前几天一直在和大家分享一些关于3'UTR以及3'UTR当中的APA(Alternative Polyadenylation)的东西，为什么要话这么久的时间分享这些呢，主要还是看到了两篇利用TCGA数据来挖掘APA进行发文章的文献。而其中的一些东西，也是值得我们进行继续挖掘(发文章的)。
今天先和大家分享一篇，是2018年发表在JNCI(IF = 10.211)上的一篇利用TCGA数据挖掘APA相关信息的泛癌的文章。
image
文章的主要流程
这篇文章主要做的还是利用TCGA、ENCODE细胞系以及CCLE药物处理细胞系的RNA-seq数据，通过DaPars开发的算法来评价各个样本当中远端PolyA位点占比(Percentage of Distal polyA site Usage Index, PDUI)。利用PDUI这个值来评价各个肿瘤当中APA的发生情况。以及和临床参数另外和药物治疗的关系。
image
主要结果
1. 肿瘤当中整体APA事件评价
对于一个泛癌的研究，第一部分肯定是要进行整体评价的，这一点作者使用TCGA数据库以及ENCODE当中几个细胞系的数据来对APA事件进行评价。首先作者总结了这个癌种的APA事件个数。
image
整体的简单描述完之后，对于组学数据而言，下一步一步也就是来计算癌和正常当中的差异，来观察哪些APA事件和癌症的发生有关的。
image
对于肿瘤而言除了TCGA的组织信息，细胞系的也是可以总结的。所以对于肿瘤相关的细胞系的APA事件也进行了进一步的总结。进一步的比较了细胞系和组织之间APA的差异来说明组织当中的APA相较于细胞更加的复杂。
image
2. 主要调控因子和APA的关系
由于APA的发生是收到很多因子的调控的，作者汇总了22个主要调控因子，来分析这22个调控因子和APA发生的关系。通过分析发现，在22个主要调控因子当中，PABPN1在各个肿瘤当中都有很强的调控作用。
image
为了确定PABPN1的作用，作者还收集了另外的一个蛋白相关的数据来观察。结果也发现PABPN1还是在APA相关里面。
image
确定了PABPN1的重要性之后，为了了解PABPN1的功能，对和其相关的APA基因进行了富集分析。
image
3. 药物治疗和APA的关系
利用CCLE药物处理的细胞来来分析哥各个药物作用的APA的变化。通过观察发现泛组蛋白去乙酰化酶（HDAC）抑制剂和很多APA事件有关系。
image
4. APA事件和临床特征的关系
比较了APA事件和和临床特征的差异。其中发现CSNK1D在很多的APA事件在很多肿瘤当初存在差异，同时可KIRP肿瘤的预后有关系。另外还发现了NDE1在很多肿瘤当中也存在差异，同时在肿瘤不同分期也存在差异
image
文献总结：
基本上文献的内容就是这些。当然还是有一些结果是没有提到的。这个如果感兴趣的话，可以再去看文献。这个文献呢，虽然做了所有肿瘤的分析，但是对于每一个肿瘤的分析其实相对来说还是很浅的，如果我们要针对某一个肿瘤来进行详细分析的话，其实也是可以来继续发一些文章的。
如果想要基于某一个肿瘤详细分析的话，我们就需要使用TCGA的原始数据来进行分析，但是我们一般能接触到的TCGA数据都是加工好的，这个是不能自己来计算APA的(文献的团队是人家申请的原始数据来分析的)。那么该怎么办呢？如果目标只是来分析肿瘤的内容的话，可以推荐昨天介绍的TC3A的原始数据结果。这个结果是在DaPars的升级版本DaPars2构建的，所以结果可能更加的准确。但是那个数据库只提供了癌的原始数据结果。如果还要看正常的话，那就看不了了。很开心的事，文献提供了他们分析的泛癌的所有TCGA的原始数据下载链接。感兴趣的可以去找一下下载一下。
如果想要原始数据但是又懒得去找怎么办呢？赞赏或者发朋友圈截图发你数据结果哦。
网友评论