仙桃学术 | 新鲜出炉的3+纯生信文章，6图3表0代码复现！

从小白的角度，15分钟复现生信套路。今天为大家带来一篇2022年7月发表于Medical Science Monitor（影响因子：3.386）的纯生信文章《LINC00963 May Be Associated with a Poor Prognosis in Patients with Cervical Cancer》的复现。

本文涉及6张图片，3张表格。6张图包括：

LINC00963在CESC中的表达和ROC曲线。Figure 1. (A) Differences in LINC00963 expression between normal and tumor tissues. (B) Order of receiver operating characteristic curves for LINC00963 expression in normal and CESC tissues.

LINC00963和其他临床病理因素的Nomogram图。Figure 2. (A) Nomogram for predicting the 1-, 3-, and 5-year overall survival (OS) using the risk scores and clinical features in CESC. (B) Calibration curve predicting OS.

LINC00963高低表达组的差异表达基因。Figure 3. Differential expression analysis of high- and low-expression LINC00963 groups in the volcano map.

LINC00963的单基因GSEA富集分析和GO富集分析。Figure 4. (A) Enrichment plots from gene set enrichment analysis (GSEA). (B) GO and KEGG analysis.

LINC00963高低表达组的差异表达基因的PPI网络。Figure 5. Visual map of the protein-protein interaction network for high- and low-expression LINC00963 groups.

LINC00963的免疫浸润分析。Figure 6. Correlation between LINC00963 expression and immune infiltration.

3张表为：

LINC00963和临床病理因素的相关性。Table 1. Characteristics of patients with cervical and endocervical cancers in The Cancer Genome Atlas.

LINC00963的单基因logistics回归。Table 2. LINC00963 expression associated with clinicopathologic characteristics (logistic regression).

单因素和多因素表。Table 3. (A) Overall survival and clinicopathologic characteristics in patients from The Cancer Genome Atlas database evaluated using Cox regression. (B) Multivariate survival model after variable selection.

1.1 图一：LINC00963在CESC中的表达和ROC曲线。

在仙桃学术中，有类似的功能，非常方便快捷。

仙桃学术生信工具网址：https://www.xiantao.love/products

进入主页，选择高级版，点击“立即使用”（注：免费版和基础版都可以进行统计和可视化，由于高级版功能最全，这里选择高级版作为范例）。▼

选择“分析工具”后，在左侧选择“表达差异”下的“非配对样本”。

在数据中选择肿瘤类型“TCGA-CESC”，在参数中输入分子“LINC00963”，并根据需要调整图形样式，点击“确认”。

即可得到Figure 1A。

在左侧选择“临床意义”下的“ROC曲线”。在数据中选择肿瘤类型“TCGA-CESC”，在参数中输入分子“LINC00963”，并根据需要调整图形样式，点击“确认”。

即可得到Figure 1 B。

1.2 图二：LINC00963和其他临床病理因素的Nomogram图。

在左侧选择“临床意义”下的“预后分析”——“预后Nomogram图”。在数据中选择肿瘤类型“TCGA-CESC”，预后年限选择OS-1年，3年，5年，临床病理因素选择如下图，点击“确认”。

即可复现Figure 2A。

在左侧选择“临床意义”下的“预后分析”——“Calibration分析”。在数据中选择肿瘤类型“TCGA-CESC”，预后年限选择OS-1年，3年，5年，临床病理因素选择如下图，点击“确认”。

在左侧选择“临床意义”下的“预后分析”——“Calibration可视化”。选择刚刚分析的Calibration数据，预后年限选择OS-1年，3年，5年，去掉顶线，点击“确认”。

即可复现Figure 2B。

1.3  图三：LINC00963高低表达组的差异表达基因。

在左侧选择“表达差异”下的“差异分析”——“单基因差异分析”。在数据中选择肿瘤类型“TCGA-CESC”，输入分子“LINC00963”，点击“确认”。

等待分析完成，然后在历史记录中点击“Excel表格下载”。

将gene_name、log2FoldChange、pvalue、padj列复制粘贴到新表格：

上传该表格到“火山图”：

即可复现Figure 3：

1.4 图四：LINC00963的单基因GSEA富集分析和GO富集分析。

打开复现图三时下载的Excel表格，复制粘贴gene_name、log2FoldChange列至新表格：

上传该表格至GSEA分析，数据集选择h.all：

分析完成后点击“Excel表格下载”：

在“GSEA可视化”中选择刚才的分析，输入基因集ID“HALLMARK_TNF_SIGNALING_VIA_NFB”，点击“确认”：

即可得到Figure 4A的左上图：

根据同样的方法即可复现Figure 4A。

打开复现图三时下载的Excel表格，根据adjusted P<0.05 & |logFC|≥1.5对基因进行筛选：

在左侧选择“功能聚类”下的“GO|KEGG”——“GO|KEGG富集分析”。输入差异表达基因，选择全部GO条目，点击“确认”。保存结果为CESC。

在左侧选择“功能聚类”下的“GO|KEGG”——“GO|KEGG可视化”。选择柱状图，输入想要展示的GO条目，点击“确认”。

即可得到Figure 4B：

1.5 图五：LINC00963高低表达组的差异表达基因的PPI网络。

打开复现图三时下载的Excel表格，根据adjusted P<0.05 & |logFC|≥1.5 & gene_biotype=protein_coding对基因进行筛选：

将筛选得到的基因复制粘贴到String蛋白互作，互作分数阈值选择0.4：

下载分析结果：

打开Cytoscape（3.8.0），载入互作表格：

点击OK：

即可复现Figure 8A：

1.6 图六：LINC00963的免疫浸润分析。

在左侧选择“交互网络”下的“免疫浸润”——“棒棒糖图”。在数据中选择肿瘤类型“TCGA-CESC”，输入分子“LINC00963”，算法选择“ssGSEA”，方法选择“spearman”，点击“确认”。

即可复现Figure 6。

1.7 表一：LINC00963和临床病理因素的相关性。

在左侧选择“临床意义”下的“基线资料表”。在数据中选择肿瘤类型“TCGA-CESC”，输入LINC00963，分类变量和数值变量选择如下图，点击“确认”。

即可得到Table 1：

1.8 表二：LINC00963的单基因logistics回归。

在左侧选择“临床意义”下的“单基因logistics回归”。在数据中选择肿瘤类型“TCGA-CESC”，输入LINC00963，临床变量选择如下图，点击“确认”。

即可得到Table 2：

1.9 表三：单因素和多因素表。

在左侧选择“临床意义”下的“预后分析”——“单|多因素Cox回归”。在数据中选择肿瘤类型“TCGA-CESC”，临床参数选择如下图，预后类型选择“OS”，点击“确认”。

即可得到Table 3：

好了，本期零代码生信文章复现就到这里啦！有没有觉得仙桃学术的工具很赞很奈斯？希望大家好好利用这个宝藏，多多发文章~

扫描下方二维码

回复“生信”免费邀您进入【复现营】（名额有限）

开启高质量零代码复现教学！