数据挖掘是怎样动脑的？以一篇文献为例

作者：白介素2

大家好，这次白介素2同学分享一篇文献，讲一讲一篇数据挖掘文献是怎样动脑的。文献题为

In silico analysis reveals a shared immune signature in CASP8-mutated carcinomas with varying correlations to prognosis 发表在 Peer J杂志， IF大约是2分+，，这是2019年2月发表的，时间比较距离现在比较近。通过标题大概知道就是通过生信分析找到CASP8突变的组肿瘤的免疫标记并且与与预后相关。下面一步步看下作者都做了哪些工作：

方法学部分

文章的方法材料比较简单，主要就是包括：

• 差异分析
• GO 和GSEA分析
• 免疫浸润分析
• 生存分析
• 材料：TCGA数据库

差异分析

image.png

从流程图来看比较简单，就是从TCGA下载头颈部鳞癌的数据，分出突变组和非突变组然后做差异分析。白介素同学认为这里其实已经是一个值得学习的地方了，大家扪心自问下，差异分析是不是除了肿瘤组比正常组就再也想不到其它方式了。 作者的这一步操作其实是引入了一个新的变量，就是是否突变的问题。下面看下结果：

image.png

上图展示的就是GO 跟GSEA的部分分析结果，这些就是大概汇报下得到哪些结果。然后选中了免疫反应的基因集，

免疫浸润分析

进一步分析免疫浸润，免疫浸润怎么分析呢？ 此前白介素2同学写过一篇推文，介绍了免疫浸润的数据挖掘工具，(不知道的可以点这里https://mp.weixin.qq.com/s/igKHHZ2cas-cbw8Pv4J4QA) 。

重要的是，这里作者用的就是白介素同学特别介绍的 TIMER科研神器 https://cistrome.shinyapps.io/timer/，不信你看看图：

[图片上传失败...(image-5a8a36-1550983300766)]

生存分析

[图片上传失败...(image-380691-1550983300766)]

然后就做了一个生存分析，发现是个阴性结果，值得注意的是这里作者用的生存分析又是一个网页工具，叫做Cutoff Finder附个链接给大家：http://molpath.charite.de/cutoff/example.jsp。 按理说这个结果有点尴尬，这个时候作者突然又做了个 子宫内膜癌UCEC**，作者说这个 CASP8基因在UCEC里面也是突变比较多，相当于这里作者又做了一遍这个UCEC肿瘤，把前面步骤重复一遍，做了个比较。

image.png

然后就是讨论比较一下，这个基因突变组在两种肿瘤里面的基因富集情况，免疫浸润情况，预后关系。基本上内容就到这里结束了。后面当然会有大段讨论，分析下各种情况嘛，你懂的。

image.png

白介素同学特地看了下作者信息，作者印度的，个人觉得倒是有些骨骼惊奇了，至少比那些太庸俗套路要好的多了，作者在分析问题呢。用到的分析技术又不复杂，还充分用的一些网页工具。

如何动脑的总结

总结一下，总的来看着篇文章值得学习的地方包括，差异分析的模式，作者引入了新的变量，比常规的肿瘤比正常深入一层了，解答的问题不再是万年不变了。其次，引入了免疫浸润这个热点，操作起来又不难。再者，遇到生存分析的阴性结果，作者又想到了分析另外一种肿瘤，来做比较，提升了文章本身的意义。

这次就分享到这吧，白介素同学祝大家周末愉快。

参考资料：

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6375258/#ref-21