打开APP
userphoto
未登录

开通VIP,畅享免费电子书等14项超值服

开通VIP
GEO数据挖掘+实验验证,这样的生信发了4分+SCI

参考文章:Bioinformatic analysis identifying FGF1 gene as a new prognostic indicator in clear cell Renal Cell Carcinoma

分析思路:

1、通过GEO数据的差异分析,筛选出一定数量的差异基因

2、一共得到192个差异基因,并且进行GO富集分析和KEGG富集分析

3、将差异基因进行蛋白互作网络分析,并且筛选核心基因,作者选出了FGF1作为后续深入研究的基因

4、通过一系列的在线数据库验证FGF1的表达情况和预后情况

5、补充免疫组化和PCR实验验证FGF1的表达

6、在线数据库分析FGF1基因的理化特性以及其相关生物学功能、信号通路

总结:

作者通过GEO数据筛选出一定数量的差异基因,然后通过功能分析筛选一个值得深入研究的核心基因,先通过在线数据库分析验证这个基因的表达情况和预后情况,再补充免疫组化和PCR实验尽心验证。该分析思路简单清晰,比较容易实现,所花费的经费相对比较少。如果想将文章再上一个层次就需要进行一系列的功能实验,并且探索FGF1的作用机制,这也将花费更多的科研经费,并不是所有的研究者都有这么多经费,很有可能就是科研经费决定着这篇文章的深度

本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请点击举报
打开APP,阅读全文并永久保存 查看更多类似文章
猜你喜欢
类似文章
GEO多个芯片联合分析,TCGA数据库,生存分析对差异基因验证,热图,火山图,差异表达,GO功能分析,KEGG富集通路,Cytoscape构建蛋白互作网络
GEO多套数据如何合并进行分析?(之二)
如何快速学习GEO数据挖掘?
手把手教你用lncRNA预后模型发5分文章
circRNA芯片分析的一般流程
一篇最基本生信分析文献解读
更多类似文章 >>
生活服务
热点新闻
分享 收藏 导长图 关注 下载文章
绑定账号成功
后续可登录账号畅享VIP特权!
如果VIP功能使用有故障,
可点击这里联系客服!

联系客服