这是一篇纯生信文章:在2020年投稿,4,5月份修改了两次,6月份就accepted,反馈速度挺快。文章技术路线清晰、干练,是一个非常棒的学习教材,下面就带小伙伴们熟悉下先:
![](https://img.haomeiwen.com/i27423876/95a149b7959dc55e.png)
技术路线
这是文章分析技术路径,结合TCGA和GEO数据:
![](https://img.haomeiwen.com/i27423876/9805931c328b2b45.png)
方法与数据:文章以TCGA为核心,从中获取TCGA-STAD项目下胃癌患者RNAseq数据,结合免疫浸润数据分组、差异表达分析、富集分析;结合富集分析结果,对350例患者进行GSVA分析,联合免疫浸润数据,分析与患者预后相关因素;对candidate genes 采用两组GEO数据进行验证。
结论:In conclusion, we obtained a list of tumour microenvironment-related genes that predict poor prognosis in GC patients.
主要分析内容
- 生存分析
![](https://img.haomeiwen.com/i27423876/205ee02e623df700.png)
- 免疫浸润
![](https://img.haomeiwen.com/i27423876/214216b7dbd8d560.png)
-
富集分析
accee2f772da3931b7ddeee8c9378e7b.png
- GSEA分析
![](https://img.haomeiwen.com/i27423876/8d5320cc5d2149a3.png)
- GSVA分析
![](https://img.haomeiwen.com/i27423876/676da75d0561e818.png)
- GEO数据验证-生存分析
![](https://img.haomeiwen.com/i27423876/f0b6eabe7d449c33.png)
- GEO数据验证-差异分析
![](https://img.haomeiwen.com/i27423876/4c4985062d153abb.png)
在接下来的一系列推文中,我将逐步重现该文章的分析过程与结果,同时你会学习到如下技能:TCGA数据检索、下载、差异表达分析、富集分析、GSVA分析、GSEA分析、生存分析、相关性分析、GEO数据下载与注释等。
网友评论