【原】TCGA lncRNA数据挖掘文献分享

论文题目：

A prognostic 4-lncRNA expression signature for
lung squamous cell carcinoma

论文摘要：

肺鳞状细胞癌（LUSC）的结果仍然是评估或预测的挑战。我们的目的是筛选预后的lncRNA并挖掘它们在LUSC中的作用。从癌症基因组图谱中提取原发性肺癌的RNA-Seq数据。通常，在单变量存活分析中筛选和分析癌症样品中改变的lncRNA以鉴定预后lncRNA。产生基于基于可能性的生存模型并且进行1000次随机取样迭代以计算特征关键lncRNA的频率。这些lncRNA的聚类和多变量存活分析用于评估它们的功能和对预后的影响。最后，验证了最优聚类模型的稳定性和有效性。总之，我们在原发性肺癌样本中获得了5664个通常改变的lncRNA，其中289个与单变量生存分析中的预后相关。基于稳健可能性的1000次迭代生存建模产生11个特征lncRNA，频率大于300.发现它们的相互作用蛋白参与DNA修复和细胞增殖。在11种lncRNA的稳定组装中，最终选择了4-lncRNA模型，具有高稳定性和可行性。理想的4-lncRNA模型可以对患者样本进行聚类，具有显着差异，为LUSC的预后预测提供了新的途径。

文章作者主要是做了这些事情：

1、TCGA数据的下载与提取分离lncRNA

2、筛选lncRNA

2、确定与预后相关的关键lncRNA

3、关键预后lncRNA的相互关系

4、建立Cox归回模型与做生存分析

end