生信论文的套路
第38篇生信论文的分享。从预后价值和免疫浸润两个角度做生信分析。
这篇生信论文是单基因分析的生信论文。单纯生信数据库的数据分析,没有湿实验验证,发表在接近4分+的期刊上。
摘要写作清晰明了。背景中一句话介绍基因功能,提出科学问题和研究目的。方法中,所有的数据库都是果友们熟悉的技能。结果是总结式写作,没有具体的数值;结论还是蛮清楚的。
差异表达部分,作者采用oncomine+TIMER双验证,三线表放在补充数据里。前面说过,对于单基因的差异分析,尤其是与肿瘤浸润免疫细胞表型相关的分析,芒果建议采用这种方法,确实做到统筹兼顾,有局部聚焦(oncomine)和全局通览(TIMER)的神奇效果。
这里作者应该是用PrognoScan数据库(km plotter数据库应该是写错了)做生存分析。但是作者在作图过程中,信息更全面,肿瘤+GSE序号+OS或DFS+HR+Cox p详细列出,这种细节往往更体现严谨的科学态度。作者采用PrognoScan数据库和km plotter数据库(prognoscan+km plotter)双验证的模式,增加数据的可信度和说服力。
prognoscan网址:
http://dna00.bio.kyutech.ac.jp/PrognoScan/index.html.
km plotter数据库做生存分析的验证,双确认模式找出具有临床意义的差异表达,比单一数据库的分析更有说服力。
临床特征的差异统计,可以点线图,也可以三线表,个人认为放在补充数据里更合适。
在差异分析和临床意义的基础上,作者探究机制——肿瘤浸润免疫细胞。
然后,用GEPIA做免疫分子与兴趣基因的相关性分析。
深入分析B细胞浸润和单核细胞极化表型之间特征。
GEPIA分析B细胞和单核细胞免疫分子与兴趣基因的相关性。
题目
Prognostic and Immunological Role of FUN14 Domain Containing 1 in Pan-Cancer: Friend or Foe?