当生信分析遇到Meta分析.docVIP

当生信分析遇到Meta分析 生信分析和Meta分析一样都是基于数据分析来得出一定的结论，不知小伙伴们看多了生信分析的文章之后有没有觉得meta分析就隐藏其中？如果在生信分析的过程中用上Meta分析的方法，会不会对我们的数据质量有所提高？今天介绍两篇文章让大家见识一下生信分析和Meta分析是如何组合使用的。 Clinical Value and Prospective Pathway Signaling of MicroRNA-375 in Lung Adenocarcinoma: A Study Based on the Cancer Genome Atlas (TCGA), Gene Expression Omnibus (GEO) and Bioinformatics Analysis （Med Sci Monit， IF=1.585） 作者的研究方向是肺癌，大量研究表明。。。（此处省略一万字），所以选择miR-395作为研究对象。首先利用TCGA的临床信息验证miR-395与临床特征的相关性，除了组织来源不同（癌和癌旁）以外，其它都没有相关性，说明miR-395在肺癌组织中特异性的异常表达。接下来作者又利用文献筛选的方法，筛得7个GEO的数据集进行进一步的验证。 看到这两张图你是不是完全相信了这是一篇meta分析？！ 然而画风陡然一变就成了生信分析： 接下来作者利用miRNA的靶基因预测工具预测了miR-395的靶基因，并对这些靶基因进行GO和KEGG分析，探究miR-395的生物学功能，然后做了以上这副图中的PPI（Protein-protein interaction）网络（String上直接导出的图~），最后做了一个靶基因与miR-395的表达相关性验证，全文终。 Down-regulation of miR-146a-5p and its potential targets in hepatocellular carcinoma validated by a TCGA- and GEO-based study（FEBS OPEN BIO，IF=2.143） 作者之前研究过miR-146a-5p，发现miR-146a-5p的下调与肝癌的恶化密切相关，为进一步探究其中的机制，作者决定生信和meta并用，搞一波事情。作者从2705个数据集中利用Meta分析的流程筛选出9个与当前研究相关的能用的数据集，然而9个数据集只有3个数据集显示miR-146a-5p具有显著差异。。。只有两个ROC曲线表明其具有显著的识别值。 老铁，这样不行啊，还是得请TCGA数据库出场，于是作者又利用TCGA数据库做了一遍以上工作，结果表明这个miRNA确实还是可以的。 接下来又回到生信的部分，预测靶基因进行功能分析。 童鞋们，这套路你们看懂了没？有人可能会觉得这有点水。确实， 这属于比较简单的生信+Meta分析的套路，但是俗话说的好“万丈高楼平地起”，CNS级的数据挖掘分析文章并不是一下子就能学会怎么做的。 以上两篇文章中Meta的方法筛选芯片数据的部分大家可能比较陌生，这里本宫给大家简单介绍一下流程，具体的大家可以参看Key Issues in Conducting a Meta-Analysis of Gene Expression Microarray Datasets （Plos Medicine，IF=11.862） 文中将芯片数据的meta分析分为7个步骤： 1、筛选合适的芯片研究 2、从研究中提取数据 3、准备数据集 4、对数据集进行注释 5、解决基因和探针之间多对多的关系 6、合并study-specific estimates 7、分析、展示数据 作者十分贴心地提供了芯片数据meta分析的数据来源 最给力的是，文章还进行了一个实例分析，这里就不赘述了，大家赶紧把文章下下来看一看吧！ 百度搜索“就爱阅读”,专业资料,生活学习,尽在就爱阅读网92,您的在线图书馆! 1