文章发表于stem.2018.09.016，标题是：A Comprehensive Human Gastric Cancer Organoid Biobank Captures Tumor Subtype Heterogeneity and Enables Therapeutic Screening 本研究主要是完成了一个 a primary gastric cancer organoid (GCO) biobank ，包括34个病人的63个部位，主要是：
前面我们分享的GEO数据库挖掘教程都是针对表达芯片来的，会给粉丝们一种错觉，是不是这个技术只能挖掘这些老旧的表达芯片呢？
当然不是这样，现在就给大家秀一秀RNA-seq数据的挖掘。 Continue reading
本研究是乳腺癌领域的第一个类器官研究，发表于Cell. 2018 Jan 作者是 N Sachs ， 到2018年底已经被引用超过50次啦，文章题目是：A Living Biobank of Breast Cancer Organoids Captures Disease Heterogeneity.
研究者收集了 超过150例乳腺癌患者样品，然后声称其团队成功的制作了超过100个类器官。
From 155 tumors, we established 95 BC organoid lines that readily expanded.
而且NGS数据分析结果表明类器官比较好的保留其配对肿瘤样品的CNV和SNV特征。 Continue reading
发表于 Science 05 Oct 2018 ， 文章是：Reprogramming normal human epithelial tissues to a common, lethal neuroendocrine cancer lineage 小细胞癌症里面最出名的应该是小细胞肺癌(SCLC)了，恶性度高,预后差,治疗上进展也比较少。小细胞肺癌大约占所有肺癌的15%,每年全国有十几万新发的小细胞肺癌患者,其中绝大多数患者诊断的时候就已经是晚期。所以针对它的研究，就有点类似于乳腺癌里面的TNBC一样。 Continue reading
发表于：Clin Cancer Res. 2015 Apr 文章题目是：Comprehensive Genomic Analysis Identifies Novel Subtypes and Targets of Triple-negative Breast Cancer 主要是考虑到TNBC是异质性较大的一种乳腺癌，而且预后非常差，所以临床用药指导急需对TNBC本身更加细致的分类，研究团队通过贝勒医学院分两次 收集了 198个TNBC病人， (discovery set: n=84; validation set: n=114) 比较稳定的把TNBC分成了4个亚型，而且还分析了7个公共数据集来验证其结论。
肿瘤内部异质性问题已经是老生常谈了，在NGS如日中天的这些年，已经有非常多的多位点取样进行WES测序探索肿瘤异质性的（不同癌症研究的列表见文末），但是这个技术的可靠性并没有进行系统的评价，技术噪音，技术误差是可观存在的，所以就有了本研究：bioRxiv preprint first posted online Jan. 24, 2018; doi: http://dx.doi.org/10.1101/253195. 虽然并没有正式发布在SCI期刊，但是也值得解读。
发表于Cancer Cell. 2018 Sep 10;文章是：Overcoming Resistance to Dual Innate Immune and MEK Inhibition Downstream of KRAS. 主要探究的是耐药性，用的是细胞系，但是这篇文章我最关心的是研究团队对转录组和表观数据的结合，还有对CCLE和TCGA这样的公共数据库的挖掘利用。
新鲜出炉的NAR文章：Cell Model Passports—a hub for clinical, genetic and functional datasets of preclinical cancer models Published: 27 September 2018 ，位于英国的sanger研究所的科研团队详细整理了目前常见的科研细胞系的多种资料，并制作网站共所有科研人员查询浏览：cellmodelpassports.sanger.ac.uk, 可以说是非常贴心了。
首先使用bowtie2软件自带的测试数据生成sam/bam文件，还有vcf文件
首先使用bowtie2软件自带的测试数据生成sam/bam文件，代码如下：
mkdir -p ~/biosoft
cd ~/biosoft
wget https://sourceforge.net/projects/bowtie-bio/files/bowtie2/2.3.4.3/bowtie2-2.3.4.3-linux-x86_64.zip
unzip bowtie2-2.3.4.3-linux-x86_64.zip
cd ~/biosoft/bowtie2-2.3.4.3-linux-x86_64/example/reads
../../bowtie2 -x ../index/lambda_virus -1 reads_1.fq -2 reads_2.fq > tmp.sam
# samtools view -bS tmp.sam >tmp.bam
这个是有机结合生物信息学的linux和数据格式的练习题：
下载bowtie2软件后拿到示例数据：
与2018发表在NC上面，文章是：Recurrent WNT pathway alterations are frequent in relapsed small cell lung cancer 同样是发NC，相比上次分享的韩国人的乳腺癌队列，还有之前的台湾人队列来说，本研究成本要低很多。
发表于2017年，杂志是 JOURNAL OF CLINICAL ONCOLOGY 影响因子26.303 ， 文章是 CpG Methylation Signature Predicts Recurrence in Early-Stage Hepatocellular Carcinoma: Results From a Multicenter Study 亮点应该是自己的数据，然后使用了两个机器学习算法：
也是公共数据的挖掘，但是不是对TCGA数据库的挖掘，不过其整合的多组学又恰好是TCGA计划纳入的7种数据。
2018年9月朋友圈刷屏的nature文章，题目是：Accurate classification of BRCA1 variants with saturation genome editing 字面意思是探索了BRCA1基因上面的全部可能的突变位点的生物学意义，但事实上只是探索了96.5% of all possible single-nucleotide variants (SNVs) in 13 exons that encode functionally critical domains of BRCA1.
这应该是卵巢癌领域的第一个类器官研究，发表于 September 13, 2018，题目是：Prediction of DNA Repair Inhibitor Response in Short Term Patient-Derived Ovarian Cancer Organoids
2015发在BMC Cancer的文章：Anticancer drug sensitivity prediction in cell lines from baseline gene expression through recursive feature selection
主要就是整合了 Cancer Cell Line Encyclopedia (CCLE) 和 Cancer Genome Project (CGP) 这两个数据库，使用 支持向量机来预测药物反应。
肝癌很可怕，尤其是转移后，很多关于其转移前后对比的研究，但是缺乏中间过程数据，特别是转移临界点。
作者通过肝癌模型，在不同时间点取样做芯片转录组，试图分析 non-metastatic (or normal) and pre-metastatic (or critical) 这两种状态区别。顺利找到了临界点及其相关调控网络，而且还重点分析了其中一个网络的最重要的节点基因：CALML3
To discover early warning signals of pulmonary metastasis in HCC, we analysed time-series gene expression data in the spontaneous pulmonary metastasis mouse HCCLM3-RFP model with our novel dynamic network biomarker (DNB) method.
构建了 xenograft HCCLM3-RFP mice ， 20只小鼠分成4组，即4个时间点(W2, W3, W4, W5)取样。