不做肿瘤研究，数据挖掘怎么发文章？

往期讲了蛮多肿瘤类的生信数据挖掘模式，非肿瘤类方向的童鞋强烈要求师兄雨！露！均！沾！

数据挖掘讲究从病例样本和正常样本的芯片、测序数据中，通过算法筛选隐藏于其中的差异基因、分子修饰、分子互作等生物学信息，为进一步的科学实验证明提供可靠的思路。

肿瘤样本容易做数据挖掘主要在于①病人太多太多②病例样本和癌旁样本对比性强③细胞容易培养，功能验证较容易。非肿瘤方向的童鞋表示亚历山大，病例样本和对照组的收集本身更麻烦一点，有时候还得动物造模，不过数据挖掘的数据组呢，都是现成的，信手拈来。

师兄就介绍几篇非肿瘤类的生信数据挖掘出发的文章类型，来自于GEO数据库。

1）EXPERIMENTAL AND THERAPEUTIC MEDICINE，IF=1.3分

文章名称：Identification of key genes and pathways associated with obesity in children

疾病：儿童肥胖症

单位：济南儿童医院儿科，上海交通大学儿童医学中心

期刊介绍：审稿时间1个月，命中率70%

文章思路：GEO中基因表达芯片数据组（7个肥胖儿童，8个较瘦儿童）→limma package→肥胖差异基因筛选（79↑,120↓）→生信工具DAVID对基因GO注释和功能富集→PPI网络绘制（STRING构建，Cytoscape美化可视化）→IRegulon软件确认肥胖相关基因（MMP9、ACACB）

趁手小工具iRegulon

2）Gene，IF=2.4分

文章名称：CDKN2B-AS may indirectly regulate coronary artery disease associated genes via targeting miR-92a targeting

疾病：冠状动脉疾病（CAD）

单位：哈尔滨医科大学附属第二医院心脏外科

期刊介绍：审稿时间2月，命中率55%

文章思路：GEO中基因表达芯片数据组（GSE20680,87个CAD样本和52个正常样)(GSE20681 ,99 CAD样本和99正常样本）→CAD差异基因1208条→miR2Disease和miRTarBase预测CAD相关miRNA 5条→lncRNA Disease database预测了和CAD有关的lncRNA→预测CDKN2B-AS可能以ceRNA机制靶向GATA2, MAP1B和ARG1基因的表达→样本验证mRNA表达情况

3）Acta Diabetol，IF=3.3分

文章名称：Genome-wide gene expression profiling reveals that CD274

is up-regulated new-onset type1 diabetes mellitus

疾病：1型糖尿病

单位：苏州大学附属第二医院眼科学

期刊介绍：审稿时间2月，命中率50%

文章思路：GEO中基因表达芯片数据组（正常样本是取自病症出现前1年前）→R语言分析差异表达基因→基因CD274（编码PD-L1）持续高表达→病例相关性分析显著→第二个数据组中进行验证PD-L1表达情况