用公共数据库数据不做实验也能发五分以上文章套路
事实上很多院校对SR、OT都嗤之以鼻，但是今年oncotarget竟然逆势上涨，小编又不小心关注了一下，刚好看到一篇比较简单适合新手入手的文章，今天就来聊一聊这篇不做实验依然发五分以上文章的套路。
这篇文章是去年十月份发表在oncotarget上的题目是：A seven-gene signature predicts overall survival of patients with colorectal cancer
文章主要流程如下：
从流程中来看其实非常简单，就是先下载67个样本的芯片数据，做数据标准化，跑了一下单因素生存分析，筛选出了6487个显著的基因 （探针），进一步做了一下KEGG的富集美化了一下结果，然后使用一个降维工具（有个R包，一条命令就完事），筛选出了7个基因，这七个基因能够区分癌症高风险低风险，然后建立了这样的7个基因的预后模型，随后用TCGA、GSE17537两套数据来验证了一下这个模型的好坏，就完事了。
看完这些有些R语言好一点的同学自己就能做了，是不是突然发现原来五分的文章这么好发，事实上建模的文章没有发不出去的，只有不会写文章的人。
那么怎么将上述结果整理成一篇有逼格的文章是一个技术活，现在一步一步来解析这篇文章
1、首先数据下载及标准化先说明
2、其次单因素生存分析，显著差异的说明一下，顺带列个最显著的前20个放在文章表里（这篇文章没放）
3、这些显著的预后差异基因的KGEE富集结果简要说明一下这些结果，不局限与KEGG,GO等其他的也行，主要丰富文章内容，说明这些预后差异基因跟肿瘤有有什么联系
4、开始降维，得到降维结果，降维方法很多，这里用的是rbsurv，可以换lasso，unicox等等很多降维方法，也可以多次，多参数的使用同一种降维方法进行降维
5、得到最终的降维后的基因集
7、这些基因集的特征分析如图B、C、D，主要就几个方面每个基因的单因素、多因素、差异表达（早期和晚期，癌与癌旁等等）、聚类分析、聚类后的样本预后分析，这些可以都尝试一遍找到想要的结果，本文中使用的是聚类分析，聚类后分类预后差异显著，同时大部分基因在正常与癌症组织中差异表达，用来说明这7个基因确实能够影响疾病的预后
8、建立多因素预后模型，这是本文的最终的模型结果，自己做不局限于此，可以根据第七步的结果酌情选择最终的建模方法，这里简单粗暴的使用的多因素回归，从AUC结果可以看出结果很好
9、既然预后模型已经建完，那么咱们就该来对比一下这个模型与现在的TNM分期等有什么关系，效果会不会比他们好一点，显然结果好就往上贴（你懂的）
10、外部数据集验证，先TCGA数据来验证一下，当你的数据TCGA中没有怎么办？很简单！在你刚开始的时候把样本分组，分一部分数据到这里来，或者随机抽样。
至此一篇有态度的文章结束，虽然简单粗暴，但你却无法反驳，当然学术研究必然是严谨的，作者做这篇文章中也一定尝试了很多方法，给我们呈现了一个7-gene模型，同时也给我们提供了一个数据建模思路。
- 发表于 2017-06-26 16:35
- 阅读 ( 13527 )
- 分类：软件工具
