我们公众号以前讲解过生信数据挖掘的一些文章,总结下来有几种模式 ① GEO或者TCGA数据分析 ② GEO和TCGA数据联合分析 ③ DNA、RNA组学联合分析 ④ RNA、蛋白质组学联合分析 那么灌水求毕业的条件还是比较好满足的,毕竟1、2分的文章只需要GEO或者TCGA分析一下就容易满足,一般3~5分的SCI都要求数据库之间的联合分析,要么就是多组学的联合分析,更高分数的(5分以上的)就要求做完整的细胞功能以及分子机制实验。 这几年生信数据挖掘越来越得到认可,大有前几年meta分析的趋势,以下是Pubmed中生信类的相关文章数量和年份的分布情况。 如果是时间要求很紧张但是苦于没有实验室做实验发SCI的小伙伴,可以参考一下几种生信数据挖掘文章的模式。 (1)Elevated circulating miR-182 acts as adiagnostic biomarker for early colorectal cancer 单位:江苏省人民医院 期刊:CancerManagement and Research 分数:3.8 疾病:结直肠癌 文章思路:数据挖掘分为Discovery phase、Training phase、Validation phase→GEO数据库中结直肠癌数据集(GSE54088、GSE38389、GSE39845、GSE35834)→TCGA数据集→差异表达的miRNAs在结直肠癌和癌旁、术前和术后的血浆样本进行Q-PCR验证→miR-182、miR-20a在术前和术后血浆中差异表达,且来自于病灶,可作为结直肠癌的诊断标记物 分析流程图
GEO和TCGA分析、样本验证
(2)Altered long non-coding RNA transcriptomicprofiles in ischemic stroke 单位:汕头大学医学院附属第一医院 期刊:HUMANGENE THERAPY 分数:4.2 疾病:缺血性脑卒中 文章思路:构建脑卒中大鼠模型,3对3,行RNA-seq→差异表达的lncRNA和mRNA→circos图中lncRNA和mRNA在染色体上的分布情况→lncRNA和mRNA的CNC网络以及ceRNA网络 RNA测序中的lncRNA和mRNA的表达差异分析(3对3,热图聚类分析) Circus图:表达差异的lncRNA和mRNA在染色体上的分布情况
LncRNA和mRNA的共表达网络;lncRNA-miRNA-mRNA调控网络
(3)Expression profiles analysis identifies anovel three-mRNA signature to predict overall survival in oral squamous cellcarcinoma 单位:南方医科大学口腔医院 期刊:Am JCancer Res 分数:3.2 疾病:口腔鳞细胞癌 文章思路:GSE13601,GSE30784, GSE37991以及TCGA中OSCC测序芯片数据下载→差异基因的mRNA交叉分析→GO和KEGG通路富集分析、PPI网络分析→76个上调基因、106个下调基因→PLAU, CLDN8和CDKN2A作为三个联合基因和OSCC预后相关,并且在GSE41613中得到了验证 GEO、TCGA的多数据集的交叉差异分析 PPI网络、3个基因在TCGA中的表达情况、预后分析 |
|