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：
98245ce2da685a6bce4de47500658ebb.png
技术路线
这是文章分析技术路径，结合TCGA和GEO数据：
7d564aec477a820cef97b3b5300db46a.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
9e66d5993b69b159c4a53b2bdff8187f.png
- 免疫浸润
f9747f9e53b2a1ffe0234ff07b6083ff.png
-
富集分析
accee2f772da3931b7ddeee8c9378e7b.png
- GSEA分析
02488c4f89f263fbbbd6f857f909c907.png
- GSVA分析
7c5e49dd5c5eab5b6b44cb34f194a13c.png
- GEO数据验证-生存分析
9a2f5d2f83d25ad10a02ae68d71962bc.png
- GEO数据验证-差异分析
f5c5966db03e097a425e51980f3d1952.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