写在前面关于利用RNA-seq的数据进行免疫浸润的评价，我们在TIMER数据库介绍的时候提到过。基本上就是提供RNA-seq的数据。然后使用制定的算法来就可以获得每个样本免疫细胞的得分了。 基本上利用这样的算法评估完之后，在进行一些简单的分析就可以发表一篇的文章。最近在OncoImmunology(IF = 5.869)上刚刚也发表了两篇利用公共数据+简单的实验的文章。正好这两篇也不是很难，同时也有一定的区别。所以这里就简单的介绍一下具体的文章思路吧。 基于多数据集的免疫浸润评估随着这类免疫浸润相关文章发表的越来越多，我们在分析的时候，使用单一的TCGA数据库已经很难说发表了。这个时候其实就需要增加数据集了增加自己结果的准确性。 👆的这个文章就是基于多个网络数据集来进行免疫浸润的分析。在利用公共数据库得到候选的免疫细胞之后，通过自己医院的数据来进行进一步的验证。进一步来确定免疫细胞是否有差异。最后，再次利用公共数据库对和确定的免疫细胞相关的基因来进行功能分析。 这类的文章和传统的完全利用公共数据库发表的文章相比，基本上也就是多了自己的实验验证。其他的内容其实没有多大的区别。 免疫相关特征模型的评估👆的文章在分析的入手点就是来评价数据的免疫浸润情况。👇这个文章则是显出基因入手。 这篇文章首先利用一个自己的数据集来进行差异表达分析，进一步的利用lasso的算法来对差异基因进行降维进而寻找符合自己分析的特征基因。再往下就是对特征基因来进行模型的验证，免疫浸润的相关性的评价以及特征基因功能的分析。 基于lasso来进行数据降维的文章还是很多的。这个文章在使用自己数据集的时候，并没有使用传统的癌和正常的分组来进行而是使用了比较特殊的分组。这个也算是和这类文章的区别吧。 写在最后以上就是两篇文章的基本的文献抄读。总的来说分析方面都是基本的套路和算法。主要还是加了自己的一部分样本来进行了分析。所以如果想做免疫方面的文章的，可以参考这样来做的。 |
|
|
