应该在使用当天同时加入（抑蛋白酶肽，亮抑酶肽, 胃蛋白酶抑制剂各 100 μl；PMSF，Na3VO4，NaF 各 500 μl），但是 PMSF 在水溶液中很不稳定，30 分钟就会降解一半，所以 PMSF 应该在使用前现加，其他抑制剂成分可以在水溶液中稳定 5 天。 二

你是不是每次做纯化实验心里都会默念：退！退！退！有关纯化实验的所有问题都退！感觉像是在作法而不像是在做实验。虽然蛋白纯化被认为是考验基本功的实验，但接踵而至的考验只会让原本不熟练的实验雪上加霜，导致纯化实验失败了一次又一次……失败原因五花八门，比如：标签蛋白纯不出来，过了分子筛跑 SDS 胶还一堆杂带？面对着样品的精细分离，却不会选层析柱？纯化得到的组分中没有或只有少量目的 His 标签蛋白，知道了蛋白等电点却不知如何选择离子交换层析......遇到这些问题别担心，「纯化密卷」来帮忙！！在这份 CIPP（Capture, Intermediate purification，Polishing，层析策略）纯化密卷中，我们对大家纯化过程中遇到的常见问题，一一做出了解答，更有九大层析策略，让专业的人帮你搞定一切困难～生物分子间的分离纯化主要依据分子间在物理和化学性质上的差异来实现的，包括大小、电荷、疏水和极性等，部分蛋白还具有特殊的亲和特性。另外，可以综合利用多种不同的性质差异，采用特殊的「多模式填料」进行分离。每种层析技术各有优势和特点，「组团出道」才能到达最佳的纯化效果。希望通过这份密卷

免疫亲和层析法常用于蛋白质等生物大分子的纯化。但你是否想过，一根亲和层析柱子也能用来进行细胞分选，而且还不使用高亲和力抗体？在细胞分选中，我们常常利用免疫识别特性来进行，比如流式分选(FACS)和免疫磁分选(MACS)。免疫细胞的划分是依据表面标志 CD 分子，可以被抗体识别。比如针对 CD4 + T 细胞这一特定类群，表面含有 CD45、CD3 和 CD4 标记。而表达 CD4 就是辅助性 T 细胞的特征。由此而来，免疫磁分选利用特定抗体偶联磁珠来捕获细胞。细胞与磁珠结合后，再利用磁分离器来分选。但具体选用何种方法，还是要看下游的研究。如果，想在选出的 CD4 + T 细胞上做基因功能研究，就不能采用会影响靶细胞基因表达或者会刺激细胞的方法，还得获得大量高纯度、高活力的细胞。而高亲和力抗体的使用，则不免对细胞产生刺激。如果为了避免刺激细胞，不使用高亲和力抗体，细胞分选该如何进行呢？无踪免疫亲和层析(TACS)细胞分选对于这个问题，来自德国 IBA Lifesciences 的团队考虑到了亲和层析法。 进行蛋白纯化最常用的方法之一，是亲和层析法，借助标签和配体的亲和力进行蛋白纯化。纯化

2021 年 3 月 10 日，浙江大学基础医学院柯越海教授团队在 Journal of Extracellular Vesicles 杂志在线发表了题为 Phosphatase Shp2 regulates biogenesis of small extracellular vesicles by dephosphorylating Syntenin 的研究论文。 该研究发现一组酪氨酸磷酸酶调控细胞外囊泡 (extracellular vesicles) 的合成与分泌，阐明了其中的磷酸酶 PTPN11/Shp2 通过去磷酸化修饰负向调控肺泡上皮细胞外泌体的生成，提示了磷酸酶参与肺部炎症微环境的新的作用途径。外泌体 (Exosome) 是细胞外囊泡的一种主要形式，基本结构为 20-200 nm 的纳米级膜结构，近年来研究显示外泌体是细胞间信息传递的主要载体，在生理或病理条件性，外泌体合成与释放可介导各类生物活性分子传递，广泛参与调控疾病发生发展进程，解析外泌体调控机制有望深入理解复杂微环境信号转导的共性特征。磷酸化效应是信号调控的重要的翻译后修饰方式，是解析分子机制的生化基础，也是药物

首先要了解什么是噬菌体噬菌体是感染细菌、真菌、放线菌或者螺旋体等微生物病毒的总称，在电子显微镜下有三种形态：蝌蚪形、丝形、微球形，因部分能引起宿主菌的裂解，故称为噬菌体。跟别的病毒一样，噬菌体只是一团由蛋白质外壳包裹的遗传物质，大部分噬菌体还长有“尾巴”，用来将遗传物质注入宿主体内。更狠的是，噬菌体颗粒感染一个细菌细胞后可迅速生成几百个子代噬菌体颗粒，每个子代颗粒又可感染细菌细胞，再生成几百个子代噬菌体颗粒。当把细 ...

细胞自噬是从单细胞酵母细胞到复杂多细胞生物的所有真核生物中高度保守的细胞内降解代谢途径。自噬对细胞应对营养缺乏等多种应激条件具有至关重要的作用，与多种疾病如神经退行性疾病、衰老、肿瘤和炎症等密切相关。细胞自噬的分子过程受到多种蛋白质翻译后修饰的调控。蛋白质赖氨酸乙酰化修饰已经被广泛发现可以动态、有效的调控自噬的活性。此外，蛋白质赖氨酸乙酰化修饰在自噬以外的其他生物学过程中也发挥重要调控作用。不同于蛋白质赖氨酸乙酰化修饰（乙酰基团共价连接到赖氨酸侧链氨基），蛋白质 N-端乙酰化修饰是指乙酰基团共价连接到蛋白质第一个氨基酸主链氨基。已有研究对蛋白质 N-端乙酰化修饰的功能和分子机制的探索相对较为薄弱。2021 年 11 月 16 日，四川大学卢克锋研究员团队联合四川大学生物治疗国重李绘绘副研究员团队和四川大学华西医院戴伦治教授团队在在《Cell Reports》杂志在线发表题为 Function and molecular mechanism of N-terminal acetylation in autophagy 的研究论文，该研究揭示 B 型蛋白质 N-端乙酰化修饰特异对自噬途径的

DNA 双链断裂可由外在因素（电离辐射和活性氧等）或内在因素（DNA 复制错误和 V（D）J 重组等）造成，从而激发 DNA 损伤应答，包括 DNA 修复、细胞周期调控、细胞衰老和细胞凋亡等。DNA 损伤应答由 PIKK（phosphoinositide-3-kinase-related kinase）家族蛋白激酶催化下游蛋白的磷酸化而启动，包括 DNA-PK（DNA 依赖性蛋白激酶）、ATM（Ataxia Telangiectasia Mutated）和 ATR（ATM-Related and Rad3-Related）三种激酶。其中，DNA-PK 是非同源末端连接（Non-homologous end joining，NHEJ）通路中的关键蛋白激酶，由 DNA-PKcs（DNA-PK 催化亚基）、Ku70/80 和 DNA 末端组成，其全酶装配会进一步招募 NHEJ 相关的连接酶和修复蛋白，包括 DNA 连接酶 IV、XRCC4（X-ray cross complementing protein 4）、XLF（XRCC4-like factor）和 Artemis 等。由于激酶结构