生信分析17：肿瘤免疫浸润与肾癌的生信分析

生信论文的套路

1. ONCOMINE从全景、亚型两个维度做表达差异分析；

2. 临床标本从蛋白水平确认（或HPA数据库），很重要；

3. Kaplan-Meier Plotter从临床意义的角度阐明其重要性；

4. cBio-portal数据库做基因组学的分析（机制一）；

5. STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）；

6. TISIDB/TIMER分析肿瘤免疫特征（机制三）。

第17篇生信文章的分享。

这篇仍然是兴趣基因和免疫微环境结合起来的生信分析论文，跟第16篇论文类似。关键词是免疫评分，生信分析。首先从TCGA下载数据，然后用R语言包分析数据，确认免疫评分和病理分期、存活率之间的关系。

然后，筛选差异表达的基因，火山图，韦恩图，热图和主视图，这些都是R包处理得到的数据，稍有难度。

进一步蛋白互作分析，确认筛选基因的相互关系。

回归分析探究存活率（临床意义）。

筛选出12个靶基因，最关键的一步。

对与存活率最相关的差异表达基因进行相关性分析。

ROC曲线，增加数据的可信度。

靶基因在肿瘤浸润淋巴细胞的情况分析。

下面对免疫细胞亚群进行整体分析，需要对免疫学，尤其是肿瘤免疫非常全面而又深刻的了解。

综合分析，这篇文章的思路很清晰，又与肿瘤的免疫微环境这一热点挂钩。是我们可以借鉴和模仿的论文之一。但是，难点在于生信R语言技能和对肿瘤免疫的深刻认识。

题目

Prognostic value and immune infiltration of novel signatures in clear

cell renal cell carcinoma microenvironment.