24K数据挖掘发文套路

文章题目：

Identification of Potential Key Genes Associated With the Pathogenesis and Prognosis of Gastric Cancer Based on Integrated Bioinformatics Analysis

文章链接：

https://www.frontiersin.org/articles/10.3389/fgene.2018.00265/full

文章摘要：

背景和目的：尽管多模式管理取得了显着进展，但胃癌（GC）仍然是全球癌症死亡率的第三大原因，迫切需要确定新的诊断和预后生物标志物。该研究旨在确定与GC的发病机制和预后相关的潜在关键基因。

方法：通过多基因表达谱数据集的综合分析筛选GC与正常胃组织样本之间的差异表达基因。通过蛋白质 - 蛋白质相互作用网络和Cox比例风险模型分析，确定了与GC发病机制和预后相关的关键基因。

结果：我们鉴定了9个可能与GC发病机制密切相关的中枢基因（TOP2A，COL1A1，COL1A2，NDC80，COL3A1，CDKN3，CEP55，TPX2和TIMP1）。构建了由CST2，AADAC，SERPINE1，COL8A1，SMPD3，ASPN，ITGBL1，MAP7D2和PLEKHS1组成的预后基因标记，其在预测总存活率方面具有良好的性能。

结论：本研究结果为进一步研究诊断和预后生物标志物以促进GC的分子靶向治疗提供了一定的指导意义。

文章主要思路：

1、从GEO上下载数据

2、对下载芯片数据进行差异分析，筛选出差异基因

3、从TCGA上下载数据

4、对TCGA RNAseq数据进行差异分析，筛选差异基因

5、取GEO和TCGA交集的差异基因

6、对差异基因做GO，KEGG富集分析

7、PPI分析，构建子网络，筛选hub基因

8、对利用TCGA生存数据进行Cox回归

9、根据风险评分进行生存分析