数据收集与预处理
获取基因表达数据用于分析
从GEO下载GSE14690数据集,从TCGA下载BRCA数据,包含BC和正常样本。
Identification of markers associated with brain metastasis from breast cancer through bioinformatics analysis and verification in clinical samples.
进行了WGCNA、LASSO Cox回归、生存分析、GSEA及临床样本IHC验证。
GSE14690数据集(24例乳腺癌脑转移样本及原发样本) TCGA-BRCA数据集 103例人原发性乳腺癌手术组织样本
WGCNA软组织阈值power=9,R2=0.808 LASSO Cox回归模型,λ=0.024,10折交叉验证 IHC验证DLG3和GFI1表达,评分标准(0-12) TCGA-BRCA数据集作为训练集,外部TCGA数据集作为验证集 生存分析P<0.01,ROC曲线AUC值0.731、0.651、0.667、0.601
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
获取基因表达数据用于分析
从GEO下载GSE14690数据集,从TCGA下载BRCA数据,包含BC和正常样本。
鉴定与转移相关的基因模块
使用WGCNA构建基因共表达网络,筛选转移相关模块。
筛选与转移相关的关键基因
对WGCNA筛选出的模块内基因进行LASSO Cox回归,筛选MAGs。
评估风险评分对预后的预测价值
利用Kaplan-Meier和ROC曲线评估MAGs的预后价值。
构建临床预测模型
通过单因素和多因素Cox回归构建列线图,进行校准;并绘制ROC曲线。
探索MAGs的潜在机制
使用GSEA鉴定与MAGs相关的KEGG通路和GO术语。
验证关键基因在临床样本中的表达
通过IHC检测103例乳腺癌原发组织中DLG3和GFI1的表达,并分析其与临床病理特征及生存的关系。
按研究目的归类文中使用的方法,便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据收集 | GSE14690和TCGA-BRCA数据集的样本量和类型 阅读提示:Methods - Data collection |
| WGCNA | 软组织阈值power=9,模块最小基因数50 阅读提示:Methods - WGCNA of GSE14690 dataset |
| LASSO Cox回归 | λ=0.024,10折交叉验证 阅读提示:Methods - Construction of LASSO Cox proportional hazards regression models |
| 列线图 | 年龄和MAGs为预测因子 阅读提示:Methods - The construction and evaluation of the nomogram |
| IHC验证 | DLG3和GFI1抗体稀释度(1:1,000和1:200) 阅读提示:Methods - Immunohistochemistry |
| 生存分析 | TCGA-BRCA数据集作为训练集,外部数据集作为验证集 阅读提示:Methods - Survival analysis |