在GEO数据库如何找带有预后信息的数据?一分钟搞定,适用于找任何的样本特征数据

GEO数据库是目前基因表达谱数据数据库之一、里面包含了各种物种的各种测序和芯片平台的数据。详情介绍可以参考这篇文章:https://shengxin.ren/article/454,在这里我们主要介绍怎么快速的获取 ...

  • 8
  • 1
  • 祝让飞
  • 发布于 2020-02-07 10:32
  • 阅读 ( 1113 )

文献解读(8)CPC特有的DNAm标记的整合可保护一些年轻患者免于由不同原因造成的破坏性和永久性神经系统的损害

DNA甲基化谱分析可将CPTs细分为3个疾病亚组,而CPC特有的DNAm标记的整合可显著改善预后风险的预测,从而可做出明智的治疗决策,从而保护一些年轻患者免于由不同原因造成的破坏性和永久性神经系统的损害。

  • 0
  • 0
  • 蛋壳
  • 发布于 2020-01-06 15:21
  • 阅读 ( 193 )

文献解读(7)TP53突变这么重要?

作者通过对TCGA中32种癌症的10225例样本的分析,全面评估p53通路在这些癌症中的作用。发现TP53突变与增强的染色体不稳定性相关,包括癌基因扩增增加和抑癌基因深度缺失。TP53突变的肿瘤在RNA、miRNA和蛋白表达模式上与未突变的肿瘤不同,突变的TP53肿瘤表现出细胞周期进展基因和蛋白的增强表达。在11种癌症类型中,突变的TP53 RNA表达特征显示与生存率降低显著相关。因此,TP53突变对肿瘤细胞基因组结构、表达及临床前景具有重要的影响。

  • 0
  • 0
  • 蛋壳
  • 发布于 2020-01-02 16:28
  • 阅读 ( 323 )

文献解读(6)一种用于系统计算诊断和预后基因特征的方法研究

该研究开发了一种用于诊断和预后基因signature识别的有效工具箱。它是第一个将meta分析与基因表达分析和ML方法相结合的R软件包工具,用于系统地计算统计上可靠的基因signature。重要的是,该工具不限于特定疾病。该工具为有效分析数据和更好地对疾病进行临床管理打开了新的窗口。

  • 2
  • 1
  • 蛋壳
  • 发布于 2019-12-30 17:49
  • 阅读 ( 501 )

文献解读(5)三阴性乳腺癌与免疫微环境

研究纳入了WCH的76例TNBC患者和来自TCGA的158例TNBC患者。作者基于转录组数据,使用基于基因标记的xCell方法计算了34种免疫细胞的整体免疫得分和类型特异的富集得分。由Cox比例风险模型计算无复发生存率(RFS)和总生存率(OS)的HRs,研究细胞与预后的关系。

  • 1
  • 0
  • 蛋壳
  • 发布于 2019-12-25 18:32
  • 阅读 ( 819 )

怎样使用SangerBox进行投稿选刊

怎样使用SangerBox进行投稿选刊 怎样使用SangerBox进行投稿选刊 怎样使用SangerBox进行投稿选刊 怎样使用SangerBox进行投稿选刊

  • 0
  • 1
  • 祝让飞
  • 发布于 2019-12-17 15:16
  • 阅读 ( 671 )

怎样使用Sangerbox对搜索结果进行统计

怎样使用Sangerbox对搜索结果进行统计 怎样使用Sangerbox对搜索结果进行统计 怎样使用Sangerbox对搜索结果进行统计 怎样使用Sangerbox对搜索结果进行统计

  • 0
  • 0
  • 祝让飞
  • 发布于 2019-12-17 15:15
  • 阅读 ( 268 )

怎样使用Sangerbox筛选目标杂志

怎样使用Sangerbox筛选目标杂志 怎样使用Sangerbox筛选目标杂志 怎样使用Sangerbox筛选目标杂志 怎样使用Sangerbox筛选目标杂志

  • 0
  • 0
  • 祝让飞
  • 发布于 2019-12-17 15:10
  • 阅读 ( 367 )

怎样使用Sangerbox进行文献分析

怎样使用Sangerbox进行文献分析 怎样使用Sangerbox进行文献分析 怎样使用Sangerbox进行文献分析

  • 0
  • 0
  • 祝让飞
  • 发布于 2019-12-17 15:08
  • 阅读 ( 302 )

怎样利用Sangerbox收藏文献,高效读文章

怎样利用Sangerbox收藏文献,高效读文章 怎样利用Sangerbox收藏文献,高效读文章 怎样利用Sangerbox收藏文献,高效读文章 怎样利用Sangerbox收藏文献,高效读文章

  • 0
  • 0
  • 祝让飞
  • 发布于 2019-12-17 15:07
  • 阅读 ( 197 )

怎么高效的使用Sangerbox查文献

怎么高效的使用Sangerbox查文献 怎么高效的使用Sangerbox查文献 怎么高效的使用Sangerbox查文献 怎么高效的使用Sangerbox查文献

  • 0
  • 0
  • 祝让飞
  • 发布于 2019-12-17 15:05
  • 阅读 ( 282 )

