文献详解 一篇8.579分的miRNA纯生信神仙文章

鉴于肿瘤类疾病的可用数据较多,分析模式也较容易套用,类似思路的生信类文章的影响因子则持续走低。上述大概是大家的共识,但是啊,总有那么些文章是跳出常理之外的,这不,笔者刚痛惜完一篇ceRNA免疫浸润双模型的肿瘤类生信文章,凭借那么大的工作量才发了不到5分,转头就看到了这篇仅做了一个miRNA模型的肿瘤类生信文章发到了8.579分,这到底是个什么神仙文章,详见下文分解。

该文章于2020年7月9日发表在Theranostics(影响因子确实如上文所述8.579分,且5年之内没有掉下8分神坛过)上,标题起的也比较友好,A panel of eight microRNAs is a good predictive parameter for triple-negative breast cancer relapse,在该研究中,作者构建了一个可预测三阴性乳腺癌是否复发的miRNA模型。

1. 背景介绍
乳腺癌目前主要分为4个亚型:luminal A, luminal B, HER2 and triple-negative breast cancer (TNBC)。其中三阴性乳腺癌(TNBC)在所有乳腺癌中复发率最高,生存时间最短,迫切需要一种风险评估方法来确定准确的治疗疗程。
 
2. 可纳入模型的分子筛选
所用数据集:TCGA中的三阴性乳腺癌数据和GSE40525
分组:疾病组 vs 癌旁对照
分析方法:2个数据集分别进行差异分析,再将差异分析的结果取交集
结论:得到了10个共表达的差异miRNA

3. 候选miRNA的差异表达情况
顾名思义,把上述10个miRNA的在疾病组和对照组中的差异表达情况拎出来更直观的展示一下。

作者进一步展示了这10个候选miRNA在三阴性乳腺癌和非三阴性乳腺癌中的表达情况。

4. 基于训练集的模型构建
方法:基于高斯混合模型(GMM)对miRNA簇进行分类,筛选出了一个优质miRNA组合,再基于Logistic回归分析建立线性模型进而实现对复发的预测。

 
基于AUC值对模型预测的准确性进行评估,该模型在三阴性乳腺癌中的预测准确性较高(AUC为0.8),意外收获是该模型在其他几种乳腺癌亚型中的表现也不错

5. 该模型的预测价值
基于TCGA的样本数据,按照上述线性风险回归模型给样本打分,并根据风险值的中位数将样本分为高风险组和低风险组,探究风险水平对生存预后的影响,结果发现高风险组的生存预后较差。

6. 富集分析
为了研究模型相关的miRNA的功能,作者进行了基于Hallmark信号通路的GSEA富集分析,及基于miRTarBase预测所得靶基因的Reactome富集分析,结果发现模型相关的miRNA在炎症和癌症转移相关通路中发挥作用。

7. 模型验证
俗话说,未经验证的模型是没有灵魂的(没人相信的~~),作者基于2个验证集(GSE40049/ GSE19783)对模型进行了验证,所得ACU均在0.9左右(这个真是厉害了),且高风险组的生存预后均较差。

除此之外,作者还研究了这8个候选miRNA与生存预后和临床分析的相关性。
那么问题来了,这篇文章是凭借什么得以发此高分呢?欢迎参加无奖问答环节。
文献解读

文献详解 如何利用在线分析数据库发高分文章

2021-9-27 22:38:53

文献解读

文献详解 纯生信分析文章带你解析肿瘤预后模型研究套路

2021-9-27 22:49:54

声明 本网站部分文章源于互联网,出于传递更多信息和学习之目的转载,并不保证内容正确或赞同其观点。
如转载稿涉及失效、版权等问题,请立即联系管理员;我们会予以修改、删除相关文章,请留言反馈
Notice: When your legal rights are being violated, please send an email to: [email protected]
0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索