TIMER+TISIDB分析肿瘤免疫浸润
生 信论文的套路 ONCOMINE从全景、亚型两个维度做表达差异分析; 临床标本从蛋白水平确认(或HPA数据库),很重要; Kaplan-Meier Plotter从临床意义的角度阐明其重要性; cBio-portal数据库做基因组学的分析(机制一); STRING互作和GO/KEGG分析探讨可能的信号通路(机制二); TISIDB/TIMER分析肿瘤免疫特征(机制三)。 我们介绍过,TIMER和TISIDB数据库都是做肿瘤免疫浸润分析的神器,但是数据库之间的组合是非常有讲究的。那么,怎样用好肿瘤免疫数据库呢?这篇文章以前分享过,值得重新学习。 影响因子4分+。 文章题目 摘要部分 正文部分。 先 是开源数据与课题组数据结合的情况,在纯生信论文越来越多的背景下,这种数据展示形式会更加普遍。 即使在顶级期刊,这种形式也很多见,也体现研究的科学性,增加数据的可 信 度。 首先是三线图的临床数据,用PPT就可以完成。 GEO数据和TCGA数据的Meta分析,结合HPA数据库的病理染色结果, 从mRNA水平到蛋白水平,该实验结果很有层次感(其实要是再有RT-PCR的实验结果就更好了) 。上述TCGA数据和GEO数据可以通过ONCOMINE数据设定条件,然后筛选出相应的数据,再进行meta分析,数据要用作图软件Graghpad Prism。 基因表达差异与病理分析,存活率之间的相关性