这5个miRNA组成的肺鳞癌诊断基因集在tcga数据库能复现吗

最近看到某公司宣传他们的科研服务产品，是miRNA的芯片，而且文章居然是2011发表的，那个时候我还不知道生信是啥子。(我一直以为自己足够老了)

该研究使用的是 CapitalBio 平台 (CapitalBio 公司) 芯片，非常清晰的研究思路；

• 60+88个肺鳞癌病人肿瘤组织和癌旁的miRNA芯片表达矩阵，数据集在：GSE15008
• 芯片是 CapitalBio 平台 (CapitalBio Corp.) ，包含 924 mature mam- malian microRNA probes (including 677 human micro- RNA sequences)（现在miRBase数据库收录了1917条pre-miRNA(前体)，以及2656条成熟的miRNAs。见：http://www.mirbase.org/ ）
• 使用主成分分析和支持向量机建模，拿到 minimal 5- element classifier (hsa-miR-210, hsa-miR-182, hsa-miR- 486-5p, hsa-miR-30a, and hsa-miR-140-3p) 可以很好的区分normal和tumor。
• 生存分析发现：high expression of hsa-miR-31 was associated with poor survival
• 分析hsa-miR-31 的靶基因，并且实验验证其中3个：DICER1, PPP2R2A, and LATS2，最后定位到DICER1 30-UTR

我以前在在生信技能树分享了几个miRNA的靶向基因的查询工具，分别是：

• microRNAs靶基因数据库哪家强
• 使用miRNAtap数据源提取miRNA的预测靶基因结果
• 对miRNA进行go和kegg等功能数据库数据库注释

大家可以尝试看看hsa-miR-31 的靶基因，是否有这3个基因，示意图如下：

miRNA靶向调控示意图

学徒作业

大家可以去tcga数据库下载肺鳞癌的miRNA芯片或者测序数据，走同样的诊断建模流程，看看得到的miRNA是否作者的5个miRNA有交叉。这里面变量很多：

• 首先，两个队列的人群地域差异
• 其次，miRNA芯片和miRNA测序技术差异
• 还有，肿瘤组织和癌旁配对问题，两个组数据量问题

对大家来说，比较难的地方就是使用主成分分析和支持向量机建模。可以参考我的4个小时TCGA肿瘤数据库知识图谱视频教程，其中中共使用了四种算法构建模型：

• cox(可做单因素和多因素) TCGA的cox模型构建和风险森林图
• lasso回归 用lasso回归构建生存模型+ROC曲线绘制
• 随机森林 听起来很霸气用起来并不难的随机森林
• 支持向量机 听起来很霸气用起来并不难的 支持向量机

不管用了那种算法，核心都只是几句代码而已。