于2022年发表，最新的影响因子3.62。

本研究探讨ANXA3在OV中的表达与免疫浸润的相关性及预后作用。

思路：通过癌症基因组数据库下载OV患者的临床数据和基因表达谱。采用生存曲线Kaplan-Meier判断生存率及预后。

采用Cox回归和列线图预测模型分析基因ANXA3与生存率之间的关系。采用Logistic回归分析基因与临床之间相关性。

利用string数据库建立基因ANXA3的蛋白-蛋白相互作用。通过GOKEGG富集分析，分析与基因ANXA3相互作用的信号通路。

使用工具：

1.仙桃生信工具（https://www.xiantao.love/）

2.String数据库（cn.string-db.org）

3.TCGA（https://www.cancer.gov/ccg/research/genome-sequencing/tcga）

Table1临床变量基线资料表

临床意义-基线资料表

选择疾病，输入基因和临床变量

结果下载

Fig1基因ANXA3差异分析及生存分析

表达差异-疾病非疾病在结果部分获得临床数据。

(TCGA-OV没有正常组数据，需要加入GTEx正常组和TCGA-OV疾病组进行差异分析)

获得正常疾病组的表达谱

表达差异-云疾病非疾病

选择疾病输入基因

可以选择调整参数

结果部分（对应Fig1中B图）下载好正常组数据后在基础绘图分组比较图模块即可。

临床意义-km曲线

选择疾病，输入基因，调整预后参数及统计学方法

结果下载。

临床意义-临床相关性

选择疾病输入基因

结果下载

其他-泛癌配对图

选择疾病输入基因，调整参数。

结果下载。

Table2逻辑回归分析（logistic）

选择疾病，输入基因，调整临床变量。

结果下载。

Fig2临床变量预后分析

临床意义-cox回归分析

选择疾病输入基因

结果下载。

临床意义-预后列线图

选择疾病输入基因

调整预测参数，设置时间可以是1 3 5年或2 4 6年等

结果下载

Fig3免疫细胞相关性

交互网络-棒棒糖图

选择疾病输入基因

结果下载。

交互网络-单基因高低组差异分析。

选择疾病，输入基因。选择免疫细胞。

结果下载。

Table3免疫细胞高低表达组比较

将Fig3B图结果下载数据

选择要展示的免疫细胞，整理三线表即可。

Fig4PPI及GOKEGG富集分析

通过string数据库，输入基因选择物种。

下载SVG格式。也可以在cytoscape进行调整。

功能聚类-GOKEGG分析

输入基因即可。

保存结果为下一步可视化。

功能聚类-气泡图

结果下载。

Table4GOKEGG富集结果展示

下载xlsx格式的表格，将选择的通路整理成三线表格式。