生信论文的套路
关于肿瘤浸润淋巴细胞(或免疫细胞)表型的研究,确实是研究热点。接下来,我们仍然关注肿瘤浸润免疫细胞的生信分析。
这篇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,但是可以发表在接近5分的期刊上,很多分析做得很棒,值得借鉴。
摘要写作清晰明了。背景中一句话介绍LAYN的功能,然后直接过渡到科学问题。方法中,所有的数据库都是果友们熟悉的技能。如何把数据按照逻辑组合是我们需要学习和借鉴的地方。结果和结论,中规中矩。
差异表达部分,作者没有用oncomine+GEPIA双验证模式,而是选择oncomine+TIMER双验证,三线表放在补充数据里。
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。不过,在做多基因或者家族基因分析的时候,是选择oncomine+GEPIA双验证模式,而是选择oncomine+TIMER双验证,可以具体问题具体分析。
接下来,作者并没有做临床标本验证和HPA数据库的蛋白水平确认,而是跳过直接去分析临床意义(生存分析)。
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。如同差异分析,双验证总是比单个验证有力量。个人认为,还是以km plotter数据库为主。
prognoscan网址:
http://dna00.bio.kyutech.ac.jp/PrognoScan/index.html.
然后,作者利用km plotter数据库分析,发现LAYN高表达与淋巴结转移的胃癌患者生存率差密切相关。这部分以三线表的形式展示,也是km plotter数据的妙用,值得学习。
在差异分析和临床意义部分的基础上,作者开始探究机制——不是组学,也不是互作或富集分析,而是我们关注的肿瘤浸润免疫细胞。前面的差异分析和临床意义是做筛选,筛选后的免疫浸润探究,为论文增色不少。
如果对免疫或者肿瘤免疫浸润或者免疫微环境有足够的了解,上述分析根本做不好,或者即使做出生信分析,也没法去分析结果的含义。
肿瘤免疫微环境是很复杂的表型,也是值得挖掘的宝藏。对于不做实验发论文的生信分析更是如此。
根据分析结果,LAYN与单核细胞极化密切相关,这里作者把肿瘤免疫浸润的表型进一步深入,单核细胞极化是更具体的表型。简单来说,单核细胞极化是指单核细胞向抗炎还是促炎的方向继续分化,表面分子或分泌蛋白发生明显的变化。
最后,作者利用GEPIA数据库的相关性分析功能,探究LAYN基因表达与免疫细胞分子标记表达的相关性,这是一种非常好的数据库结合分析,值得学习。
题目
LAYN Is a Prognostic Biomarker and Correlated With Immune Infiltrates in Gastric and Colon Cancers.