【文献详解】一篇8.579分的miRNA纯生信神仙文章

原标题：【文献详解】一篇8.579分的miRNA纯生信神仙文章

鉴于肿瘤类疾病的可用数据较多，分析模式也较容易套用，类似思路的生信类文章的影响因子则持续走低。上述大概是大家的共识，但是啊，总有那么些文章是跳出常理之外的，这不，笔者刚痛惜完一篇ceRNA免疫浸润双模型的肿瘤类生信文章，凭借那么大的工作量才发了不到5分，转头就看到了这篇仅做了一个miRNA模型的肿瘤类生信文章发到了8.579分，这到底是个什么神仙文章，详见下文分解。

该文章于2020年7月9日发表在Theranostics（影响因子确实如上文所述8.579分，且5年之内没有掉下8分神坛过）上，标题起的也比较友好，A panel of eight microRNAs is a good predictive parameter for triple-negative breast cancer relapse，在该研究中，作者构建了一个可预测三阴性乳腺癌是否复发的miRNA模型。

1. 背景介绍

乳腺癌目前主要分为4个亚型：luminal A, luminal B, HER2 and triple-negative breast cancer (TNBC)。其中三阴性乳腺癌(TNBC)在所有乳腺癌中复发率最高，生存时间最短，迫切需要一种风险评估方法来确定准确的治疗疗程。

2. 可纳入模型的分子筛选

所用数据集：TCGA中的三阴性乳腺癌数据和GSE40525

分组：疾病组 vs 癌旁对照

分析方法：2个数据集分别进行差异分析，再将差异分析的结果取交集

结论：得到了10个共表达的差异miRNA

3. 候选miRNA的差异表达情况

顾名思义，把上述10个miRNA的在疾病组和对照组中的差异表达情况拎出来更直观的展示一下。

作者进一步展示了这10个候选miRNA在三阴性乳腺癌和非三阴性乳腺癌中的表达情况。

4. 基于训练集的模型构建

方法：基于高斯混合模型(GMM)对miRNA簇进行分类，筛选出了一个优质miRNA组合，再基于Logistic回归分析建立线性模型进而实现对复发的预测。

基于AUC值对模型预测的准确性进行评估，该模型在三阴性乳腺癌中的预测准确性较高（AUC为0.8），意外收获是该模型在其他几种乳腺癌亚型中的表现也不错。

5. 该模型的预测价值

基于TCGA的样本数据，按照上述线性风险回归模型给样本打分，并根据风险值的中位数将样本分为高风险组和低风险组，探究风险水平对生存预后的影响，结果发现高风险组的生存预后较差。

6. 富集分析

为了研究模型相关的miRNA的功能，作者进行了基于Hallmark信号通路的GSEA富集分析，及基于miRTarBase预测所得靶基因的Reactome富集分析，结果发现模型相关的miRNA在炎症和癌症转移相关通路中发挥作用。

7. 模型验证

俗话说，未经验证的模型是没有灵魂的（没人相信的~~），作者基于2个验证集（GSE40049/ GSE19783）对模型进行了验证，所得ACU均在0.9左右（这个真是厉害了），且高风险组的生存预后均较差。

除此之外，作者还研究了这8个候选miRNA与生存预后和临床分析的相关性。返回搜狐，查看更多

责任编辑：