图1：3月 IF=0-3分生信期刊一览表。
0-3分一直被认为是灌水的文章，像 Biosci. Rep.；BMC Med Genomics；Med. Sci. Monit.；Int. J. Neurosci.；World Neurosurg；J Gene Med都是生信友好型杂志。这些区间段的文章其实也有许多有意思，值得借鉴的亮点，分享给大家。
3月发表在JMIR Cancer的一篇paper（PMID=32209538）通过分析Ist Online，GEO、TCGA等数据库1410个样本的脂质相关基因表达，探寻黑色素瘤和结肠癌患者“肥胖驳论”现象（obesity paradox）的潜在机制。（肥胖驳论是指已知肥胖和脂肪摄入是诱发疾病的危险因素，然而肥胖或高胆固醇的患者反而比正常或者低体重的患者有更好的预后。肥胖驳论不仅仅局限于肿瘤患者，动脉硬化和心血管疾病也存在这个现象。）作者用的Ist Online数据库（https://ist./）官网号称世界上最大的人类基因表达集数据库，还提供画热图，相关性分析，有兴趣的同学可以看一下。发表在Genet Test Mol Biomarkers 的一篇生信文章(PMID: 32105524)分析单基因肿瘤预后的时候，分低stage（I和II期），高stage（III和IV期），低grade（I和II级）和高grade（III和IV级）不同阶段分析了基因的表达差异，不少同学只知道分析某某基因在某某肿瘤的预后，其实可以分析得更细，可以试试分析早期或晚期肿瘤，分析肿瘤的某个亚型。
发表在World Neurosurg的一篇纯生信文章(PMID: 31785437)利用了3个数据库：癌症基因组图谱TCGA，中国神经胶质瘤基因组图谱（CGGA）和脑肿瘤分子数据库（REMBRANDT），最后一个数据库比较少见。
BMC Med. Genet. 的一篇生信文章(PMID: 32188434)利用TCGA151个胶质母细胞瘤样本数据构建了8 mRNA和10 lncRNA signature，又比较了2个signature，发现mRNA的签名预后价值更高。这个有意思，为了让自己的分析更加充实，构建了多个类型的预后模型，再对比，选个最好的预后模型，显得文章内容丰富。
Biometrics 的一篇文章(PMID: 31424088)考虑基因环境（GE）相互作用，利用TCGA黑色素瘤和GENEVA糖尿病数据建模。
Pathol. Res. Pract.有篇生信文章(PMID: 32005407)也挺有意思的，研究了不同治疗方法（5氟尿嘧啶辅助治疗，仅接受手术治疗）对胃癌患者胶原蛋白基因（COL）表达的改变以及预后价值。FEBS Open Bio的一篇文章 (PMID: 31991047)的分析方法也比较有意思，利用TCGA胃癌数据重新比对和分析了爱泼斯坦-巴尔病毒（EBV）相关的胃癌（EBVaGC）。
发表在Med. Sci. Monit.的一篇文章(PMID: 32231177)筛选与预后密切相关的肿瘤微环境相关基因。Med. Sci. Monit. 另一篇(PMID: 32199022)分析了黑色素瘤与预后相关的RNA选择性剪接（Alternative splicing ，AS），好冷门的纯生信分析，可以学习。
Med Biol Eng Comput有一篇(PMID: 32124225)利用公共组织病理学图像建立了由深度卷积神经网络驱动的DeepSurvNet脑瘤预后分类器，影像学的同学可以学习一下，AI应用一直是医学的热门。发表在BMC Bioinformatics的两篇（PMID: 32143562, 32197580）都是涉及生信算法，专业的同学可以看看。
图3：3月 IF=3-5分生信期刊一览表。
3-5分这个区间段一直是不少同学的目标区间，3月总共发了94篇，接受最多的Sci Rep（10篇），但几乎都不是纯生信文章。此阶段纯生信友好的期刊有Genomic；Med. Oncol.；Cancer Med；J. Cell. Biochem.；Biomed. Pharmacother.等。
