再挖TCGA，发篇SCI
今天再一次给大家介绍一篇不用做实验，只需要进行TCGA数据库挖掘，就能发的SCI的金思路。接下来以一篇2018年7月30日发表在Cellular Physiology and Biochemistry（IF=5.5）上题为Genome-Wide Analysis of Prognostic lncRNAs, miRNAs, and mRNAs Forming a Competing Endogenous RNA Network in Hepatocellular Carcinoma 的文章为例，详细介绍下该类文章的写作思路！
该文章思路清晰明了，分别针对癌症和癌旁的lncRNA,miRNA，mRNA进行差异分析，生存分析，并构建ceRNA调控网络，再对网络中的分子进行功能分析；整个分析过程一气呵成，值得学习和参考。
1. 数据来源
从TCGA数据库中下载肝癌的374份癌症组织和50份癌旁组织的基因和lncRNA表达数据。从UCSC Xena 下载相应肝癌的miRNA数据。
2. 差异表达分析
基于374份肝癌样本和50份癌旁样本的基因，lncRNA,和miRNA表达数据，进行差异表达分析，筛选差异表达的分子。
差异表达的火山图如下：
差异表达聚类热图如下：
3. 生存分析
3.1 单因素生存分析
基于差异表达的结果，分别针对差异表达的分子与临床数据中的总生存时间进行单因素的COX生存分析,最终得到77个lncRNA, 29个 miRNA, 1014个mRNA与生存显著相关。
生存相关lncRNA, miRNA，mRNA的风险比例深林图如下：
3.2 多因素生存分析
基于单因素的分析结果，进一步采用多因素的COX回归模型进行分析，最终分别筛选了3个分子构建了预后指数。
基于预后指数，参考中位数，可以将病人分成两组，分别是高风险组和低风险组。
针对两个分组，进一步采用K-M生存分析，得到预后指数的分类效果。从P值的大小来看，分类效果很好。
基于预后指数进行KM分析，获得的生存曲线图如下：
基于预后指数进行预测效果检验，绘制检测效果的ROC曲线如下：
从ROC曲线的AUC值来看，分类效果还不错，都在0.7 以上。
4. ceRNA网络构建
基于生存分析筛选出来的显著相关lncRNA, miRNA, mRNA 构建ceRNA网络。网络包括两部分，分别是:
1. lncRNA-miRNA 相互作用: 采用miRcode 网站进行预测;
2. miRNA-mRNA的相互作用: 基于TargetScan,miRTarBase,miRDB 等软件和数据库进行预测。
构建的ceRNA网络如下：
5. 基因功能分析
针对ceRNA网络中的mRNA进行GO,KEGG的功能注释和分析。从中可以发现一些基因跟细胞周期，P53 信号途径，癌症相关miRNA等通路相关。
KEGG 代谢通路注释如下：
GO功能注释如下：
6. 文章亮点
文章的思路简单明了：从差异分析到生存分析，ceRNA以及功能分析，一步步紧扣，一气呵成。
分析对象系统而全面：从lncRNA, miRNA,mRNA等多个层面去分析，并构建相互作用的调控网络，使得分析结果更加具有说服力。
图表简洁美观： 文章中的图表非常多，而且简洁美观。
参考文献：Genome-Wide Analysis of Prognostic lncRNAs, miRNAs, and mRNAs Forming a Competing Endogenous RNA Network in Hepatocellular Carcinoma. Cell Physiol Biochem，2018; 48: 1953-1967.
- 发表于 2018-11-09 17:40
- 阅读 ( 5323 )
- 分类：TCGA
