这3个lncRNA组成的食管癌诊断分类器在tcga数据库能否复现

Posted on by

最近看到某公司宣传他们的产品，是lncRNA的芯片，文章是2015发表的，研究思路很清晰：

  • 119个食管癌病人的肿瘤组织和配对样品的lncRNA芯片数据，在GSE53624
  • 芯片平台比较老旧了，是Agilent human lncRNA+mRNA array V.2.0
  • 把119个食管癌病人数据拆分成为 training (n=60) and test (n=59) 数据集
  • 在训练集里面，筛选 4874 lncRNAs表达量有变化的，然后差异分析得到909个有表达差异的lncRNAs。
  • 随机森林，筛选9个跟生存最相关的，然后排列组合，定下来3个lncRNAs。
  • 寻找3个lncRNAs所调控的蛋白编码基因并且进行注释。
    看起来似乎是Agilent和CBC公司合作，所以芯片平台是：Agilent-038314 CBC Homo sapiens lncRNA + mRNA microarray V2.0 (Feature Number version) ，从有表达差异的基因列表里面筛选到最后的3个lncRNA组成的食管癌诊断分类器基因集，过程比较复杂，如下：
    筛选基因
    有趣的是，这篇文章的数据非常多，还有个：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE53622
    所以很多数据挖掘文章重新分析了它，比如：
  • Immune signature profiling identified predictive and prognostic factors for esophageal squamous cell carcinoma. Oncoimmunology 2017;6(11):e1356147. PMID: 29147607
  • AJUBA promotes the migration and invasion of esophageal squamous cell carcinoma cells through upregulation of MMP10 and MMP13 expression. Oncotarget 2016 Jun 14;7(24):36407-36418. PMID: 27172796

    学徒作业

    大家可以去tcga数据库下载食管癌的转录组数据，提取分离lncRNA的部分，走同样的诊断建模流程，看看得到的lncRNA是否作者的3个lncRNA有交叉。这里面变量很多：

  • 首先，两个队列的人群地域差异
  • 其次，lncRNA芯片和测序技术差异
  • 还有，肿瘤组织和癌旁配对问题，两个组数据量问题
    对大家来说，比较难的地方就是如何取最小可诊断的lncRNA集合。
    可以参考我的4个小时TCGA肿瘤数据库知识图谱视频教程，其中总共使用了四种算法构建模型：
  • cox(可做单因素和多因素)
    TCGA的cox模型构建和风险森林图
  • lasso回归
    用lasso回归构建生存模型+ROC曲线绘制
  • 随机森林
    听起来很霸气用起来并不难的随机森林
  • 支持向量机
    听起来很霸气用起来并不难的 支持向量机
    不管用了那种算法，核心都只是几句代码而已。
    点击下面的阅读原文，马上就可以学习起来啦~
    https://www.bilibili.com/video/BV1db411L7GX

    文末友情宣传

    强烈建议你推荐我们生信技能树给身边的博士后以及年轻生物学PI，帮助他们多一点数据认知，让科研更上一个台阶：

  • 生信爆款入门-全球听（买一得五）（第4期），你的生物信息学入门课
  • 数据挖掘第2期（两天变三周，实力加量），医学生/临床医师首选技能提高课
  • 生信技能树的2019年终总结 ，你的生物信息学成长宝藏
  • 2020学习主旋律，B站74小时免费教学视频为你领路，还等什么，看啊！！！
​

Comments are closed.