生信论文的套路
ONCOMINE从全景、亚型两个维度做表达差异分析;
临床标本从蛋白水平确认(或HPA数据库),很重要;
Kaplan-Meier Plotter从临床意义的角度阐明其重要性;
cBio-portal数据库做基因组学的分析(机制一);
STRING互作和GO/KEGG分析探讨可能的信号通路(机制二);
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.
联系客服