TIMER+TISIDB分析肿瘤免疫浸润

coding

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)。


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。


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

回到顶部