近年来，纯生信发SCI越来越难。比如著名的生信之友Aging(IF：4.8)，曾经又快又好，如今却郑重声明不再接受收纯生信文章。

　　生信文章想过3分，有两个招：一是要加实验，哪怕是简单的ELISA。二是往高级的方向走，比如今天介绍的WGCNA。传统的GO分析和KEGG，早已被取代。所以，要想编辑对你的文章青睐有加，请务必更新自己的技术。

　　WGCNA全称是“加权共表达网络分析”，它是把共表达的基因视为模块，再分析模块和表型之间的关系。它需要两个文件，一是临床表型文件，二是基因表达矩阵文件。其具体含义和用法，请结合文献解读来体会。

　　今天介绍的这篇“Identification of biomarkers related to CD8+ T cell infiltration with gene co-expression network in clear cell renal cell carcinoma”，即通过WGCNA技术分析肾透明细胞癌中与CD8+ Tcell浸润相关的标志基因。

　　这篇文章发表在《Aging》上，作者单位是中国医科大学一附院，它思路异常简单，却征服了日渐骄傲的Agine杂志，也摸到了5分的门槛。

　　第一步，利用cibersort做免疫相关的表型文件。

       作者在GEO数据库下载了编号为GSE73731的样本数据。通过cibersort在线网站(https://cibersort.stanford.edu/)分析，简单得到了T细胞、巨噬细胞等免疫细胞在样本中的表达量。该文件作为临床表型文件，备用。

　　第二步，WGCNA分析。

　　首先对基因表达矩阵文件进行预处理、矫正和计算基因变异系数(CV)，选取CV>0.1的高变异基因。其次根据WGCNA标准的流程，选取合适的软阈值，将相似的基因汇聚在相同模块里(图一)。

　　后读取表型文件，选择T细胞作为研究对象，得出不同模块和T细胞之间的相关系数。如图二所示，绿色模块和CD8+T细胞的相关系数大(图二第一列，系数是0.5)。

　　(图1)

　　(图2)

　　第三步，选择关键基因。

　　在绿色模块中的基因，根据MM>0.8(图3横坐标)和GS>0.5(图3纵坐标)为条件，选择出30个关键基因(图3)。

　　进行PPI分析后，进一步筛选出10个关键基因。并在TCGA数据库中进行验证，即和正常组织相比，这10个基因在肿瘤组织中的表达明显升高(图4)。

　　(图3)

　　(图4)

　　第四步，KM生存分析和Oncomine数据库验证。

       作者得出CCL5是和预后相关的基因。(图5)

　　(图5)

　　第五步，简单的实验验证。

　　在肾细胞癌细胞系769-P中，CCL5敲低后细胞系增殖能力和侵袭能力显著降低。(图6)

　　(图6)

　　这篇文章初吸引我的亮点是利用WGCNA研究免疫微环境，从来没想到WGCNA还可以这样用。

　　肿瘤免疫微环境也是目前十分热门的研究内容了，我想如果本文能更进一步加上PD-1、LAG3、TIM3等相关因子的表达和研究，一定会更加出彩。

　　本文的思路可复制性也很高，完全可以换个癌症，采用同样思路进行研究。