说了那么久的APA，生信发文何去何从_生信分析和meta分析有什么不同

 

1.生信分析和meta分析区别

原标题：说了那么久的APA，生信发文何去何从撰写：生信大师姐 来源：小张聊科研平台的“ i生信”公众号，微信公众号搜索“ i生信”即可关注/扫描关注见文末#生信分析# #生信发文# #单细胞APA# 前面四天分别介绍了APA（选择性多聚腺苷酸化，alternative polyadenylation）的概述、bulk水平及单细胞水平的APA数据库、APA的研究概况及期刊介绍，详情可浏览文末推荐阅读链接~今天我们一起来看APA这个科研热点如何辅助咱们进行生信发文。

2.meta分析和生信分析哪个更易入门

APA生信成文四大方向首先，可以开发APA检测的算法这里还可以细分，对bulk数据适用，对单细胞数据适用，还有对bulk数据和单细胞数据均适用，对APA测序数据适用，对常规转录组数据即可适用除此之外，即使是同一种数据，不同的人也可以开发不同的算法，可还行？。

3.生信分析和meta分析学哪个

（ DOI: 10.1186/s13059-021-02429-5）

4.生信结合meta分析

（ DOI: 10.1073/pnas.2113504119）其次，可以用别人开发的算法对公共数据进行处理，进而构建数据库这里同样可以细分，bulk数据的数据库，单细胞数据的数据库，不同物种的数据库，不同组织部位的数据库，不同细胞类型的数据库。

5.生信和meta哪个容易发表

总之，数据特点不同，数据库就能翻出花来，这一点，Nucleic Acids Res应该深有体会

6.生信mapping

（DOI: 10.1093/nar/gkl870）

7.生信分析入门教程

（DOI: 10.1093/nar/gkab917）再次，可以落脚到APA相关的工具酶基因APA是一种RNA修饰方式，而大家所熟知的m6A也是一种RNA修饰方式，所以凡是“基于m6A相关基因探究A疾病的B情况”这个思路的文章，APA也适用。

8.生信分析是啥

升级版的还可以同时关注多种RNA修饰的工具酶基因，还可以再加上m5C，这里让想象力飞一会

9.生信分析小白怎么入门

（DOI: 10.3389/fimmu.2022.932876）

10.生信分析是什么意思

（ DOI: 10.1016/j.ebiom.2022.104268）最后，当然不能忽略APA本身就是一种信息对于转录组数据的分析，常规我们只使用其中的表达量信息，但是表达量以外的信息，如可变剪切，如APA，这种序列变化所反应的信息同样也可以作为分析的数据来源。

而不管是机制研究还是生信分析，这种关注的比较少的方向，都意味着研究的创新性

（DOI: 10.1038/s41467-021-25388-8）

（DOI: 10.7150/thno.40944）APA生信成文案例解析我们以一篇文章为例，具体再看下如何基于APA本身进行生信分析的吧~文章标题：Alternative polyadenylation drives oncogenic gene expression in pancreatic ductal adenocarcinoma（DOI: 10.1101/gr.257550.119）。

研究背景选择性多聚腺苷酸化（APA）是一种基因调控过程，决定mRNA 3’-UTR长度，3’-UTR长度的改变可以通过破坏miRNA或RNA结合蛋白的调节来调节mRNA的稳定性、功能或亚细胞定位APA是由大量的聚腺苷酸因子复合物驱动的，这些因子在poly(A)尾巴裂解和添加之前识别新合成的pre-mRNA上3 UTR内的一系列高度保守的序列（poly(A)位点，PAS）。

因为大多数转录本包含多个poly(A)位点(PAS)，在哪里裂解的选择是3 -UTR长度的关键决定因素APA在肿瘤中经常被破坏，并通过改变癌基因和肿瘤抑制因子的表达促进肿瘤的发生泛癌症分析揭示了整个肿瘤领域的常见APA事件，然而，对肿瘤类型特异性改变知之甚少。

胰腺导管癌（PDAC）的5年生存率为9%，确定驱动异常基因表达的调控机制对于理解疾病的发病机制至关重要一种最近被认为是基因表达的关键驱动因素的调节机制是选择性聚腺苷酸化(APA)研究思路为了确定APA在PDAC中的相关性，作者使用来TCGA-PAAD研究的148个PDAC肿瘤和GTEx项目的184个正常胰腺的RNAseq数据对PAS使用的变化进行了分析，以确定APA的趋势、对基因表达的影响以及miRNA调控的影响。

研究方法在这篇文章中，作者使用DaPars算法对RNA-seq数据进行APA事件的识别DaPars算法为每个样本的给定基因生成一个PDUI评分，进而量化样本中该基因的poly(A)位点（PAS）使用倾向于远端PAS使用的基因(长3 UTRs)的PDUI得分接近1，而倾向于近端PAS使用的基因(短3 UTRs)的PDUI得分接近0，最终输出一个每个样本的基因对应的PDUI矩阵。

为了比较肿瘤和正常样本之间某一特定基因的3’-UTR变化，作者将该基因的PDUI评分在肿瘤和正常样本上取平均值，计算每个基因在肿瘤和正常样本之间的平均PDUI评分的变化，并用于测量肿瘤相关的3 -UTR缩短或延长。

研究结果首先，作者对RNA-seq数据的综合分析确定了与PDAC相关的3 UTR改变通过方法中提到的基于DaPars算法产生可以表征3 UTR长度的PDUI得分，进而比较疾病组和对照组中的3 UTR改变情况，作者发现PDAC中3 -UTR缩短事件的数量高于延长事件，许多与PDAC生长相关的基因（如PAF1）在PDAC样本中均出现了3 -UTR缩短，作者推测APA可能调节了这些基因的表达。

最后作者也3 RACE检测实验验证了DaPars算法的结果

其次，作者发现3’UTR改变在PDAC患者中广泛存在，且在PDAC通路中富集作者基于DaPars算法产生可以表征3 UTR长度的PDUI得分对PDAC患者进行聚类分析，最终将PDAC分为5个特定基因集3 -UTR改变为特征的患者亚型，而3 UTR改变的基因也富集在PDAC相关的通路上。

接下来，作者进一步探究了APA事件是否可以预测PDAC患者的预后作者基于显著3 -UTR改变及单因素分析预后显著的基因进行了聚类分析，进而探究不同聚类样本的生存差异结果发现，队列A和队列C在总生存期上有显著差异，队列C患者的生存期明显长于队列A 。

因此，作者推测APA类型可作为PDAC的独立预后指标

编者按：写到这里，突然闻到了熟悉的味道有没有？本质上，上述APA相关分析，就是用PDUI得分代替了表达量，产生了一个新的矩阵，但是产生矩阵之后的分析方法都还是大家熟悉的配方但是脱离了常规表达量的分析，就意味着创新性~。

最后，作者基于实验探究了APA驱动PDAC蛋白表达改变的机制最终发现APA介导的肿瘤抑制miRNA结合位点的缺失与患者预后不良相关。

原文链接：https://mp.weixin.qq.com/s/n0CSl0kLA3bRZ8E-mBeHRw返回搜狐，查看更多责任编辑：