文章，重在研究思路；有好的思路，才能有精彩的故事。很多時候，我們想找一個好點(diǎn)子，比如性狀，疾病相關(guān)的關(guān)鍵分子，需要設(shè)計(jì)實(shí)驗(yàn)，做大量的分子篩選的工作。對于土豪實(shí)驗(yàn)室可以大把的花錢做芯片或者高通量測序做前期的篩選工作。但是畢竟土豪是少數(shù)的，假如您樣本不多，經(jīng)費(fèi)較少，而又想發(fā)SCI文章，該怎么辦呢？下面我給大家推薦一個最經(jīng)濟(jì)最快捷最有效的文章思路：利用別人已發(fā)表的數(shù)據(jù)，篩選出一些有價值的分子（mRNA，miRNA，lncRNA，circRNA，lncRNA），之后在自己的小樣本中驗(yàn)證一下，發(fā)篇SCI文章還是輕輕松松的。下面我們一起來看看這類利用GEO、TCGA數(shù)據(jù)庫的文章是怎樣寫成的！
文章1：
文章今年（2018）發(fā)表在：Cancer Management and Research 上IF=3.851。該文章發(fā)表的雜志影響因子雖然不高，但是分析思路還是可以借鑒的：文章主要分析結(jié)論是：利用公共數(shù)據(jù)（GEO，TCGA數(shù)據(jù)），通過數(shù)據(jù)篩選分析后發(fā)現(xiàn)兩個miRNA（miR-182 and miR-20a）可以作為結(jié)直腸癌（colorectal cancer CRC）診斷的分子標(biāo)志物，然后在組織和血液中進(jìn)行驗(yàn)證，最終確定診斷參數(shù)。主要的分析思路分為三大步，如下圖所示圖所示：
第一步：利用公共數(shù)據(jù)進(jìn)行篩選biomarker(Discovery phase)
首先，作者利用GEO數(shù)據(jù)庫當(dāng)中關(guān)于CRC的4個miRNA表達(dá)芯片數(shù)據(jù)，尋找患病樣品和正常樣品中差異表達(dá)的miRNA，通過取交集初步篩選到8個miRNA，再利用TCGA數(shù)據(jù)庫中的CRC樣本進(jìn)行篩選，和qRT-PCR驗(yàn)證，其驗(yàn)證不僅在組織樣中，同時還在血液中進(jìn)行篩選，方便后續(xù)通過血液檢測篩查CRC患者。最終確定了兩個miRNA在CRC患者的組織和血液中表達(dá)都有上調(diào)，可作為CRC的分子診斷候選標(biāo)志物（miR-182 and miR-20a）。
第二步：做訓(xùn)練數(shù)據(jù)集，確定診斷參數(shù)（Training phase）
之后，作者在自己收集的CRC患者血液樣本中進(jìn)行驗(yàn)證，40個健康樣品，40個CRC患者樣本，發(fā)現(xiàn)這兩個miRNA在患者和對照中表達(dá)都存在差異，最終通過分析ROC線確定分類參數(shù)。
第三步：擴(kuò)大數(shù)據(jù)集，確定最佳診斷參數(shù)（Validation phase）
最后作者擴(kuò)大樣品到150個，分別為健康樣品50個，Adenoma（腺瘤）樣品50個和CRC患者（stage I）進(jìn)行驗(yàn)證并繪制ROC曲線，最終確定，診斷參數(shù)：
miR-182,miR-20a, and 2-miRNA combination were 2.620, 1.355,and 2.147, respectively.
文章2：
期刊：Am J Cancer Res
分?jǐn)?shù)：3.2
疾病：口腔鱗細(xì)胞癌（OSCC）
文章思路：
利用GSE13601,GSE30784, GSE37991三個mRNA芯片表達(dá)數(shù)據(jù)以及TCGA中OSCC表達(dá)數(shù)據(jù)分別做對照和患者差異基因分析，篩選到顯著差異表達(dá)的76個上調(diào)基因、106個下調(diào)基因；然后進(jìn)行GO和KEGG通路富集分析、PPI網(wǎng)絡(luò)分析，IPA通路分析，生存分析等聯(lián)合分析最終篩選到PLAU, CLDN8 and CDKN2A與OSCC預(yù)后相關(guān)，并且在另一個GEO數(shù)據(jù)GSE41613中得到了驗(yàn)證。
總結(jié)：
大家可以發(fā)現(xiàn)，GEO數(shù)據(jù)挖掘，以及TCGA數(shù)據(jù)的挖掘就是這個套路（點(diǎn)擊觀看），先確定自己要分析的疾病，然后下載數(shù)據(jù)，差異表達(dá)分析，篩選得到幾個關(guān)鍵的分子（可以是lncRNA，mRNA，miRNA，circRNA），然后進(jìn)行GO富集分析、Pathway富集分析、GSEA富集分析、PPI分析、IPA通路分析等，最后再做生存分析、ROC曲線分析等，就可以得到與疾病診斷相關(guān)的biomarker。如果要進(jìn)一步發(fā)高分的文章，可以再做一下小鼠模型，細(xì)胞模型，敲除，過表達(dá)等補(bǔ)充實(shí)驗(yàn)，對分子機(jī)理進(jìn)行深入研究，干濕結(jié)合，文章就能再上一個檔次。另外，還有其他套路組合，例如做一下WGCNA或者聯(lián)合Oncomine數(shù)據(jù)挖掘等等。
