腫瘤相關(guān)生信現(xiàn)在競爭這么激烈，該怎么拿高分呢？

看看生信文章分布，基本就是預(yù)后模型（占比最高）、分型、泛癌等，突破點(diǎn)又在哪里？

新熱點(diǎn)搶發(fā)紅利期較短，需要眼疾手快，如果錯(cuò)過了搶發(fā)期或者做經(jīng)典熱點(diǎn)方向可以從哪里創(chuàng)新？

小云這次就提出的點(diǎn)是：在原來的分析套路中注入新鮮血液——機(jī)器學(xué)習(xí)，比如“腫瘤分型+機(jī)器學(xué)習(xí)構(gòu)建模型”，利用“分析手段聯(lián)合”來以小博大，做到思路上創(chuàng)新，提升文章分?jǐn)?shù)！

下面就以一個(gè)經(jīng)典熱點(diǎn)——“干細(xì)胞”方向?yàn)槔纯慈绾卫谩澳[瘤分型+機(jī)器學(xué)習(xí)診斷模型”思路強(qiáng)勢出圈，直接搞定10分+文章！模板思路，容易復(fù)現(xiàn)，學(xué)起來！

發(fā)表時(shí)間：2022年1月

發(fā)表雜志：Environmental Pollution

影響因子：8.071

文章題目：通過亞型和特征的網(wǎng)絡(luò)計(jì)算分析鑒定血管生成和 m6A 修飾對低級別膠質(zhì)瘤免疫抑制和治療敏感性的影響

研究背景

免疫療法在肝細(xì)胞癌(HCC)中取得了很大進(jìn)展，但仍然缺乏預(yù)測對其反應(yīng)的生物標(biāo)志物。腫瘤干細(xì)胞是HCC腫瘤發(fā)生、轉(zhuǎn)移和多藥耐藥的主要原因。本研究旨在提出一種新的HCC腫瘤干細(xì)胞相關(guān)分類器來預(yù)測患者對免疫療法的反應(yīng)。

數(shù)據(jù)資源

流程以及主要結(jié)果

首先基于PCBC數(shù)據(jù)庫(syn2701943)中多能干細(xì)胞（PSCs）的RNA-Seq數(shù)據(jù)，通過OCLR機(jī)器學(xué)習(xí)算法識別干細(xì)胞特征，然后在TCGA-HCC 的RNA-Seq表達(dá)矩陣和stemness特征之間進(jìn)行Spearman相關(guān)分析來確定干性指數(shù)(mRNAsi)。mRNAsi越高，腫瘤去分化越嚴(yán)重，干性越高。然后，根據(jù)mRNAsi評分，將患者分為兩類:具有不同預(yù)后狀態(tài)、臨床特征、功能注釋和腫瘤突變負(fù)荷的stemness亞型。然后，應(yīng)用整合生物信息學(xué)分析來區(qū)分腫瘤微環(huán)境狀態(tài)、免疫基因組模式和對化療的敏感性。最后，應(yīng)用四種機(jī)器學(xué)習(xí)算法(LASSO、RF、SVM-RFE和XGboost)?找到核心的stemness亞型相關(guān)特征，取交集之后總共識別出5個(gè)hub DEGs。然后，進(jìn)行多元logistic回歸分析，建立診斷模型以便預(yù)測HCC患者的stemness亞型，最后在TCGA和ICGC數(shù)據(jù)集中進(jìn)行驗(yàn)證。

文章小結(jié)

這篇文章首先利用PSC的RNA-seq數(shù)據(jù)通過機(jī)器學(xué)習(xí)算法獲得干細(xì)胞特征，相較于直接找干細(xì)胞相關(guān)基因，加上機(jī)器學(xué)習(xí)后創(chuàng)新性就上了一個(gè)臺階。然后又在原本腫瘤分型的老分析套路上加入機(jī)器學(xué)習(xí)構(gòu)建診斷模型的分析內(nèi)容，思路的創(chuàng)新性立馬又提升1個(gè)level！

文章把機(jī)器學(xué)習(xí)與腫瘤分型融合，達(dá)到了1+1>2的效果，分?jǐn)?shù)從4分左右直接躍升到10分+，并且這種聯(lián)合方法可以在各種疾病應(yīng)用，換個(gè)癌種即可輕松復(fù)現(xiàn)，模板思路趕緊學(xué)起來！