![]()
今天给大家解读一篇利用纯生信整合分析的技术路线，该文发表在2018年7月17日发表的Front. Genet（影响因子4.151）上，基本思路是通过一系列的生物信息分析的方法挖掘胃癌预后相关的潜在标志物。该研究的结果为进一步研究诊断和预后生物标志物以及促进GC的分子靶向治疗提供了一些指导意义。
我们先来看一下基本的分析流程：
![]()
具体步骤：
筛选多套GEO数据集，筛选标准：人类胃组织样本；包含对照组；每套至少10例样本；
TCGA数据集：从癌症基因组图谱（TCGA）获得含有375个GC样品和32个匹配的癌旁样品的RNA-Seq数据。
![]()
4.差异基因分析
![]()
![]()
5.差异基因富集分析
![]()
![]()
6.PPI网络互作分析
![]()
![]()
7.DEG(差异表达基因)预后分析
![]()
![]()
8.高低风险组的表达差异分析图
![]()
好了，完事儿了，4分到手![]()
![]()
![]()
![]()
![]()
![]()
既往生信解读掠影：
这篇文章，没做半点实验怎么就发顶级期刊Immunity了？！
当生信扯上免疫，原来文章上5分是这么简单......
思路清奇！这篇玩到lan的套路文章是如何上5分的
如何从甲基化入手，轻松整篇预后标志物的文章？
生信SCI如何入门火爆的环状RNA领域？
啥？基因还有“假”的！然后5分的SCI就这么到手啦！？
科题合作
......
猪师兄嘱托：
生信学习需要持之以恒，大家可以到目前国内最大的生信学习社区（https://shengxin.ren/）逛逛，尤其是神秘的SangerBox可视化生信分析软件，相信对大家玩转生信一定有益。想看猪师兄的生信视频课程，请直接点击“阅读全文”。