发表在Oncol. Rep.（PMID: 32236633, 32236632, 32236609）的三篇文章都是生信分析加细胞系验证或者自己的临床转录组数据验证。同期还有一篇（PMID: 32020214）是纯生信分析，标题为A signature of tumor immune microenvironment genes associated with the prognosis of non‑small cell lung cancer. 也是建立肿瘤微环境相关的signature, 肿瘤微环境是个一直备受审稿人喜欢的方向。Genomics著名生信友好期刊，3月发表了3篇TCGA数据库相关文章，一篇是（PMID:32234433）利用DNA甲基化和CNV数据构建深度学习回归模型；还有一篇(PMID: 32198063)是构建肝细胞癌（HCC）预后相关的Signature的文章。最后一篇（PMID: 31302201）有意思，分析了TCGA数据库中648个有铂类药物反应信息的样本，确定了11种lncRNA与基于铂的化疗反应预后有关，构建了基于lncRNA的药物反应预测模型。这篇文章可以去看看。发表Med. Oncol.的一篇（PMID: 32200436）常见的生信套路，通过加权基因共表达网络分析（WGCNA）来确定与胰腺癌（PC）相关的关键ncRNA和转录因子（TFs）。J. Cancer Res. Clin. Oncol.有一篇(PMID: 32060643)利用TCGA数据115个样本开发了基于DNA损伤反应的基因签名，用中国胶质瘤基因组图谱（CGGA）数据库的41个样本做验证，有效地预测IDH突变的II级和III级星形细胞瘤患者的预后。这篇文章只用了156个样本，这表明，思路想的好，样本少得了。Cancer Med发了几篇文章都是标准生信套路（PMID: 32170852, 31851783, 31991068, 31991061, 31975560, 31923354），初学生信的同学可以学习一下。同期Cancer Med有一篇（PMID: 31918459）利用TCGA和GEO的数据集，整合了弥漫性大B细胞淋巴瘤（DLBCL）基因表达，基因突变数据和临床随访信息，构建了个Web服务器（https://bioinfo./DLBCL/DLBCLList.jsp）。将自己的分析思路构建成WEB服务器会给自己文章加分。 图4：3月 IF=5-10分生信期刊一览表
这个区间段接受最多的还是Aging 3月份发表了10篇，其次是Clin. Cancer Res.发表了6篇。这个区间段大部分都有实验验证或者临床样本，也有部分思路巧妙，工作量庞大的纯生信文章。
发表在Genome Res.的一篇（PMID: 32029502）利用TCGA和GTEx数据探寻替代性聚腺苷酸化（APA）在胰腺导管腺癌（PDA）的作用，感兴趣的同学可以研究在其他瘤种的作用。
发表在Mol. Syst. Biol的一篇（PMID:32149479）分析了来自TCGA的 8,000多个肿瘤样本的tRNA丰度，以及配对的mRNA序列和蛋白质组学数据，研究密码子-反密码子的共适应性，揭示与增殖相关的组织特异性翻译tRNA。还可以研究初中生物书就出现的密码子，真的是牛逼。
图5：发表在Mol. Syst. Biol（PMID:32149479）tRNA配图
发表在Clin. Cancer Res.的一篇（PMID: 32234757）标题为：A 15-gene immune, stromal and proliferation gene signature that significantly associates with poor survival in patients with pancreatic ductal adenocarcinoma. 看名字就知道是signature类型的文章，感兴趣的同学可以看看。文中想找肿瘤微环境相关的基因签名，建立了15个基因的免疫，基质和增殖（ISP）基因签名，十分有趣。
同期Clin. Cancer Res一篇（PMID: 32220885），利用TCGA外显子数据，除了探讨肿瘤突变负担（TMB）的预后价值还研究了基因拷贝数改变片段（fraction of copy-number altered genome ，FCNAg)的预后价值，比较新颖。
发表在J Immunother Cancer的一篇生信文章（PMID：32234847）关注在透明细胞肾细胞癌（KIRC）中LAG3表达，免疫细胞浸润，预后和甲基化之间的相关性。Cell Rep（PMID: 32130895）一篇也是利用TCGA数据研究生殖系DNA与免疫浸润的相关性，研究肿瘤免疫的同学可以关注这两篇文章。
