AS可变剪切17年11月份，生信人进行解读，18年10月份进行课程录制并进行推广。虽然历经这么久，很多人在做，但是还是有学员依靠我们的课程发表了文章，据不完全统计有3+学员发表3+的文章。

通过文献调研，居然还有同一个癌型做了两次的情况...

同一种癌症，相似的分析方式，两篇可变剪切文章，两种影响因子

今天小编搜索了可变剪切相关的文章，找到了如下两篇文章，感觉很有趣。

文章1：Genome-Wide Profiling of Prognostic Alternative Splicing Signature in Colorectal Cancer.【Frontiers in Oncology；2018.11；IF4.416】

文章2：Alternative splicing events implicated in carcinogenesis and prognosis of colorectal cancer【Journal of cancer；2018.04；IF3.249】

这两篇文章研究的都是colorectal cancer，主体的分析也都是可变剪切，可这IF却有了一点点差异，下面我们来看看这两篇文章

文章1：

文章2：

从摘要可以看出，两篇文章均是对可变剪切事件进行分析，文章1摘要中更强调了其构建了cox回归模型以及构建了剪切事件与剪切因子间网络，而文章2则是体现了构建基因互作网络以及富集分析，通过摘要可以感受到文章1的思路更完整，从预后标签到构建模型再到寻找可变剪切相关的网络，而文章2更多的是换一个方式寻找相关的基因，再进行比较普遍的富集分析，对后续进行的生存分析等没有在方法中着重强调。

从方法和结果角度看

文章1

Step1：对可变剪切事件进行了统计，总结各可变剪切类型所发生的次数，以及对应的基因数，采用柱状图进行展示。

Step2：采用单cox回归分析识别在各可变剪切类型中与生存显著相关的基因，并对各可变剪切事件的TOP20基因绘制森林图进行展示，并用UpSet图展示各可变剪切类型中与生存相关的基因的分布情况。同时也将其中一部分p值更显著的基因进行了基因网络的构建。

Step3：对各可变剪切类型中与生存显著相关的基因分别进行多cox回归分析，寻找预后预测因子，对七种可变剪切类型分别构建cox回归模型并绘制生存曲线，同时也将七种类型进行整合构建最终的预后预测因子，绘制不同情况的ROC曲线，判断准确性。

Step4：通过剪接因子基因的表达与可变剪切事件PSI的相关性构建剪接相关网络，进一步的还检验了剪切因子对于生存的影响以及展示了剪接因子和可变剪切事件的线性关系。

文章2

Step1：对COAD和READ的可变剪切事件进行了统计，总结各可变剪切类型所发生的次数，以及对应的基因数，采用UpSet图进行展示。

Step2：识别差异可变剪切事件，并对其中部分基因构建基因互作网络

Step3：可变剪切基因进行GO和KEGG富集分析

Step4：评估可变剪切事件预测CRC发生的能力

Step5：多cox回归分析识别预后因子，并对其中显著相关的预后因子进行分析。

总结：整体看来，小编觉得两者的工作量相似，分析的角度略有差异，文章1的思路更完整，表达更全面，结果展示也足够丰富，文章2过于将分析放在富集分析部分，对可变剪切的整体挖掘和结果展示不够深入，这可能就是丢分的地方吧~

生存相关的选择性剪接事件生信分析视频

由于该套路较为火热

费用1000元

独家

代码、数据和售后，请购买之后

添加小编微信索取13120220117

PPT谍照

生存相关的选择性剪接事件生信分析视频

由于该套路较为火热

费用1000元

代码、数据和售后，请购买之后

添加小编微信索取13120220117