|
我们把基础科研的层次分为四部分：临床、细胞、动物和分子，在临床样本出发的研究中，我们介绍过三步骤：1. 找差异；2. 分析相关性 3. 预后分析。对大家来说，临床部分常常遇到的问题就是样本量不够，比如自己只能收到20对样本，这时我们还有两个选择： 1. 从商业化的公司购买样本，比如组织芯片； 2. 从公共数据库（比如TCGA）中挖掘数据。 其实，我们看到的高分文章常常就是把这三部分整合起来用，比如：CCR这篇文章： 第一个figure： 甚至直接只用数据库的结果，今天我们就从一篇文章开始说起： 这篇文章是2017年3月份发表在Oncotarget杂志的文章，说的是STAT家族的七个分子作为乳腺癌标志物的主题，我们看文章的内容： fig1 七个STAT因子在不同肿瘤中的表达（数据来源于Oncomine） fig2 七个STAT因子与SBR(Scarff Bloom & Richardson grade status)的关系 fig3 七个STAT因子与乳腺癌预后（RFS）的关系（KM Plotter） fig4 乳腺癌中STAT3表达与突变（预后）分析(cBioPortal) 就这样，大家已经看到了，文章用了Oncomine，KM plotter，TCGA等数据库，挖掘下来就把4个图给找出来了，是不是一方面觉得Oncotarget名副其实的灌水（鄙夷脸），另一方面在想：即使是灌水，我要是也能灌几篇也可以（沉思脸）。 所以，今天我们就来用工具跟大家说说这些图的做法，今天我们说的这个是：fig 3 七个STAT因子与乳腺癌预后（RFS）的关系（KM Plotter）中如何用网站直接做： 这个网站是：Kaplan Meier Plotter（http:///analysis/），打开后页面如下： 划重点了，网站可以进行四个癌种：乳腺癌、卵巢癌、肺癌、胃癌的mRNA表达和乳腺癌miRNA的预后分析。 下面我们看怎么把fig3的图给重复出来，我们以P值小于0.05的STAT2 为例： 接下来： 选好最后的Draw Kaplan-Meier Plot后就出来了：
跟文章里面的结果有些不同，是由于数据库更新造成的，不过logrank P都小于0.05，都有意义：
其它的内容我们下次再说，大家感兴趣的也可以通过课程来听，小张都放到课程里面了:
|
|
|
