能一眼看出高分文献的不足是什么体验？

大家好，我是雪梨~

今天分享一篇分数优秀，而使用批判性思维，也能迅速看出不足之处的文章。会提高质量问题，就是进步的开始。读文献，既可以学思维，又有机会抓空白、看不足，从而为自己的文章打下更坚实的基础。

来看看你能否在发文章的路上更进一步吧~

预计阅读时间：5分钟

推荐收藏或浮窗，详细阅读，独立思考。

MTFR2-dependent mitochondrial fission promotes HCC progression

MTFR2依赖性线粒体裂变促进HCC进展

期刊：Journal of Translational Medicine

IF：7.4

 研究背景 

本研究以肝癌严重性和线粒体动力学的重要性为背景展开。肝癌需要更有效的生物标志物用于诊断和预后预测。

之前的研究表明，线粒体动力学失调与肿瘤发生发展密切相关。在肝癌中，线粒体动力学失调与肿瘤增殖、耐药、转移和获得干性等过程相关，但其具体调控机制尚不清楚。

因此，该研究旨在系统分析线粒体动力学在肝癌中的作用机制，为肝癌的诊断、预后预测和治疗提供新的思路。

 技术路线 

数据来源：使用MitoCarta 3.0数据库收集线粒体动力学相关基因，从TCGA数据库获取肝癌患者RNA测序数据和临床病理数据。

筛选基因：使用limma包筛选正常组织和肝癌组织之间差异表达的线粒体动力学相关基因，通过单因素Cox回归筛选与预后相关的差异表达基因。

共表达网络构建：使用igraph包构建差异表达基因的共表达网络，STRING数据库构建这些基因编码蛋白的蛋白互作网络。

亚群分类：根据线粒体动力学基因表达谱，使用ConsensusClusterPlus包进行共识聚类，将患者分为两个亚群。

构建和验证模型：LASSO回归构建包含10个基因的预后模型。随后，通过ROC曲线等方法验证模型的预测效能。

结果验证：通过电子显微镜、免疫组化、Western blot等方法验证线粒体形态和蛋白表达水平，并对线粒体动力学对肝癌进展和预后的影响进行总结，提出潜在的机制。

 实验结果 

Figure 3

Figure 3L

通过KM生存曲线比较2个聚类患者的生存情况

Cluster 1患者生存情况明显优于Cluster 2

Figure 3M

热图比较2个聚类患者的临床病理特征和差异表达基因的表达情况

Cluster 2患者的病理分级较高，DEGs表达水平较高

Figure 3P

2个聚类患者的GOKEGG通路富集分析结果

Cluster 2主要富集在线粒体分裂和细胞周期通路

根据线粒体动力学基因的表达，可以将肝癌患者分为两个不同的亚群，其中一个亚群预后较差，其特征为线粒体分裂相关基因的高表达，且与线粒体分裂和细胞周期通路高度相关。

Figure 4

Figure 4O

构建的nomogram直观预测患者的1、3、5年生存率

Figure 5

Figure 5A-D

PCA展示低风险组和高风险组在所有基因、模型基因、线粒体裂变基因和线粒体融合基因的表达上是否存在显著差异。

在所有基因层面，两组没有显著差异（A），但在模型基因、线粒体裂变基因和线粒体融合基因层面存在显著差异（B-D），说明模型基因与线粒体裂变状态高度相关。

完整分层方法与图表请阅读原文献

 实验总结 

本研究主要研究了线粒体动力学基因在肝癌进展和预后预测中的作用。研究筛选了23个线粒体动力学相关基因，并发现21个基因在肝癌中高表达。

通过聚类分析，成功将肝癌患者分为两个不同的亚群。预后较差的亚群特征为线粒体分裂相关基因的高表达。关键发现是线粒体分裂相关基因MTFR2可能是该模型的枢纽基因，其表达上调与线粒体分裂和肝癌进展密切相关。

研究还评估了肿瘤突变负担、肿瘤干细胞指数等指标，发现线粒体分裂与这些指标之间存在关联。这些发现为肝癌的精准治疗提供了新的思路，为肝癌的预后预测和免疫治疗提供了新的生物标志物和潜在靶点。

然而，研究也存在一定的局限性，如模型缺乏外部验证、生物学机制研究不够深入等。未来的研究需要进一步优化设计，扩大样本量、深入机制探讨，以提高研究的说服力和临床转化潜力。

想要高效发文，还得是找雪球老师！跟着大部队走，走着走着就会发现思路和技能都到了Next Level~

如果你想做使用MitoCarta 3.0数据库做生信，想获得拆解的原文献，或者想收看最新的直播课程，扫码添加雪球老师获得更多资讯吧~

现在添加雪球老师微信，回复“5.30”,即可获取原文~