生物信息学分析，妙就妙在可以在不做实验的基础上拿到不少data，甚至可以直接发表SCI级别的研究成果。难就难在寻找到有价值的分析对象。而生信分析需要掌握的一些技术和手段，并不是一个真正的限速步骤，毕竟很多东西是可以用钱找专业的人去解决的。而且，也不贵，比如找我。那么，生信分析能具体拿到什么样的结果呢。

数据展示形式差异表达

临床特征

预后相关性

免疫浸润相关性

基因富集分析（GSEA）

分子互作

（注：每个大类下面又可以延伸出不同的小类，例如临床特征下面可以延伸出T分期，N分期，M分期，Age，Gender等等）

表达差异

可以使用TCGA，GEO和Oncomine数据库进行分析

结果描述

XXX数据库中，xxx（样本）xxx（研究对象）表达显著高或低于正常/癌旁组织。

临床特征

xxx患者的临床特征，其中包含了年龄，性别，T分期，N分期等等。

预后相关性

结果描述

各组的中位数生存时间：低表达（low）组的中位生存时间为xxx；高表达（high）组的中位生存时间为xxxCox回归结果表明生存分布的差异具有统计学意义。统计分析结果表明xxx与xxx总体生存率差呈负相关（P =xxx）。

GSEA分析

1.NES绝对值大于等于1

2.nominal p value<0.05

3.FDR<0.25

免疫浸润

figure legend

Correlation of immune cell infiltration and TICRR expression in papillary renal cell carcinoma (PRCC) patients.

(A)Relationships among infiltration levels of 24 immune cell types and TICRR expression profiles by Spearman’s analysis.

Shown is the comparison of infiltration levels of most correlated immune cells, including dendritic cells(B), neutrophils(C), macrophages(D), type 2 T helper cells (Th2) cells(E), Th cells(F), and T cm memory cells(G)between high- and low-TICRR expression groups. DCs, dendritic cells; aDCs, activated DCs; iDCs, immature DCs; pDCs, plasmacytoid DCs; Th, T helper cells; Th1, type 1 Th cells; Th2, type 2 Th cells; Th17, type 17 Th cells; Treg, regulatory T cells; Tgd, T gamma delta; T cm, T central memory; T em, T effector memory; Tfh, T follicular helper; NK, natural killer.

Results描述

总结

研究通过对生物信息数据库的挖掘，发现xxx（研究对象）在xxx（疾病）表达xxx，且与预后不良相关。xxx表达影响微环境中免疫浸润细胞的组成。xxx可能参与调控xxxx通路，可作为某种疾病诊断和治疗潜在的靶点。

百度浏览   来源 : 知乎   

版权声明：本网站所有注明来源“医微客”的文字、图片和音视频资料，版权均属于医微客所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源：”医微客”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，转载仅作观点分享，版权归原作者所有。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。 本站拥有对此声明的最终解释权。