如何通过数据挖掘的方法发现biomarker?
今天给大家分享一篇关于通过数据挖掘的方法发现biomarker的文章。这篇文章发表在FEBS Open Bio上,2017年的影响因子为1.78,作者是来自我们中国的研究者。
论文题目
MicroRNA-17 as a promising diagnostic biomarker of gastric cancer: An investigation combining TCGA, GEO, meta-analysis, and bioinformatics
摘要
可以进行累积数据的综合研究,以获得更可靠的信息和更可行的措施,用于研究潜在的胃癌诊断生物标志物(GC)并探索相关的分子机制。该研究旨在通过整合来自癌症基因组图谱(TCGA)和基因表达综合的数据来鉴定参与GC的微小RNA。通过我们的分析,我们将hsa-miR-17(miR-17)鉴定为合适的候选物。我们对已发表的研究进行了荟萃分析,并分析了TCGA的临床数据,以评估miR-17在GC中的临床意义和诊断价值。发现miR-17在GC组织中上调并且在诊断GC中表现出有利的价值。此外,我们预测miR-17的288个靶基因参与GC相关途径。还进行了京都百科全书基因和基因组途径的富集,基因本体论分析以及miR-17的288个靶基因的蛋白质 - 蛋白质相互作用分析。通过这项研究,我们确定了可能在GC中发挥重要作用的核心途径和基因。可能的核心途径包括cAMP,磷酸肌醇-3-激酶-Akt,Rap1和促分裂原活化蛋白激酶信号传导途径。 miR-17可能参与几种生物过程,包括DNA模板转录,RNA聚合酶II启动子的转录调节和细胞粘附。此外,细胞成分(如细胞质和质膜)和分子功能(如蛋白质结合和金属离子结合)似乎也受miR-17的调节。
分析内容与思路
1、从GEO和TCGA上下载miRNA数据
2、对下载的数据做差异表达分析并且取交集,筛选出miR-17
3、检索miR-17相关的研究进行meta分析
4、对miR-17进行靶基因预测,分别对靶基因做GO富集分析,pathway富集分析,PPI分析
5、最终作者确定了miR-17可以作为诊断胃癌的biomarker.
本文来源于微信公众号SCI狂人,版权归SCI狂人团队所有~ 原文链接
猜你喜欢的文章
► meta分析还是有用的,看看这篇文献吧
► 主任天天推销家里的面包,我买还是不买?
► Cytoscape与生信数据挖掘
► 非肿瘤方向一样可以做数据挖掘
► 如何快速学习GEO数据挖掘?
► 为了发SCI就要不择手段?
► 你买的不仅仅是meta分析视频,还有长久的售后服务
► 没有对照组的试验,可以做meta分析吗
► meta分析应该怎么搭上circular RNA?
► 生信数据挖掘入门
► 临床预测模型快速入门课程
► 手把手教你利用WGCNA发文章
► 如何快速学习贝叶斯网状meta分析?
► 如何进行预测蛋白质二级结构呢?
► GEO联合Oncomine数据挖掘
► 投稿的时候,我该填老板的邮箱,还是自己的?