对方向扔了一个赤果果的生信分析SCI思路

文章2017年发表在Oncotarget上(虽然已经牺牲了)，但是我们可以取其精华呀，只要还有值得我们学习的地方，我们就挖掘出来。

 

摘要部分看完大概知道文章找了些结直肠癌中差异的上百了lncRNA,后来从中缩小到了8个lncRNA,然后弄了一个基于SVM的风险分类模型来区分早期结直肠癌中的高风险病人，然后还做了通路富集分析啦。

首先用第一个数据集GSE37892做了差异分析（分组是early stage Vs. advanced stage），找到几百个差异lncRNA,然后分层聚类分析下，明显分层两类，虽然有点点小瑕疵，效果还算不错。

然后顺便比较了用差异基因分出的两组病人的生存分析（kaplan-meier），这种结果根本不用想肯定会比较好啦，用差异基因分出来的组，几乎就是在做advanced stage跟early stage组的生存率比较，不符合才怪呢。总不可能就用上百个基因这么去分类吧，因此接下来作者用随机森林（random forest supervised classification algorithm）算法做了降维处理（有个R包可以做啦），筛选了8个lncRNA。

列下这8个lncRNA的大概信息，然后用这8个lncRNA来聚类看下：

同样是聚类热图加生存分析比较，发现用8个lncRNA也能分开，而且也不错，同样的比较两Cluster的生存情况，当然结果还是不错啦。

然后还是在这个Training 数据集，作者将这8个biomarker放到一个基于SVM的风险分类模型，做了ROC曲线，AUC非常高，当然生存分析比较还是很好滴。

接下来要用外部数据集验证下了，称为Testing数据集,发现聚类结果还勉强吧，同样的ROC曲线评估下，AUC其实不是太好，但是还算勉强吧，这里同样可以有个两组的生存分析比较。

然后就是我们的老朋友DAVID做了功能富集分析。

作者找了跟这8个lncRNA表达相关的mRNA做富集，认为这些是与8个lncRNA相关的研究通路，然后就没有然后了，大家都去研究吧，它们很重要。

 

总的来讲文章的思路可以说简单粗暴了，比如我们是不是可以找更大的数据集来验证呢？既然是做肿瘤为何不用TCGA数据库辅助呢，还可以探索这8个lncRNA与其它临床信息的关联呀。内容分享完了，希望对大家有帮助！