生信分析38.肿瘤浸润免疫细胞表型与肺瘤

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?