|
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 |
|
|
