oncomine+TIMER做差异分析

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37篇生信论文的分享。

这篇生信论文也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5分+的aging-US期刊上，值得借鉴。

摘要写作清晰明了。背景中一句话介绍PTGIS的功能，然后提出科学问题。方法（为什么放在最后呢？难道是排版更新吗？）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，可能是期刊要求不同；结论还是蛮清楚的。结论部分比生信论文36写得好。生信论文36和37的结果部分还需要整合下，我觉得都有待于改善。

差异表达部分，作者也是采用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。

在分析LAYN表达与各种肿瘤生存率的相关性时，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.

个人认为，生存分析仍然以km plotter数据库为主，就像差异分析以oncomine为主。这只是个人偏好，果友们可以自行选择。

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。

根据分析结果，PTGIS与单核细胞极化密切相关，前已述及，单核细胞极化是更具体的表型。作者没有做更多的分析，但是这已经足够。

补充数据非常全面，不会区分正文数据和补充数据的果友，可以仔细研读这篇论文和生信论文36，对比揣摩其中的异同。

题目

Prognostic value of prostaglandin I2 synthase and its correlation with tumor-infiltrating immune cells in lung cancer, ovarian cancer, and gastric cancer.