ngs数据分析结果只占一篇science文章的一张大图的3张子图

了解science杂志的都知道，发表在上面的研究文章通常只有4张figures，不过每一张图其实是多张子图的合并，而我今天要介绍的文章就很有趣，本来应该是纯粹的湿实验文章，但是却引入了ngs数据，虽然只占版面的一张大图的3张子图！

保持遗传稳定性的两个关键机制包括DNA损伤修复 (调控基因组稳定性)以及有丝分裂检测点（调控染色体组稳定性）。

ATR蛋白是一个与ATM 相关的调控DNA损伤修复的主要蛋白激酶,在DNA复制过程中ATR的丢失会增加S期的基因组不稳定性并影响随后的有丝分裂。

FOXM1这个转录因子在大部分癌症是高表达的，也有文献表现它的高表达量加速了细胞分裂。

背景知识

细胞周期检查点

细胞周期检查点 （checkpoint）是细胞周期（cell cycle）中的一套保证DNA复制和染色体（chromosome）分配质量的检查机制，是一类负反馈调节机制。当细胞周期进程中出现异常事件，如DNA损伤或DNA复制受阻时，这类调节机制就被激活，及时地中断细胞周期的运行。待细胞修复或排除故障后，细胞周期才能恢复运转。

根据在细胞周期（cell cycle）中的时间顺序，可将checkpoint分为三类 ，G1/S, G2/M, and metaphase/anaphase transitions.

• 1：G1期 (Restriction) Checkpoint
• 2：G2 Checkpoint
• 3：Metaphase Checkpoint （细胞分裂期，M期）

也就是说，从S（DNA合成期）到 G2（DNA合成后期）的调控目前是不清楚的。

细胞有丝分裂周期

有丝分裂（mitosis）又称为间接分裂，分裂具有周期性，即连续分裂的细胞，从一次分裂完成时开始，到下一次分裂完成时为止细胞周期细胞周期，从形成子细胞开始到再一次形成子细胞结束为一个细胞周期。在有丝分裂期间，细胞会将其复制的基因组分成两个相同的子细胞。 这个过程必须毫无错误地进行，否则就会出现增殖性疾病（例如癌症）。 一个细胞周期包括两个阶段：分裂间期和分裂期。

• 分裂间期分G1（DNA合成前期）、S（DNA合成期）、G2（DNA合成后期） 期，分裂间期为分裂期进行活跃的物质准备，完成DNA分子的复制和有关蛋白质的合成，同时细胞有适度的生长（这两个阶段所占的时间相差较大，一般分裂间期大约占细胞周期的90%-95%；分裂期大约占细胞周期的5%-10%。细胞种类不同，一个细胞周期的时间也不相同。）
• M期，即分裂期又分为分裂前期、分裂中期、分裂后期和分裂末期。细胞在分裂之前，必须进行一定的物质准备。细胞增殖包括物质准备和细胞分裂整个过程。有丝分裂是一个连续的过程按先后顺序划分为间期、前期、中期、后期和末期五个时期，在前期和中期之间有时还划分出一个前中期。

与有丝分裂有关的细胞器

• 中心体——与纺锤体的形成有关；
• 线粒体——与提供能量有关 ；
• 高尔基体——与植物新形成的细胞壁有关；
• 核糖体——与全过程需要的蛋白质合成有关，主要与间期进行的DNA复制需要的蛋白质有关；
• 纺锤体——纺锤体是产生于细胞分裂前初期到末期的一个特殊细胞器。

有丝分裂相关基因

在 Gene Ontology (Gene Ontology Consortium) 数据库有注释这个功能相关基因集，属于C5_BP: Archived GO biological process

• http://amigo.geneontology.org/amigo/term/GO:0007067
• http://software.broadinstitute.org/gsea/msigdb/cards/MITOSIS

主要基因有：

基因组稳定性维持是一切生命活动的基础，然而，多种外源和内源因素作用下产生的广泛DNA损伤和复制压力，构成了基因组不稳定的主要来源。ATR激酶负责启动细胞对基因组不稳定的响应和修复，一旦感应到DNA损伤和复制叉压力会迅速活化，直接磷酸化细胞内超过1000个重要底物（包括抑癌基因p53编码蛋白、细胞周期调控蛋白等），全局性地调控基因组的稳定。ATR及其参与的信号通路对基因组稳定，肿瘤的发生、发展和治疗至关重要。

• https://ghr.nlm.nih.gov/gene/ATR
• https://www.genecards.org/cgi-bin/carddisp.pl?gene=ATR

转录组数据

文章里面写到了，数据上传到了GSE116131，如下：

实验设计的很好，随意进入一个组，GSM3209418可以看到都是3个测序数据的：Runs: 3 runs, 121.5M spots, 18.5G bases, 7.2Gb

转录组数据分析流程算是中规中矩，如下：

作者公布了其分析后的表达矩阵，同时也有测序数据，所以如果自己想对这个数据集做一下超出基因表达量的其它分析，可以考虑下载原始数据自己走一波分析，数据如下；

各种配对的差异分析后，作者展现的是热图，但不是表达量热图，而是差异倍数的热图，通过python脚本聚类后把1767个显著差异基因分成5组。

其中一个差异分析结果，作者还把火山图展示了一下：

作者最关心的是第五组，进行GO注释分析其功能是细胞有丝分裂相关的 ：

为了说明第5组基因的特别之处，作者根据背景知识，去ENCODE数据库里面挑选了一下公共CHIP-seq数据集来展示：

当然，RNA-seq这样的转录组数据，最后是少不了RT-qPCR这样的实验验证。

点评

本研究既然发表在science杂志，科研水平那必须是值得肯定的，其实本来是纯粹的各种各样的传统分子细胞生物学湿实验组合即可，但是研究团队仍然是引入了RNA-seq这样的测序数据，虽然分析很普通，而且测序数据结果分析只占用了全文不到5%的篇幅，但仍然是一个很好的兆头，可以这样说，以后的生物学研究终于要走入正轨了，全面信息化！

可以这么说，以后那些没有生物信息学数据分析的生物学研究是不完整的。