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)。
在差异分析的前提下,表型分析成为重点内容,也是可以玩出花样的地方。生存分析是非常常见的表型分析。与生存分析相比,相关性分析是另外一个常见的表型分析。相关性包括表达与病理分期、治疗手段、年龄、种族、吸烟、突变、性别、共表达等因素的相关情况,通常用相关系数R表示,其差异也是用p值判断。严谨的生信论文还对分析结果做出ROC曲线,以提高数据的可信度和说服力。
相关性分析数据库
Kaplan-Meier Plotter(临床相关性分析权威数据库,推荐)
http://kmplot.com/analysis/
GEPIA(病理分期相关性分析)
http://gepia.cancer-pku.cn/detail.php?gene=&clicktag=survival
UALCAN(种族、年龄、吸烟、突变等相关性分析,与km plotter的结果呼应)
http://ualcan.path.uab.edu/
Coexpedia数据库(共表达分析)
http://www.coexpedia.org/search.php
TIMER数据库(免疫细胞分子共表达分析)
https://cistrome.shinyapps