科研入门 · 候选分子筛选
想寻找一个能够影响疾病进展的关键分子,应该怎么做?
刚开始做一个疾病相关课题,导师让你寻找一个可能影响疾病进展的关键基因,你会从哪里入手?
你可能会想到,先查文献,看看别人研究过哪些基因,再从中找一个比较有潜力的。
这个思路当然可以,但如果你希望从大量候选基因中系统地寻找研究对象,其实还有一条路线:先利用公开数据发现异常表达的基因,再结合患者的临床信息逐步筛选,最后用真实组织样本确认候选分子的表达特征。
发表在《Advanced Science》上的一篇肝细胞癌研究,就提供了一个很好的例子。
这篇文章研究的是一个叫作ADISSP的蛋白。作者最终发现,它与乙肝相关肝细胞癌的进展和免疫治疗反应有关。
但我们今天先不讨论它后续的作用机制,也不展开基因敲减、过表达等功能实验,把注意力放在文章最开始的部分。
作者究竟是怎样从大量基因中找到ADISSP的?如果换成自己的课题,这套方法又应该怎么使用?
一、先想清楚,你究竟希望找到什么样的分子?
寻找候选分子之前,一个问题先弄明白:你希望这个分子与疾病的哪一种变化有关?
比如,同样是研究肝细胞癌,有人希望寻找能够区分肿瘤组织与正常组织的诊断标志物,有人关注肿瘤的侵袭与转移,还有人希望找到与患者生存时间或者药物耐受有关的分子。
虽然都叫寻找关键基因,但这些研究问题对应的筛选方法其实有很大区别。
如果你想寻找的是疾病发生过程中异常表达的基因,那么比较疾病组织和正常组织,就是一个合理的起点。
如果你关注的是疾病进展,除了表达差异,还需要进一步考虑疾病分期、严重程度、复发或者患者生存结局。
如果你研究的是药物耐受,那么耐药与敏感样本之间的差异,就更加重要。
回到这篇文章,作者选择的是乙肝相关肝细胞癌。他们既关注肿瘤进展,也希望找到可能与治疗反应有关的分子。
这就决定了他们在筛选时,需要同时考虑疾病相关的表达变化和临床预后信息。
科研方法 · 把研究目标转化为指标
这里涉及科研选题中很基础的一步:把研究目标转化为可观察的指标。比如,“寻找影响疾病进展的基因”是一个比较宽泛的问题,而“寻找在疾病组织中持续上调,并且与较差生存结局相关的基因”,就已经可以转化为具体的数据筛选任务。后续实验应该怎样设计,往往取决于前面有没有把研究问题定义清楚。
二、从哪里寻找候选基因?先利用公开数据库
确定研究对象以后,接下来就需要获得能够反映疾病状态的分子数据。
现在有不少公开数据库保存了研究者上传的转录组数据,其中比较常用的就包括GEO和TCGA。
GEO数据库收录了大量不同疾病、组织和细胞模型的基因表达数据,而TCGA提供了多种肿瘤的分子数据及相应的临床信息。
这意味着,即使还没有开始收集自己的临床样本,我们也可以先利用已有数据,初步了解某种疾病中哪些基因发生了变化。
这篇文章的作者就使用了这样的思路。
他们整合了多个乙肝相关肝细胞癌数据集,包括GSE105130、GSE122482、GSE65485以及经过乙肝相关病例筛选的TCGA-LIHC数据。
此外,作者还分析了索拉非尼耐药肝癌细胞的数据集GSE109211,希望从药物耐受的角度获取更多线索。
这里我们可以先学习如何建立自己的数据筛选方案。
假设你正在研究某种疾病,可以先进入GEO数据库,输入疾病名称,再根据研究问题加入组织类型、疾病亚型或治疗状态等关键词。
例如,研究乙肝相关肝细胞癌时,可以尝试使用HBV hepatocellular carcinoma等关键词检索,再逐个查看数据集的样本信息。
找到数据集以后,先检查它包含哪些样本。
有没有疾病组和对照组?样本来自患者组织还是细胞模型?病例是否符合你关注的疾病亚型?有没有治疗史或者其他可能影响基因表达的因素?
这些信息比单纯下载多少个数据集更重要。
比如,你研究的是乙肝相关肝癌,却把其他病因的肝癌样本直接混在一起,最后筛选出来的差异基因就能受到病因构成的影响。
同样,患者组织与药物耐受细胞系也代表着不同的生物学比较,适合分别分析,再根据研究问题整合结果。
科研方法 · 控制研究对象的一致性
这一步可以理解为研究对象的一致性控制。公开数据虽然容易获取,但不同研究采用的样本来源、实验平台和纳入标准可能不同。如果忽略这些差异,筛选结果包含技术因素和样本构成造成的变化。比较稳妥的做法是先建立一份数据集记录,写清每个数据集的疾病类型、分组、样本量、检测平台和用途,再决定哪些数据适合一起分析。

