文章的主要内容从标题就可以看出,就是构建子宫内膜癌ceRNA网络,并做预后分析。
文章中的数据来源是TCGA,目前来说构建癌症ceRNA网络大体都是从TCGA里面寻找数据,因为这个是癌症数据库,数据多、临床资料全、格式统一规范,并且,是公开的,可以免费下载。子宫内膜癌在TCGA里面的project名称是TCGA-UCEC。
首先还是走程序,筛选差异表达的mRNA、lncRNA、miRNA,然后拿这些差异表达的RNA去数据库里匹配,miRNA-lncRNA配对关系使用的是miRcode,miRNA-mRNA配对关系使用的是TargetScan,然后以miRNA为媒介构建ceRNA网络。
随后,文章对ceRNA网络中的mRNA进行go和kegg富集,如下图所示,参加过我们培训班的学员应该一眼能看出来,这些气泡图是基于ggplot2包画出来的。
描述基因的生物学功能之后,文章开始分析lncRNA的临床意义,对ceRNA中lncRNA进行单因素Cox回归分析,卡值为p<0.05,下图是生存曲线。
接下来,对单因素分析中显着差异的lncRNA进行多因素分析,使用kaike Information Criterion(AIC)建立最佳模型。文章中建立的风险模型由4个lncRNA的表达值构成。
根据这个风险模型,将患者划分高低风险组,下图是生存曲线和ROC曲线,结果显示这个模型可以很好的预测患者的临床结果。
后面,文章还做了高低风险与其他因素的关系。
最后,文章将风险模型中的4中lncRNA在ceRNA网络中相关的mRNA摘出来,做了ppi蛋白互作网络分析。
总的来看,这篇文章分为两部分。
第一部分是分子功能层面,包括找差异基因、构建ceRNA网络,功能注释等等。
第二部分是临床意义层面,基于第一部分的ceRNA网络中的lncRNA构建临床风险模型。
一旦与临床意义挂钩,这些生信分析的价值就体现出来了(哪怕主要体现在发文章上)。
如果觉得《最新纯生信文章 这个套路你也可以试试》对你有帮助,请点赞、收藏,并留下你的观点哦!