发表在Cancer Epidemiol. Biomarkers Prev.（PMID:31932411）这篇文章有意思，结合临床和基因组数据的典范。利用TCGA乳腺癌数据研究BMI，吸烟和饮酒是否是乳腺癌危险因素，创建了体细胞突变负荷（TSMB），单碱基替代（SBS）的signature。
发表在Cell Commun. Signal的一篇（PMID:32122386）也是signature类型的文章。我还是头一次看见投5分杂志还有附有影像摘要，感兴趣的同学可以观摩一下。文章收集了GEO，ICGC和TCGA数据库11个胰腺导管腺癌（PDAC）数据集，可以收藏收藏。
图6：3月 IF>10分生信期刊一览表
10分以上应用了TCGA数据库的文章就不多了，总共12篇，纯生信的文章几乎都是全基因组泛癌分析，分析数据庞大，都是团队合作分析，并且都能揭示深刻的生物学意义，都是生信顶尖大牛的世界，一起来膜拜学习一下。
发表在Nature的一篇（PMID：32214244）利用TCGA的基因组和转录组数据表征了33种癌症（共18,116个样本）的独有的微生物组特征。作者共享了TCGA微生物组分析的数据和图表（http://cancermicrobiome./CancerMicrobiome_DataBrowser/），还列举了几个少见的微生物组数据库SHOGUN’s database，Kraken database等，开辟了用TCGA研究微生物组的系统的方法，值得拜读!
发表在Cell的一篇（PMID：32084333）利用ICGC / TCGA全基因组泛癌分析（PCAWG）发现有别于传统的癌症的乘客基因和驱动基因突变的二分模型，存在第三类具有中等影响水平的乘客基因。文章涉及超多算法，看看这篇文章可以领略真正的生信巨匠研究。哈佛医学团队在Nat. Genet（PMID：32025003）利用ICGC / TCGA全基因组泛癌分析（PCAWG）研究2658例癌症患者染色体碎裂(chromothripsis)现象，分析的数据与资料共享在http://compbio.med./chromothripsis/网站上。同期另一篇Nat. Genet（PMID：32024999）利用ICGC / TCGA全基因组泛癌分析（PCAWG）研究拓扑结构域（Topologically associating domains）。文中还应用了一个可视化和分析染色质状态的高端网站（http://compbio./epilogos/）
图7：可视化和分析染色质状态的网站（http://compbio./epilogos/）
发表在GUT的一篇（PMID：32217638）是研究早期大肠癌的类器官的关键突变和转录组变化，并上传了大肠癌和正常类器官的单细胞RNA数据集（GSE142116）。
发表在Mol. Cell的一篇（PMID: 31954095）也是利用ICGC / TCGA全基因组泛癌分析（PCAWG）分析了1,844个完整肿瘤基因组中的120,788个顺式调控模块（CRM），探寻罕见的非编码drivers，可以和上面Nat. Genet的文章对照学习。
Genome Med的一篇生信文章（PMID: 32228647）整合转录组，基因组学，表观遗传学和HLA配体组学分析了确定ccRCC免疫疗法的新型药物靶标。文章如何研究候选基因表达与免疫肿瘤标志物之间的关系值得学习。
J Cachexia Sarcopenia Muscle(IF=10.754)这个比较不出名杂志，发表了一篇（PMID:32125790）研究的是恶病质诱导因子（CIF）在12种癌症（4651个样本）的landscape。这篇堪称研究单基因（基因家族）在泛癌表达的标准分析流程。用TCGA和GTEX的数据，常见的6-10分纯生信分析高级套路，值得生信进阶玩家学习。不存在无意义的研究，只存在不善于发现意义的眼睛。生信只是一种研究手段，学会生信也就学会一种探索科学的方法。小编呕心沥血看了百篇文献，写了这篇推送。希望这篇推送对你有所启发，哪怕只有一句话让你突发灵感，才思泉涌，那也是赚到了。如果喜欢这种推送，希望下个月继续推送这一系列，还请多多点在看和留言支持。
