国自然前期研究基础不足？你可以这样补一些生信分析
万能公式登场
A基因 (RNA/蛋白)
↓
X疾病的B通路
↓
C功能
那么大致的方向有哪些呢？？？？？？？
1. A, B和C水平和生存，临床分期等的关系
B/C如果不是单个水平的基因(比如说是某个通路、或者是某种表型)，可以用ssGSEA的分数或者是其他水平的signature来转化成一种分数(index/score)，比如说是自噬，那就做自噬的signature；如果是M1巨噬细胞，那就做巨噬细胞的signature；
这种index的转化不是我们这次分析的主要内容，以后我们会有专门的推送来教大家如何进行index的快速转换；
2. A和B，B和C，A和C的相关性分析
当然你除了可以做散点图以外，也可以按照因素的表达水平分2-4组做柱状图和差异分析；
但是有高维度的数据，除非是分组以后结果更漂亮，不然就建议还是做散点图加线性拟合；
3. A、B、C和一些临床上其他疗效相关指标的延伸分析
比如说TMB，或者是某个白介素等(这里如果是通路性质的，又可以转化为signature来做)
4. 如果是通路，做完了GSEA以后，还可以补做对应通路的基因表达热图
对于这一块热图的展示是有技巧的！！！并不是说你做了就可以了；
5. A和B，B和C，A和C中有rescue的基础实验验证
就算是不能都做，有一两步是有一些基础实验能加进去的也是很不错的了；
有人可能会问，你rescue都做了，那你国自然还做什么？你可以做更详细的调控机制！毕竟套路总是很难有灵魂的；
有人会问了这种分析是不是只能在肿瘤里面做呢？答案是: NO！当然是大部分的疾病都适用呀！！！！！
我们先举一个肺癌的例子，随便在国自然系统里面搜的2019年资助的一个面上项目，"EIF4G1负调节USP10活性与功能促进非小细胞肺癌生长的分子机制"，我没有看过全文(也看不到全文)，但是如果是仅仅从这个标书题目出发的话，就可以考虑补充这些分析：我们和上面对应起来，A是EIF4G1，B是USP10，C是肿瘤细胞增殖；疾病是NSCLC；那你可以做什么呢？
↓↓
EIF4G1表达，USP10表达和肿瘤细胞增殖分数和NSCLC肿瘤患者生存和临床分析的关系；
有蛋白芯片的数据可以用蛋白芯片的数据
EIF4G1表达，USP10表达和肿瘤细胞增殖分数三者之间两两匹配的相关性分析；
EIF4G1表达，USP10表达和肿瘤细胞增殖分数和治疗相关的指标，如果没有，你找一些临床常见的肿瘤标志物拿来做当然也可以；
补充“肿瘤细胞增殖分数”的热图；这里的index可能不止一个，你可以做多个，就像自噬一样，下面有很多通路，不同的数据集给的基因也不一样多，做出来的结果也不一样；
也可以参考别人的文章收集相关的基因DIY一个gene set
接下来再举一个代谢和糖尿病的例子：“Periostin通过Hippo/YAP通路调控糖酵解代谢在糖尿病血管钙化中的作用与机制”，那么A就是Periostin，B就是Hippo/YAP通路，C是糖酵解代谢；
Periostin表达水平，Hippo/YAP通路激活index和糖酵解代谢通路激活index分别和糖尿病血管钙化程度的分析；如果没有的话，你可以看看有的GEO数据集可能有补充一些血糖，血脂的数据，也可以拿来和三个参数进行合并；
如果是实在没有怎么办？那就拿临床或者是小鼠的样本自己去跑WB或者PCR呗
Periostin表达水平，Hippo/YAP通路激活index和糖酵解代谢通路激活index三者的关系；
补充Hippo/YAP通路激活index和糖酵解代谢通路激活的热图；
找不到一模一样的数据集怎么办？找比较疾病形成过程比较接近的也是可以的，自己做转录组也便宜不是吗？一个样本也就1k左右；
那今天的分析就到这里了哦！如果有特别想看非肿瘤的GEO数据挖掘的小伙伴，请点一下右下角的“在看”！
在看>30
↓↓
小编肝一篇「非肿瘤GEO数据挖掘」的介绍课程
在看>100
↓↓
小编肝一整期「免费」的「非肿瘤GEO数据挖掘」视频课程