非編碼RNA+m6A雙熱點

m6A作為國自然的研究熱點，相關研究在各種高水平雜誌上頻頻出現；非編碼RNA作為國自然的寵兒，研究熱度同樣只增不減。相信今天的非編碼RNA+m6A雙熱點的思路可以彌補你沒有搶佔到m6A研究先機的困擾。

今天這篇文章，識別了低級別膠質瘤m6A相關lncRNA，可以作為識別患者總體生存的生物標誌物。文章八月份發表在Frontiers in Cell and Developmental Biology（IF: 5.201）。

m6A相關的lncRNAs是預測低級別膠質瘤患者總體生存率的潛在生物標誌物

一、摘要：

在TCGA和CGGA數據集中，作者研究了m6A相關lncRNA的預後價值。基於皮爾森相關篩選與m6A相關的lncRNA，通過單變量cox和LASSO回歸，識別了9個潛在的lncRNA，並且進行了驗證。最後基於m6A相關lncRNA構建了ceRNA網絡，進一步探索了lncRNA在腫瘤中的發生發展機制。

二、材料方法：

1.數據：TCGA與CGGA中低級別腦膠質瘤表達數據(LGG)。22個臨床樣本的qRT-PCR 。

2.方法：K-M，cox，LASSO，SPSS，PCA，GSEA，Nomogram。

三、結果：

1.基於表達相關性進行LGG患者中與m6A相關的lncRNA的鑑定，識別了24個預後相關的lncRNA

圖1.流程圖以及m6A相關基因與預後相關lncRNA相關性

2. TCGA數據集中m6a-LPS的構建，通過LASSO生成了包含9個lncRNA的風險模型m6a-LPS

圖2.LASSO以及TCGA與CGGA樣本生存分析

3.與m6A相關的lncRNA的預後分析，利用單變量cox分析評估lncRNA預後作用

圖3.包括在預後籤名中的9個m6A相關lncRNA的預後能力的森林圖

4.m6a-LPS的分層分析，探索臨床特徵與風險評分的相關性

圖4.不同臨床特徵患者lncRNA標誌物的預後價值

5.主成分分析發現lncRNA大部分與m6A reader相關

圖5.9個lncRNA主成分分析

6.通路和過程富集分析和基因組富集分析

圖6. 低風險和高風險亞組之間的2571個差異表達基因（DEG）的功能分析

7.m6A-LPS是LGG患者的獨立預後因素以及列線圖構建

圖7.風險評分作為獨立預後指標以及列線圖

8.ceRNA網絡的構建和功能富集分析

圖8.7個與m6A相關的lncRNA的ceRNA網絡

9.神經膠質瘤樣品中5種與m6A相關的lncRNA表達水平的驗證

圖9.RT-qTCR實驗驗證lncRNA表達水平

總結：

文章利用TCGA數據，通過表達水平識別了與m6A因子相關的lncRNA。利用單變量cox和LASSO篩選了與預後相關的lncRNA，並且利用CGGA數據進行驗證，最後利用實驗驗證了所識別的預後相關lncRNA的表達水平，還構建ceRNA網絡。文章思路雖然簡單，卻十分清晰，公共數據加上實驗驗證也較為完備。需要劃重點的是，如果你還在煩惱自己想做的m6A相關研究或者非編碼相關研究已經被人搶佔先機，m6A+非編碼的思路非常適合你。