TIMER+TISIDB分析肿瘤免疫浸润
生信论文的套路
ONCOMINE从全景、亚型两个维度做表达差异分析；
临床标本从蛋白水平确认（或HPA数据库），很重要；
Kaplan-Meier Plotter从临床意义的角度阐明其重要性；
cBio-portal数据库做基因组学的分析（机制一）；
STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）；
TISIDB/TIMER分析肿瘤免疫特征（机制三）。
我们介绍过，TIMER和TISIDB数据库都是做肿瘤免疫浸润分析的神器，但是数据库之间的组合是非常有讲究的。那么，怎样用好肿瘤免疫数据库呢？这篇文章以前分享过，值得重新学习。影响因子4分+。
文章题目
摘要部分
正文部分。
先是开源数据与课题组数据结合的情况，在纯生信论文越来越多的背景下，这种数据展示形式会更加普遍。即使在顶级期刊，这种形式也很多见，也体现研究的科学性，增加数据的可信度。
首先是三线图的临床数据，用PPT就可以完成。
GEO数据和TCGA数据的Meta分析，结合HPA数据库的病理染色结果，从mRNA水平到蛋白水平，该实验结果很有层次感（其实要是再有RT-PCR的实验结果就更好了）。上述TCGA数据和GEO数据可以通过ONCOMINE数据设定条件，然后筛选出相应的数据，再进行meta分析，数据要用作图软件Graghpad Prism。
基因表达差异与病理分析，存活率之间的相关性，属于临床意义的探究。结果表明，AQP9与肾癌的病理分期、临床预后密切相关，临床意义很大。
生信数据与课题组数据相结合，这里是课题组自己的实验数据，从mRNA水平，病理切片到存活率都很好地展示出来，而且与生信分析的结论一致。
多回归Cox分析阐释生信数据与课题组数据的一致性，进一步增加实验的说服力，这是统计学论证。
ROC曲线进一步分析数据的预后价值。
功能注释和信号通路分析检测AQP9在肿瘤发生、发展和预测的价值。这里是分子机制的探讨层次。
GSEA富集分析，GSEA富集分析与GO/KEGG富集分析都可以用于分子机制中信号通路的探讨，但实事求是讲，GSEA分析更靠谱，我们已经做过介绍。
最后是临床意义和分子机制的升华。作者把肿瘤免疫分析的两个数据库——TIMER和TISIDB结合使用，阐释AQP9差异表达与肿瘤浸润淋巴细胞（TIL）的相关性。肿瘤的免疫微环境是研究热点，也与文章的脉络和主题相承，值得学习和借鉴！
总体分析，该论文主题明确，方法清晰，对于研究单个基因在肿瘤中的作用，是很值得借鉴和学习的。而且，生信的干数据与实验室的湿数据相结合，套路值得借鉴。
本文分享自微信公众号 - 芒果先生聊生信（from2019to2020）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
以上是 TIMER+TISIDB分析肿瘤免疫浸润 的全部内容， 来源链接： utcz.com/z/508767.html
