小编带大家一起总结了三种可以在“铜死亡”研究中借鉴的组学思路，今天咱们继续分享。
1、纯生物学信息学分析挖掘：铁死亡相关的长非编码RNA信号预测头颈部鳞状细胞癌预后
发表期刊：IntJBiolSci
发表时间：年1月
影响因子：10.75分
研究背景：头颈部鳞状细胞癌（HNSCC）是影响头颈部不同组织器官的肿瘤，因早期无症状及缺乏HNSCC早期检测，所以其患者5年生存率低于50%，即使在治疗后该疾病的复发和转移风险仍然很高。铁死亡是一种可以观察到各种疾病状况的新型铁依赖性和ROS依赖性细胞死亡类型。
样本来源：TCGA数据库中HNSCC相关的RNS-Seq数据（42例正常、例癌症）。
研究方法及结果：
数据收集：从TCGA数据库中提取HNSCC相关的RNS-Seq数据（42例正常、例癌症），从FerrDb数据库中下载铁死亡相关基因。最终确定了个与铁死亡相关的基因。
差异表达分析：确定65个铁死亡相关的DEGs，其中18个下调，47个上调。
基于铁死亡的lncRNAs预后信号：通过单因素和多因素COX分析，发现25个lncRNAs是HNSCC独立预后预测因子。
25个lncRNAs预测能力分析：Kaplan-Meier分析显示高风险lncRNAs特征的表达与较差存活率相对应。同时，特征性lncRNA的AUC为0.，表现出较高的预测价值。此外，GSEA揭示了低风险组个体的免疫和肿瘤相关通路。
研究结论：这是一种新型的铁死亡相关的lncRNAs信号特征对HNSCC预后的影响。
研究评价：首先，这是一个典型的通过生物信息学挖掘数据发表文章的案例，而且影响因子比较高。这种思路在多种组学项目中都很常见，需要研究者对数据库以及生物信息学都比较精通。另外，这一研究还属于比较热门的生物标志物研究，通过筛选合适的生物标志物来对患者进行分层筛选。做生物标志物研究时一般需要两组对立的样本组，以在这两组之间寻找差异，这些差异就是筛选合适的生物标志物的基础。然后结合生存曲线等分析最终找到合适的标志物panel。
还有一些研究会把样本分为发现集和验证集，即在发现集中确定标志物Panel，在验证集中对panel的性能进行验证。这些都可以参考。
2、单细胞表观研究：单个基因位点通过铁死亡控制DPEP1/CHMP1A的表达和肾脏疾病的发展发表期刊：NatCommun
发表时间：年8月
影响因子：17.分
研究背景：全基因组关联研究（GWAS）已经确定了肾脏疾病的位点，但因果变异、基因和代谢通路仍然未知。
样本来源：HEK细胞、小鼠、肾脏组织等。
研究方法及结果：
GWAS数据分别与肾甲基化数量性状基因座（mQTL）和eQTL整合，来解析由rs标记的16号染色体区域。结果发现，rs具有肾脏特异性的mQTL/eQTL效应，该效应优先考虑DPEP1和CHMP1A作为肾脏疾病风险基因。
整合肾功能GWAS和人单核染色质可及测序（snATAC-seq）后，再进行CRISPR/Cas9基因组编辑分析，确定了影响人肾近端小管细胞中DPEP1和CHMP1A表达的调节区。
通过Dpep1缺失性小鼠研究Dpep1的功能。体内研究表明，Dpep1缺失可改善小鼠的肾脏损伤。
通过Chmp1a杂合小鼠研究CHMP1A在肾脏疾病发展中的作用，结果显示，表明Chmp1a在肾脏疾病中具有保护作用。
通过基因敲除研究Dpep1和Chmp1a与铁死亡的关系，结果发现：Dpep1抑制可改善顺铂诱导的细胞凋亡和铁死亡，Chmp1a敲除通过增加铁的积累促进铁死亡。
对Dpep1和Chmp1a两者的表达分析显示，在人类肾脏组织样本中两者的表达呈强相关性，说明两者共同起到调节作用。另外，两者的表达与几个关键的铁死亡相关调节因子的表达相关。
研究结论：通过GWAS、单细胞ATAC-Seq等方法，证明了一个精细定位的GWAS位点控制两个靶基因的表达。并且，确定了DPEP1和CHMP1A作为肾脏疾病基因和重要的铁死亡调控因子。
研究评价：这一篇研究虽然结合了许多实验和技术，但逻辑性非常强，整个文章一环扣一环，每一步都显得顺理成章。虽然单细胞表观只是其中很小的一部分，但其新颖性是非常不错的。而且该研究中涉及到细胞死亡相关的过程，正好可以和铁死亡建立联系。这一类的研究没有办法总结一个成熟的思路或者通用的流程。属于基础研究比较扎实，然后选择感兴趣的点进行深入挖掘，正好这个点又可以和铁死亡想结合。在铜死亡相关研究中可以借鉴的点在于前沿技术的应用；如果所研究的内容正好涉及到细胞死亡相关，则可以尝试和铜死亡进行联合。
3、肠道微生物16S检测研究铁死亡：肠内铁剂量对早产儿肠道菌群的影响。
发表期刊：JPediatrGastroenterolNutr
发表时间：年5月
影响因子：3.分
研究目的：比较接受不同剂量肠内铁补充（EIS）的极低出生体重（VLBW）婴儿的肠道菌群。
样本来源：婴儿的粪便。
研究方法：从粪便组织中提取基因组DNA，使用F和R这一对引物进行16S的V4区扩增，后进行MiSeqPE测序及分析。
研究结果：在出生胎龄28.1±2.4周、体重±克的婴儿中，分别在EIS前后收集份和份样本。EIS开始时的平均出生后年龄为17.9±6.9天，平均初始EIS剂量为4.8±1.1毫克/千克/天。开始喂养时剂量不低于6mg/kg/天的婴儿和低剂量的婴儿相比变形杆菌和双歧杆菌丰度更高，α多样性更低。通过预测细菌代谢途径和EIS剂量发现，EIS开始2周后，给予较高EIS剂量的婴儿有较高的细菌预测的铁死亡和上皮浸润功能潜力。
研究结论：EIS剂量越高，变形杆菌和双歧杆菌的丰度越高，微生物群的多样性越低，预测细菌上皮浸润的可能性越高。
研究评价：该研究属于常规16S进行肠道微生物菌群分类的项目，从整个文章的内容和结构上看都非常简单，不过样本数一共多份算是相对较多的。生信分析方面也是常规的分析，如α多样性和β多样性分析。只是在预测细菌代谢途径时能和铁死亡联系在一起。在我们的研究中可以借鉴的点是，我们常规16S分析完成后，可以在代谢途径的角度来看是否包含与铜死亡相关的的基因，进而来分析细菌多样性与铜死亡之间的关系。
写在最后：铁死亡相关的几千篇文献中，研究思路多种多样。在这里，小编通过2篇