在我们往期的文章中，有很多期关于数据挖掘的教程，包括数据库的，分析软件的，R语言的等等。这些都是进行数据挖掘非常重要的工具。很多同学在学习的过程中可能会产生这样的疑问：

1.  生物信息发文章难吗？

关于这个问题，从一个过来人的角度来讲，数据挖掘发文章相对于做实验来说真的是要简单上很多的，从成本上来说是非常划算的，不管是时间成本，还是经济成本。很多人没有实验条件，或者没有足够的时间，那么，通过生物信息发文章是首选的一条“捷径”（捷径不等于歪门邪道哟～）。

2.  生物信息能够发好文章吗？

现在存在这样的一个误区，随着生物信息这两年的飞速发展，越来越多的研究人员开始接触和认识生物信息。于是乎，有个别人自以为看了一些数据挖掘的文章，掌握了些许技能，对很多数据挖掘的文章开始评头论足。认为数据挖掘的文章就像前几年的Meta分析，必定是“昙花一现”。同时，生物信息无非是发表2-3分左右的低分文章，发高分文章是根本不可能的。每次遇到这样的问题，专业的生信分析师一般都微微一笑，不做回答。甩给他几篇文章，自己慢慢看吧。单纯的生信分析一样可以发表很好的文章。

前面，我们跟大家解读过一篇数据挖掘文章的套路，1小时完成1篇SCI文章《【课程】TCGA数据挖掘精品课程》，充分展示了数据挖掘的超高效能。今天我们换一篇文章，给大家看看，如果通过数据分析发表一篇IF 5分以上的文章。5分是一个门槛，是很多高校博士生毕业、导师聘任、职称评选的一条杠。

文献实例

这是2019年发表在Aging-us杂志的一篇纯生信的文章，影响因子是5.2分（历年影响因子如下）。

课题解析

研究内容：通过多种生物信息方法筛选前列腺癌中的关键基因

研究对象：GEO公共数据库中的前列腺癌数据集

研究方法：整体来说，这篇文章的研究思路还是非常明了的。在原文的Figure 1中详细罗列了本文的研究思路。

根据研究思路将具体的分析方法分为以下几个部分：

通过差异表达分析找到差异基因

GO/KEGG/GSEA/GSVA功能富集分析找到有意义的通路

WGCNA筛选和表型密切相关的模块和关键基因

外部数据验证，TCGA数据集验证关键基因

免疫浸润分析证实关键基因功能

关联多组学数据，分析甲基化与基因表达相关性

可能很多人刚开始看到这篇文章觉得，一篇5分的文章如果做起来，肯定非常复杂，工作量会很大。其实，等我们把文章里面的内容一一拆解开来，大家就会发现其实很简单。那么下面，我们就带领大家，用我们学过的知识，来给大家重现这篇文献中的重要结果，一方面是梳理前面学过的内容，一方面是培养写数据挖掘类文章的思路。

结果重现

1. 差异基因筛选

说到差异基因分析，R语言的“limma”包少不了，然后通过RRA(稳健排序整合)方法筛选出10个数据集共有的差异基因，其中上调基因808个，下调基因930个，将TOP20基因用热图展示，就是文章的Figure 2。

重现方法：参照科研猫往期推文《重磅：GEO数据库挖掘教程（4）一体化分析代码（带视频+R代码分享）》

2. 功能富集分析

原文作者对上述筛选出来的差异基因进行了后续的功能富集分析，并绘制了比较高大上的和弦图（或者叫Circos图）。

重现方法：功能富集分析可以通过DAVID去实现，绘制和弦图参照科研猫往期推文《【科研猫·绘图】团团“圆圆”，来个不一样的月饼》。

3. 共表达网络分析（WGCNA）

WGCNA是一种可以关联表型和基因的高级分析，通过WGCNA，可以快速锁定和前列腺癌相关的基因集合，同时从中选出重要的关键基因（Hub gene）。在这里，作者发现Pink这个module是很关键的，于是乎，在找到Pink这个模块后，再次对其进行功能富集分析，这次用的是气泡图。

重现方法：关于WGCNA的基础参见《【高阶】WGCNA共表达网络分析-让你的文章闪耀起来》，我们进行了详细的讲解，WGCNA的代码我们也已经公布，参见《【训练营】R语言 + GEO + TCGA + 多组学 + 免疫浸润 + WGCNA = 高分SCI》。关于功能富集分析气泡图的绘制，参见《终极篇：3分钟搞定GO/KEGG功能富集分析-气泡图》。

4. 生存分析

在Pink这个模块中，作者找到了LMNB1、TK1、RACGAP1、ZWINT等几个关键性的基因，为了证实自己找到的基因存在重要的临床意义，作者在TCGA数据库中对这4个基因的在不同组织中的表达绘制了箱线图，并进行了生存分析。

重现方法：想要分析TCGA数据，参见《【课程】TCGA数据挖掘精品课程》。欲做箱线图，可用我们的专用绘图代码《【科研猫·绘图】看·箱线图·如何美丽动人（代码分享）》。生存分析也简单，参照《【科研猫·出品】TCGA超大批量生存分析教程》。是不是要啥有啥呢

？

5. 甲基化分析

为了进一步阐明4个hub gene的致病机制，作者利用DiseaseMeth 2.0这个数据库分析基因表达与甲基化的关系，并制作成箱线图。

重现方法：这个更加简单，在线分析工具，直接登录网站http://bio-bigdata.hrbmu.edu.cn/diseasemeth/search.html，输入基因名和疾病即可检索。

6. 免疫浸润分析

所谓免疫浸润就是分析肿瘤组织中“掺杂”的免疫细胞的数量，原文中作者用在线分析工具TIMER进行了分析，绘制了不同类型免疫细胞的比例与基因表达的相关性散点图。

重现方法：使用CIBETSORT和TIMER都可以，作者用的是TIMER，但是个人感觉CIBERSORT（https://cibersort.stanford.edu/index.php）用着更舒服一些。

5. GSEA高级功能富集分析

为了进一步阐述上述4个基因导致表型变化的分子机制，作者对上述基因及其相关基因进行了高级的功能富集分析-GSEA。

重现方法：关于GSEA，我们有专门的视频教程，参见《【科研猫·绘图】GSEA分析全攻略，带视频分享》。

小结

通过这篇实际的例子，我们看到，通过数据分析发表一篇5分的SCI文章还是比较简单的，而且都是“套路”，只要学会这些套路，做起来是非常省时省力的。

当然了，也不排除很多同学在实际操作过程中出现各种各样的问题，而且很多同学就算是做出了结果有时候也不是很自信，这个时候就需要有专业的老师介入了。如果在专业的技术人员带领下学习，上面的事情做起来都会是事半功倍。为了满足大家的需求，我们将在广州举行2019年最后一次“封箱”大讲堂，课程上以实例为引，全程手把手教学，两天掌握5分文章套路。

-END-

更多科研新鲜资讯、文献精读和生物信息技能

请关注科研猫公众号

未经许可请勿随意转载，

版权事宜由上海辰明律师事务所提供法务支持