三门峡集团网站建设,wordpress 中文 图片,国外做鞋子的网站有哪些,做个网站要多久解螺旋公众号陪伴你科研的第2003天如何复现一篇3分生信研究做科研需要先学习套路#xff0c;才能超越套路。今天给大家介绍的套路文献是今年发表在《Oncology reports》(IF 3.041)上的一篇文章。文章的标题虽然看上去比较泛#xff0c;但也让读者一眼就能知道主题了#xff… 解螺旋公众号·陪伴你科研的第2003天如何复现一篇3分生信研究做科研需要先学习套路才能超越套路。今天给大家介绍的套路文献是今年发表在《Oncology reports》(IF 3.041)上的一篇文章。文章的标题虽然看上去比较泛但也让读者一眼就能知道主题了“molecular mechanism”、“potential drugs”、“papillary renal cell carcinoma(PRCC)”所用的研究数据就是“TCGA and Cmap datasets”了。当然也有一些同学看到TCGA这几个字母就敬而远之了大家可以翻翻我们之前写的文章抑或学习下我们的课程让这些同学们不再只是“远观”而且可以“亵玩”。首先给大家简单介绍下文章method的主要内容1. 作者首先用GEPIA做了个差异表达(没错就是那个网页工具)2. 用MetaScape进行GO的富集分析用Webgestalt进行KEGG通路富集分析3. 根据上面得到的差异表达基因用Cmap和Drug Pair Seeker进行药物分子预测前者是Broad下的网页工具后者是需要下载使用的工具不过两者都是基于Connectivity Map4. 构建药物-通路网络基于Cmap的数据找到受药物影响的差异表达基因然后将这些基因做基因富集分析5. 构建药物-靶标网络作者从DrugBank里弄到了潜力位于top10的药物的分子结构然后去STITCH数据库里找他们的靶基因6. 进一步探索PRCC的潜在药物作者首先用STRING的数据和差异表达的基因然后在Cytoscape里的CentiScape插件寻找其中的hub基因再用GEPIA确认hub基因的表达水平。然后在Human Protein Atlas数据库里找了C3和ANXA1的免疫组化结果。最后作者用systemsDock(也是个网页版工具)做了个hub基因蛋白与药物之间的分子对接。对于新手或者不太熟悉的同学笔者建议将上述工具和数据库都去学一学用一用技多真的不压身(基本都是网站和一些简单的工具)下面我们来看看文章的主要结果1. Table1和Table2分别展示了PRCC中差异表达基因的GO和KEGG的富集分析结果2. Figure1和Figure2也是展示PRCC中差异表达基因的GO和KEGG的富集分析结果3. 展示了打分最高最有潜力靶向RPCC的10个药物分子4. 展示了潜在的靶向药物与信号通路之间的网络关系。蓝色的表示药物红色的表示受药物影响的通路。5. 然后作者展示了基于STITICH数据库构建药物分子和靶点之间网络关系的结果。6. 作者在Cytoscape里找到了hub基因并展示了这些hub基因之间的PPI网络7. 然后作者用GEPIA验证了上面的hub基因在PRCC和癌旁组织中存在差异表达(没错就是GEPIA)8. 然后作者在TCPA中用C3和ANXA1的蛋白数据做了个生存分析(然而两者都不显著啊为什么不在GEPIA里也做一个mRNA的生存分析呢)9. 作者用Protein Atlas的数据验证了C3和ANXA1两个基因的蛋白在肿瘤中表达比较高在60%以上的病人中都检测到了位列前茅。10. 然后作者展示了免疫组化的结果比较了正常组织和肿瘤组织中的差异(数据挖掘真好抗体的费用都省了)11. 随后作者秀了下C3和ANXA1两个蛋白与药物分子的对接效果图展示了药物能结合的氨基酸残基和空间距离。以上就是这篇文章的主要结果这篇文章对于想要学习数据挖掘的小白们来说还是值得学习的至少其中所涉及到的工具还是有不少的推荐大家去看看学习。笔者也随手给大家提两个建议如果大家对生信技能稍微熟悉一点这篇文章里前面的GO和KEGG可以用GSEA来作这样的结果会更靠谱一点结果图也可以更多一些。然后就是可以用TCIA或者TIMER里的免疫细胞浸润数据分析比较一下正常和肿瘤组织间的免疫浸润差异嘛。祝大家都能有所收获多发文章发高分文章—END—相关文章看看这个套路低分论文你可以发一打9分期刊提出的“癌王”治疗新思路骨髓细胞一定有免疫抑制功能吗点下“在看”多根头发
