生信分析44.乳腺癌的免疫浸润，有点创新
生信论文的套路
ONCOMINE从全景、亚型两个维度做表达差异分析；
临床标本从蛋白水平确认（或HPA数据库），很重要；
Kaplan-Meier Plotter从临床意义的角度阐明其重要性；
cBio-portal数据库做基因组学的分析（机制一）；
STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）；
TISIDB/TIMER分析肿瘤免疫特征（机制三）。
该论文所使用到的生信技能是oncomine，TIMER，Prognoscan，km plotter和GEPIA。创新点在于用HPA中的TCGA数据做病理分期和生存率的相关性分析，值得借鉴。
题目一如既往的包括预后价值和免疫浸润表型；肿瘤类型是乳腺癌，女性第一大癌。JAK1是干扰素信号通路上的关键蛋白，属于免疫相关蛋白，既不是膜蛋白，也不是转录因子，而是属于通路蛋白。
摘要写作中规中矩，从基因描述入手，然后转折引出其在肿瘤中价值的探索。从表达差异、到生存分析，再到相关性分析，最后是免疫浸润分析。思路和逻辑明确。
首先是用oncomine+TIMER双确认形式阐释表达差异。经常有果友问到oncomine条件的设置，一般在方法中都有介绍。本文的条件：
The threshold was a P-value of 0.01, a fold change of 1.5, a top 10% gene ranking, and the data had to be from mRNA.
生存分析也是双确认模式——km plotter+Prognoscan数据库。不过，Prognoscan数据是以三线表形式来呈现，而不是前面介绍的生存曲线图。如果非要有个选择的话，芒果倾向于生存曲线，当然更高明的办法是生存曲线（正文）和三线表（补充数据）结合。
km plotter分析基因表达和生存率之间的关系。这里，作者描述生存率的三个参数，全生存率，无进展生存率和无复发率等指标都有显著差异。在展示数据时，有差异的就重点展示（看这里，看这里），无差异的可以放在补充数据，这样重点和意义就凸显出来了。
同时，作者用HPA中的TCGA数据做病理分期和生存率的相关性分析，值得借鉴。芒果尝试了下，作者是直接截图进行PPT编辑，稍显粗糙。但是，这种展示数据的放大可以借鉴。
基因表达和乳腺癌患者临床特征的相关性分析，使用km plotter数据库就可以完成，而且信息更全面（相比GEPIA数据库而言，但GEPIA更方便）。该结果进一步阐释基因差异表达与病理分期的相关性。
GEPIA数据库分析显示，肿瘤组织中JAK1表达与淋巴细胞特异性免疫浸润招募（LYM，lymphocyte-specific immune recruitment ）密切相关；而湿实验结果表明，肿瘤组织中JAK1表达显著上调（转录水平，芒果认为可以放在Fig1）。通篇未涉及蛋白表达，算是一点小缺憾吧。
最后，作者用TIMER数据库探索乳腺癌（包括亚型）中，JAK1表达与肿瘤中免疫细胞浸润情况的相关性。这是TIMER数据库免疫浸润分析的显著特征，前面已经多次分享，值得借鉴和学习。
总体而言，该论文从摘要到数据，再到论文思路，逐步递进，环环相扣，尤其是Prognoscan以三线表展示结果，用HPA中的TCGA数据做病理分期和生存率的相关性分析，这些都很值得借鉴。
论文题目
JAK1 as a prognostic marker and its correlation with immune infiltrates in breast cancer.