3到11分文章解读(肿瘤免疫浸润挖掘方向)-生信自学网

免疫浸润是一个非常经典的思路，通过简单的基因矩阵数据，我们将复杂实验才能提取的免疫细胞含量直接计算出来，对科研工作非常有帮助。今天我们来讲讲，通过肿瘤免疫浸润分析，可以发表什么样的文章。
免疫浸润是2019年研究的热点，通过geo或者TCGA分析，可以很容易的发表相应的文章，就目前来看，如果发免疫浸润挖掘方面的文章，3分都是比较低的。
我们先看看一个3分的文章，题目是” Profiles of immune infiltration in colorectal cancer and their clinical significant: A gene expression- based study”。这个文章用到了GEO和TCGA的数据，下载好了数据以后，对数据进行整理，然后用CIBERSORT软件进行分析，得到免疫细胞免疫细胞含量矩阵。这个思路和我们生信自学网的思路是一样的，通过CIBERSORT的反卷积算法得到免疫细胞免疫细胞含量矩阵。

接下来的图形，也跟生信自学网的视频很相似，得到经典的柱状图，热图，相关性热图、生存曲线，以及和临床的相关性图。
购买课程

我们再看一篇4分的文章，文章名字是” Deviations of the immune cell landscape between healthy liver and hepatocellular carcinoma”，也是比较经典的套路。这个文章数据来自GEO数据库，由于GEO临床数据相对于TCGA少很多，所以这个文章图表相对来说少很多。对于GEO数据库的免疫浸润视频，需求的学员也比较多，生信自学网近期也在考虑录制的。
下载好了GEO数据后，我们第一步当然是对数据进行多芯片批次矫正，也就是batch normalize，这个我们生信自学网也有相应的是视频。得到矫正后的矫正后，我们同样使用CIBERSORT的反卷积算法得到免疫细胞免疫细胞含量矩阵。得到了矩阵后，后面我们就是做组间的差异表达了。

接下来，我们分享下一篇11分的文章，文章名字是”Patterns of Immune Infiltration in Breast Cancer and Their Clinical Implications: A Gene-Expression-Based Retrospective Study”。这个文章的最主要思路，和视频的思路是一样的，运用 CIBERSORT的反卷积算法得到免疫细胞免疫细胞含量矩阵。
这个文章也有他独特的优势，同时运用了几个常用数据进行联合分析，这也是处理数据最难的部分。作者首先从http://compbio.dfci.harvard.edu/pubs/sbtpaper/下载乳腺癌分型数据，然后通过TCGA、GEO、METABRIC数据，得到各个公共数据库的乳腺癌分型样品。接下来，通过一系列过滤标准，比如生存信息不完整的数据，得到符合标准的数据。这些数据，经过CIBERSORT处理，就得到了免疫细胞矩阵。得到矩阵后，后面就是和生信自学网视频类似的分析，比如柱状图，生存图，和临床的相关性分析。所以要发高分文章，关键还是要样品大，数据库完全。