文献解读(4)NC甲状腺癌的刻画

在这项研究中,作者使用不同类型的测序技术,刻画了ATC和DTCs的基因组和转录组景观。使用突变谱证实了之前的描述,多次基因改变促进了TC的进展。此外,作者采用多种分析方法刻画了TCs转录组特征。

  • 0
  • 0
  • 蛋壳
  • 发布于 2019-12-13 17:37
  • 阅读 ( 360 )

如何快速的查询某学者的基金项目列表

用Sangerbox公众号,便捷快速。 近日公众号上线了新功能,可以根据人名或者人名+单位 就能检索此人的所有基金项目哦 此外还能预测与此人的亲密合作伙伴呢

  • 0
  • 5
  • 祝让飞
  • 发布于 2019-12-13 11:07
  • 阅读 ( 900 )

文献解读(3)TIGS是一种有效的肿瘤内在生物标志物,可用于ICI应答预测

文章在泛癌中使用表达数据、临床数据以及结合免疫评估,差异表达,GSEA,生存分析等方法最终识别出了有效的生物学标志物,并对标志物的性能进行了测评,工作量很大。无论是研究预后还是免疫的小伙伴都可以借鉴文章的研究方法以及角度。

  • 0
  • 0
  • 蛋壳
  • 发布于 2019-12-12 18:26
  • 阅读 ( 448 )

文献解读(2)早期诊断的生物标记增加:DIS和PIS

通过对消化系统疾病肿瘤微环境的探索,识别出了在消化类癌症中更为有效和精确的诊断和预后标志物。他们的研究全面分析了免疫细胞在DSC诊断和预后中的作用,并且他们识别的DIS和PIS可以用作早期诊断的生物标记和用来预测DSC病人的生存。

  • 0
  • 0
  • 蛋壳
  • 发布于 2019-12-02 18:08
  • 阅读 ( 389 )

文献解读(1)What?这篇文章为预测预后和发现抗转移药物提供了帮助?

从单细胞测序数据入手,结合多种生物信息方法,筛选了基于scRNA-seq的标记基因,并在大量ccRCC样本中进行了验证。不仅描述了pRCC和mRCC的基因组特征和异质性,还发现了一些MAGs,为预测预后和发现抗转移药物提供了可能的帮助

  • 0
  • 0
  • 蛋壳
  • 发布于 2019-11-27 17:24
  • 阅读 ( 587 )

你知道桑格组手公众号怎么查询即时影响因子了吗

好久没有更新公众号的杂志影响因子查询的功能了,最近做了一下改版,主要有两个方面: 1、优化了搜索方式,之前是需要输入完整的杂志名称才能查影响因子及分区,现在支持模糊搜索啦,比如搜索p...

  • 0
  • 10
  • 祝让飞
  • 发布于 2019-11-26 20:00
  • 阅读 ( 4112 )

文献解析(9)MB干性特征分析

文章结果提供了MB干性的一个综合特征。基于mRNAsi的预后特征可能有助于SHH MB预后的个性化预测,并在临床实践中作为SHH MB预后潜在生物标志物。这篇文章的研究还提供了基于机器学习方法的策略,以系统地识别在MB干细胞和针对MB干细胞的药物方面分层的生物标志物。同时其对肿瘤浸润免疫细胞与MB干细胞之间相互作用的分析可能有助于预测针对MB干细胞的免疫治疗,并有助于确定哪些患者会对此类治疗产生反应。

  • 0
  • 0
  • 蛋壳
  • 发布于 2019-11-26 15:09
  • 阅读 ( 482 )

文献解析(8)这篇文章为研究癌症干细胞特性相关基因提供了一个很好的思路,一起来看看把!

(1)基于WGCNA方法总共识别了11个模块; (2)通过计算与mRNAsi的相关性,得到与mRNAsi负相关明显的3个模块; (3)进一步卡MM > 0.8和GS > 0.5,最终在上述3个模块中识别了13个关键基因,这13个关键基因在膀胱癌干细胞维持中起着重要的作用; (4)通过控制上游的AURKB和PLK1基因可能有助于膀胱癌的治疗,这些基因可能是作为抑制膀胱癌干细胞特征的治疗靶点。

  • 1
  • 0
  • 蛋壳
  • 发布于 2019-11-26 14:55
  • 阅读 ( 488 )

文献解析(7)胶质瘤MR预测IDH

利用这个神经网络模型,作者分别在训练集、验证集和测试集实现了82.8% (AUC = 0.90)、83.0% (AUC = 0.93)和85.7% (AUC = 0.94)的IDH预测精度。当诊断年龄纳入模型时,训练、验证和测试的准确率分别增加到87.3% (AUC = 0.93)、87.6% (AUC = 0.95)和89.1% (AUC = 0.95)。表明这种深度学习技术能够实现非侵入性的高效准确预测II-IV级胶质瘤的IDH基因型,有助于指导治疗决策。

  • 0
  • 0
  • 蛋壳
  • 发布于 2019-11-26 14:48
  • 阅读 ( 358 )