这样傻瓜式的microRNA互做调控网络分析都可以发到3+，动次打次

MicroRNA（miRNA）是前几年的研究热点，其功能几乎覆盖了生命体的各个时期、各个过程，超过三分之一的基因都会受到miRNA调控。miRNA可以通过调控其靶基因的进而影响蛋白表发，从而在疾病的调控中发挥重要作用。在肿瘤研究方面，单纯的基因研究可能创新性不够，而加上miRNA和其他调控因子便能瞬间提高文章的新意。大家可能觉得这样简单的纯生信分析思路想发到3分以上简直是新时代的东京白日梦女呀，可偏偏这里有一篇白日梦SCI呢，大家可以赶紧过来了解下。

这是一篇2020年发表在frontiers in genetics（ IF=3.258）杂志上的结直肠癌3+的miRNA联合靶标mRNA的纯生信文章：Identification of MicroRNA-Target Gene-Transcription Factor Regulatory Networks in Colorectal Adenoma Using Microarray Expression Data。

首先作者从GEO数据库下载了4个mRNA和1个miRNA的表达谱数据集，进行差异mRNA和miRNA的筛选，并对差异mRNA进行了功能分析和PPI网络构建。接下来对差异miRNA的靶基因进行了预测，构建了miRNA-靶基因-转录因子调控网络，通过网络确定关键的miRNA。具体流程图如下图所示：

结果展示

差异基因和miRNA的筛选

共从GEO数据库中获得了四个mRNA和一个miRNA表达谱数据集，其中包括168个结直肠腺癌（CRA）和87个健康样本。将四个mRNA表达谱鉴定的上调基因和下调基因进行韦恩图分析取交集，重叠的上调基因和重叠下调基因被认为是常见的DEG（包括CRA样品中的135个上调基因和379个下调的基因，共514个）（图1）。此外，miRNA表达谱筛选了167个DEM，包括61个上调的miRNA和106个下调的miRNA。

功能和通路富集分析

通过ClueGO插件对DEGs进行GO富集分析，包括生物过程（BP），细胞成分（CC）和分子功能（MF），以及KEGG通路分析。在BP相关类别中，最显着富集是regulation of cell migration (GO:0030334) with p-value = 4.67E-14, regulation of cell motility (GO:2000145) with p-value = 1.05E-12, regulation of locomotion (GO:0040012) with p-value = 3.98E-12, regulation of cellular component movement (GO:0051270) with p-value = 2.37E-11， cell surface receptor signaling pathway with p-value = 6.73E-11。此外，最显着富集的CC功能有extracellular space (GO:0005615) with p-value = 2.25E-11, plasma membrane part (GO:0044459) with p-value = 2.00E-08, microvillus membrane (GO:0031528) with p-value = 9.38E-08, intrinsic component of plasma membrane (GO:0031226) with p-value = 1.38E-07, apical plasma membrane (GO:0016324) with p-value = 1.86E-07。显著的MF过程有glycosaminoglycan binding (GO:0005539) with p-value = 2.67E-11, heparin binding (GO:0008201) with p-value = 8.42E-09, carbonate dehydratase activity (GO:0004089) with p-value = 8.81E-07, G-protein coupled receptor binding (GO:0001664) with p-value = 1.06E-05, receptor ligand activity (GO:0048018) with p-value = 1.09E-05。通路富集分析结果显示，DEGSA主要参与nitrogen metabolism (KEGG:00910) with p-value = 4.30E-06, bile secretion (KEGG:04976) with p-value = 1.47E-04, Leukocyte transendothelial migration (KEGG:04670) with p-value = 2.81E-04, hematopoietic cell lineage (KEGG:04670) with p-value = 3.59E-04 and aldosterone-regulated sodium reabsorption (KEGG:04960) with p-value = 5.05E-04等通路 （图2）。

PPI网络的构建与分析

将514个DEG构建了一个PPI网络，包括325个结点和890条边，确定了排名最高的前20个节点。然后，将这些前20个节点中的13个共有基因确定为关键分子，包括PHLPP2，MYC， IGF1， CD44， GNB4， CXCL12， CSF1R， ADCY9， CCL5， GCG， DCN， ITGA2和APOE。接下来，进行模块分析，总共获得16个模块。得分最高的最高模块包含17个节点和136条边（图3）。此外，对模块中的基因进行了功能分析，发现这些基因显著富集到35个GO条目和5条KEGG通路。

DEMs的靶基因预测

基于6种生物信息学工具（miRWalk2.0，Pictar2，PITA，RNA22v2，RNAhybrid2.1和Targetscan6.2）来预测差异表达miRNA的潜在候选靶基因。总共获得了2231个靶基因。随后，将这些靶基因与DEG进行比较，共筛选出80重叠基因。随后去除这些表达水平与miRNA正相关的靶基因后，构建了靶基因和DEM之间的调控网络（包含111个节点和106条边；21个上调的miRNA，35个下调的miRNA，22个上调的靶基因和33个下调的靶基因）。通过对网络进行拓扑结构分析，确定了前10个节点度高的节点。在这前10个节点中，我们发现了2个常见的DEM（hsa-miR-34a和hsa-miR-96）。hsa-miR-34a和hsa-miR-96都调控9个靶基因 （图4）。

构建miRNA-靶基因-转录因子（TF）调控网络

作者将两个常见的miRNA（hsa-miR-34a和hsa-miR-96）被确定为关键miRNA。为了进一步阐明关键miRNA的功能，分别构建了这些关键miRNA的miRNA-靶基因-转录因子调控网络。hsa-miR-34a和hsa-miR-96的调控网络分别包括两个和一个TF。

结直肠癌（CRC）和结直肠腺癌的比较

此外，作者用以上相似的分析流程用来比较CRC样本和CRA样本。

总结

总之，通过生信方法研究肿瘤，可以通过miRNA靶向某些mRNA起作用，再引入其他调控因子，如转录因子、LncRNA等，构建调控网络，可以很好地解释作用机制。这个思路很容易模仿，你学会了吗？即使咱一下子没学会，那也不用发愁呀，现在只要做转录组测序，这些分析结果就都是全包的呢。动次打次~一起来学起来吧！！！

Gao Y, Zhang S, Zhang Y, Qian J. Identification of MicroRNA-Target Gene-Transcription Factor Regulatory Networks in Colorectal Adenoma Using Microarray Expression Data. Front Genet. 2020 May 19;11:463. doi: 10.3389/fgene.2020.00463. PMID: 32508878; PMCID: PMC7248367.