今天师妹给大家推荐一个热点基因集——应激颗粒（Stress Granules）。
应激颗粒是细胞在氧化应激、热休克或病毒感染等应激状态下通过液-液相分离形成的无膜细胞器，主要通过暂时关闭mRNA和蛋白质来保护细胞并调控蛋白质翻译。通常应激消除后会自行解离，调控异常时，蛋白质异常聚集并形成毒性聚集体。
SG与神经退行性疾病、肿瘤、病毒感染等密切相关，应用范围很大，在很多高分顶刊都有文章发表，但更多集中在实验方向，目前的生信相关发文还非常少，妥妥的发文空缺，下面给出一套可用的思路。
文章由南京医科大学附院发表探究应激颗粒相关基因（SGRGs）在胰腺导管腺癌（PDAC）中的预后价值与微环境机制，是一篇纯生信，自己复现发个5分左右完全够用，再高的分数可能就得卷一点新技术或者实验了，具体分段设计可以找云生信团队咨询。
SG选题是文章的核心亮点，相关基因集在genecards就可获取，无需通过文献收集，现有发文量少。新概念、热点都可以用这种找到基因集的思路。尤其SG与神经退行性疾病的关联，牵扯到压力触发机制，师妹觉得很有潜力，神经心理科室的朋友可以重点关注一下。
选题够新，思路是相对基础的走“量”的分析，不过也有亮点：一是WGCNA和101机器学习的筛选策略；二是单细胞、拟时序和细胞通讯分析，机制讲得很透，很提新颖度。
整体难度不大，几乎所有热点基因集都可以用，上手操作比较吃设备性能和分析熟练度，云生信可以帮大家合理规划数据选择、方法联合，助力分析转化落地，有需要随时联系~
数据
PDAC批量转录组：TCGA-PAAD、GSE28735、GSE183795、GSE62452，单细胞：GSE197177、GSE212966，应激颗粒基因（SGRGs）：844 个。
方法思路
1.差异分析筛选PDAC-DEGs，与SGRGs取交集得90个DE-SGRGs，进行GO、KEGG富集分析并构建PPI网络。
2.用10种机器学习算法组合出101种模型，选C-index最高的模型，确定核心基因。
3.构建风险评分模型，通过KM、1/2/3年ROC曲线、独立预后价值、列线图验证。
4.基于风险评分将样本分为高、低分组，通过免疫浸润分析、免疫检查点表达、药物敏感性和突变差异分析进行验证。
5.单细胞注释，锁定关键细胞，拟时序分析动态表达，细胞通讯分析信号交流。
主要结果
筛选得到90个DE-SGRGs，101种机器学习组合筛选出4个核心预后基因。
模型在训练集和验证集都有良好稳定的预测效能，风险评分是独立预后因素，与年龄、N分期构建列线图预测效能优秀。
高风险组的M0巨噬细胞、嗜酸性粒细胞浸润显著升高，低风险组的CD8+T细胞、单核细胞显著升高，风险评分与免疫评分、基质评分呈负相关，高风险组免疫检查点更高。
低风险组对JAK1_8709、sabutoclax更敏感，高风险组对ERK抑制剂、曲美替尼、VX-11e更敏感。
高风险组KRAS、TP53、SMAD4突变率更高，低风险组突变负荷更低。
ITGA6显著富集于糖酵解调控，其他富集于血管重塑、IL-27 信号、DNA 合成等。
4个基因主要在导管细胞高表达，是关键细胞。
拟时序显示导管细胞分6个亚群、3个状态，4个基因随分化动态变化。
细胞通讯发现导管细胞与成纤维细胞互作最强，PDAC中信号显著增强。
师妹笔记
这篇文章的核心亮点就是氧化应激相关基因集选题，本身有热度，目前生信发文少，前景很好，搭配基础的思路就可以发一个不错的分数，既可以短平快纯生信发文，也可以作为创新点深挖，机不可失，有需要的朋友不要错过了！想走热点基因集发文的朋友，可以找云生信团队！选题设计→定制方案→个性化分析都靠谱！
