话不多说，今天来安利一篇老少皆宜的数据挖掘的非编码RNA的“五分以上”文章，标题：Identification of a RNA-Seq based prognostic signature with five lncRNAs for lung squamous cell carcinoma，本文思路清晰，实现简单。

为了方便理解，就简单的将本文梳理一个流程图如下：

从流程图可以看出非常的简洁明了，是不是瞬间感觉自己也能做呢，那么下一步咱们一起来解读一下这篇文章的套路。

既然梳理了流程图那么咱们就直接看结果吧

1、首先文章共分离出了7589个lncRNA,事实上TCGA上的lncRNA比这个数多不少。

2、筛选差异表达的lncRNA,使用的R包是DEseq，共得到4225个差异的lncRNA，事实上lncRNA丰度都比较低，使用该包未必是最优的。

美美的画一张火山图，展示一下：

3、开始对每一个差异的lncRNA做单因素生存分析，筛选出有预后差异的lncRNA，共得到41个lncRNA,不好展示直接用表格列出在补充材料中。

4、将这41个lncRNA使用多因素生存回归分析，最终构建出5个lncRNA的生存模型，其实也是一条命令就完事的。

5、得到了五个lncRNA之后首先要做的是展示这五个lncRNA的各方面信息，比如在染色体位置，预后的显著性等等，让大家知道这五个lncRNA的基本情况

6、既然构建了这五个lncRNA的预后模型，那么要看看不同风险分数（PI）下他们的一个表达和预后情况，为之后的样本分类做好准备

这个图呢可以直观的看出五个lncRNA构建的预后模型中不同样本的风险得分以及表达水平上的对应关系，从图中可以看出随着风险得分的增高样本的死亡时间有所加快（图B）,而表达情况前两个lncRNA有下降趋势，后三个有上升趋势（不能做个zscore么。。。这好不明显。。。），这就说明三个问题：

一、风险得分越高，预后越差

二、前两个lncRNA表达越低预后越差

三、后三个表达越高预后越差

那么这个图是怎么做的呢，其实很简单，三个图横轴都是样本，按照风险得分进行排序，第一个就是散点图，第二个也是（将死亡的标记成红色），第三个是热图，三个图组合一下就完事，实在不行一个一个画，画完之后用AI拼一下就行了

7、既然构建了这五个lncRNA的预后模型了，那么要对比一下这个模型与现有的病理学分类有啥区别，最终发现这个模型比他们的要好一些（这就是这篇文章的全部意义。。。）。

8、既然模型公式有了，那么选择一个好用的阈值来分类是必不可少的，这里使用ROC来评判模型的好坏顺便选择一个最优的阈值（A图中对应y轴-x轴最大那个点）

9、找到最优的阈值之后对样本分类然后对比一下五个lncRNA的表达情况，图一定要好看

10、开始看看这五个基因的功能，使用WGCNA构建共表达网络，没看懂这一步为了说明什么，找到这五个lncRNA中最关键的lncRNA-RP11-54H7.4,我猜应该是，但是为什么不跟基因表达一起构建呢，这样更有利于说明这个lncRNA的功能喂。

11、找各种其他数据集验证比如找了好多套GEO的来验证一下预后，还结合之前课题组之前发的一篇文章中的lncRNA数据来验证了一下差异表达。

至此文章就结束了，虽然后面各种图乱入，但是无外乎就是本文前面的那个流程图，后面的主要亮点在于其他数据集也能 验证的出来这几个lncRNA确实差异表达，同时也跟预后有关。