万能公式登场 A基因 (RNA/蛋白) ↓ X疾病的B通路 ↓ C功能 那么大致的方向有哪些呢??????? 1. A, B和C水平和生存,临床分期等的关系 B/C如果不是单个水平的基因(比如说是某个通路、或者是某种表型),可以用ssGSEA的分数或者是其他水平的signature来转化成一种分数(index/score),比如说是自噬,那就做自噬的signature;如果是M1巨噬细胞,那就做巨噬细胞的signature;
2. A和B,B和C,A和C的相关性分析
3. A、B、C和一些临床上其他疗效相关指标的延伸分析 比如说TMB,或者是某个白介素等(这里如果是通路性质的,又可以转化为signature来做) 4. 如果是通路,做完了GSEA以后,还可以补做对应通路的基因表达热图
5. A和B,B和C,A和C中有rescue的基础实验验证 就算是不能都做,有一两步是有一些基础实验能加进去的也是很不错的了;
有人会问了这种分析是不是只能在肿瘤里面做呢?答案是: NO!当然是大部分的疾病都适用呀!!!!! 我们先举一个肺癌的例子,随便在国自然系统里面搜的2019年资助的一个面上项目,"EIF4G1负调节USP10活性与功能促进非小细胞肺癌生长的分子机制",我没有看过全文(也看不到全文),但是如果是仅仅从这个标书题目出发的话,就可以考虑补充这些分析:我们和上面对应起来,A是EIF4G1,B是USP10,C是肿瘤细胞增殖;疾病是NSCLC;那你可以做什么呢? ↓↓
接下来再举一个代谢和糖尿病的例子:“Periostin通过Hippo/YAP通路调控糖酵解代谢在糖尿病血管钙化中的作用与机制”,那么A就是Periostin,B就是Hippo/YAP通路,C是糖酵解代谢;
那今天的分析就到这里了哦!如果有特别想看非肿瘤的GEO数据挖掘的小伙伴,请点一下右下角的“在看”! 在看>30 ↓↓ 小编肝一篇「非肿瘤GEO数据挖掘」的介绍课程 在看>100 ↓↓ 小编肝一整期「免费」的「非肿瘤GEO数据挖掘」视频课程 |
|