TCGA tRFs + 自己队列验证文献解读
对于tRFs而言，我们在前面的OncotRFs（感兴趣的可以看昨天的帖子）可以来筛选在TCGA肿瘤当中差异和具有临床意义的tRFs。最近正好就有了一个首先使用OncotRFs数据库进行差异的tRF筛选。然后基于自己的队列进行验证分析的。然后就发了一个五分的文章。所以就让我们来简单的看一下这个文献吧。
主要分析流程
以下是文章的主要流程。下面我们简单的说一下文章的主要内容。
候选tRFs筛选
对于和膀胱癌相关的tRFs而言。作者首先使用了OncotRFs数据库进行了差异的筛选。来筛选和膀胱癌发生有关的tRFs。最后选择了5′-tRF-LysCTT作为候选的研究对象。
5′-tRF-LysCTT功能预测
进一步，作者使用tRFtarget(https://cm.jefferson.edu/MINTbase/)来进行靶向基因预测。通过预测可能收到5′-tRF-LysCTT影响的基因。进一步通过富集分析来进行功能预测。
自己队列验证
在经过的简单的生信预测之后，剩下的就是作者使用自己收集的样本的队列来进行预测了。作者首先验证了这个tRFs和临床参数的关系。
进一步又验证了tRFs和预后的关系。同时也使用TCGA数据库进行了tRFs和预后的关系。
最后由于这个tRFs和预后 有关系。进一步的又拿tRFs和T分期进行联合分析。发现两者结合也可以预测膀胱癌的预后。
进一步为了说明其临床使用的重要性，又用了DCA曲线来评价其临床使用的重要性。
文献总结
以上就是整个文章的主要内容了。总的来说其实就是筛选一个候选目标，然后通过自己的研究队列来进行验证这个结果。这类的文章吧，主要是两点比较重要
筛选的新颖性。对于目标的筛选的话，如果现在只是简单的几种在差异基因上的话，创新性就没那么多了。所以需要变着法的找新的东西。要么就是使用心得算法，要么就是心得靶标，所以tRFs就是一个新的研究目标的。相较于普通的基因，这个虽然也属于non coding的，但是至少比LncRNA以及MiRNA要新颖一些的
自己队列的数据。对于临床科室而言，如果有自己患者的组织以及基本信息。然后如果在随访个基因建立一个随访队列的话，那就很了不起了。这样的话，其实对于这类的文章发表就轻轻松。你看我可以那5′-tRF-LysCTT发一篇文章。那我就可以用5′-tRF-？？？发另外一篇的。同样的。如果tRFs不好用了。那我也可以选别的来进行验证发表的。