大家好，我是浮浮~
上次給大家復(fù)現(xiàn)的“5+SCI”套路，只要加點免疫組化就能發(fā)表，不知道大家復(fù)現(xiàn)的如何？我相信有的小伙伴肯定還在擔(dān)心，如此簡單的套路被拒了怎么辦？今天就徹底打消你的顧慮，看一下今天的推文，會為你打開一扇新世界的大門~
0.期刊介紹
1.寫在前面
前幾天在看生信文章的時候突然發(fā)現(xiàn)了一篇文章似曾相識，好像在哪里見過。
但是我有十分確定沒有讀過這篇文章，思索一陣突然恍然大悟，這不就是我前一陣復(fù)現(xiàn)的論文嗎？于是我把之前的文章找出來看了一下。
一開始我看到第一作者和通訊作者都不相同，以為只是模仿著換了一個分子又發(fā)了一篇，但是仔細(xì)一看，不對，是同一波人，只不過位置不一樣了！并且單位都是廣東Meizhou人民醫(yī)院。我又看了一下發(fā)表時間
一篇是4月投稿，另一篇是同年2月投稿，兩篇都在8月份接收。這波操作屬實震驚到我了！疾病相同、分析套路相同、寫作思路相同，只是換了個分子，就在一年內(nèi)發(fā)了兩篇相似度如此之高的文章。但是轉(zhuǎn)念一想，這不就是酸菜大大說的“通量解決概率”問題嘛。眾所周知，科研界絕對禁止一稿多投，特別是國外期刊，一經(jīng)發(fā)現(xiàn)后果非常嚴(yán)重，甚至可能直接被拉進(jìn)黑名單。但是有了生信分析，我們完全可以“一稿”多投了！特別是有仙桃工具這等神器輔助，換個分子再做一遍分析就是分分鐘的事情啊。然后用寫作工具進(jìn)行替換，一個周末寫三四篇輕松搞定。然后批量補個免疫組化實驗，只要多買個抗體就可以了，樣本都可以用同一批！
是不是想想都很爽？不過先不要高興的太早，投這樣的文章也是要講究方法的，不能真的只換了個分子，其它分析完全照搬來一套，這樣就太明顯了。接下來我會兩篇文章對比復(fù)現(xiàn)，使用仙桃工具如何一次收獲多篇文章。
Genomics發(fā)表的那篇文獻(xiàn)在上次推文中已經(jīng)詳細(xì)復(fù)現(xiàn)過了，所以這次我會以發(fā)表在peerJ上面的為主，著重講解兩篇文章的異同。
2.復(fù)現(xiàn)思路
我們還是先來梳理一下全文思路，看一下圖表。本文一共6張圖，2個表格，工作量比起上一篇文章其實是有所減少的。接下來我們先總體看一下文章吧，本次復(fù)現(xiàn)我們將著重對比兩篇文章的內(nèi)容。
Figure1 主要展示了主變量PPA2在正常組織和腎透明細(xì)胞癌以及其它腎細(xì)胞癌中的表達(dá)差異情況。這里直接加入了免疫組化結(jié)果，也是全文唯一的實驗結(jié)果。
這里免疫組化也可能是和上一篇文章用的是同一批組織，再買一個抗體就搞定了。
Figure2 展示了PPA2在腎透明細(xì)胞癌中生存曲線，風(fēng)格不同了，并且省略了上一篇文章中的分期，更簡單了。
Figure3 這張圖對應(yīng)上一篇文章圖4的內(nèi)容，進(jìn)行的Cox回歸和亞組KM曲線的繪制，風(fēng)格不同了，內(nèi)容也省略了。
Figure4 增加了預(yù)后nomogram和ROC曲線的結(jié)果，這是上一篇文章沒有的內(nèi)容。
Figure5 對應(yīng)上一篇文章最后一張圖，改了一下點的大小和顏色。
Figure6 免疫浸潤換了一種方式，后面我們會提到如何用仙桃變換風(fēng)格，做不同的搭配。
表格1 展示了腎透明細(xì)胞癌患者的臨床特征，這里和上一篇文章相同。
表格2 展示了該分子在泛癌中預(yù)后的情況，整理這個表格還是需要一點時間的，但是也不是很難，仙桃工具完全可以獲得這些數(shù)據(jù)。
可以看到，這兩篇文章風(fēng)格相似，而且這篇PeerJ內(nèi)容還更加簡單。兩篇文章雖然很相似，但是作者都使用的不同的風(fēng)格和參數(shù)，這樣圖片風(fēng)格不同，還可以適當(dāng)調(diào)整結(jié)果的順序，讓兩篇文章看起來不那么相同。
3.全文復(fù)現(xiàn)
話不多說，接下來我們就開始復(fù)現(xiàn)。還是以生信分析神器：仙桃工具進(jìn)行復(fù)現(xiàn)。進(jìn)入仙桃學(xué)術(shù)主頁：https://www.xiantao.love/
點擊“生信工具”
【高級版】 → 【立即使用】（注：免費版和基礎(chǔ)版都可以進(jìn)行統(tǒng)計和可視化，由于高級版功能最全，這里選擇高級版作為范例）。▼
首先我們來看一下文章中第一個表格。作者將第一張基線資料表放在了文章開頭，這是完全可以的，也符合邏輯，首先介紹該基因的臨床相關(guān)性，也可以在表達(dá)差異之后介紹，這就有了兩種展現(xiàn)形式。
在“臨床意義（靠）”菜單下，進(jìn)入“基線資料表”。
選擇疾病和分子，點擊“確認(rèn)”即可
不到2秒的等待時間就可以得到下面的結(jié)果，可以下載word三線表格式，就輕松得到臨床相關(guān)的基線資料表了，而且是發(fā)表級別格式的~
我們來復(fù)現(xiàn)圖1表達(dá)差異的結(jié)果。在左側(cè)菜單欄“表達(dá)差異（挑）”模塊進(jìn)入，選擇“表達(dá)差異”菜單，下拉有“非配對樣本”和“配對樣本”兩種選擇。上次我也提到了，一般我會先分析配對樣本，如果配對的結(jié)果好就展示配對的，如果不好就看看非配對的。也可以兩者都展示。
由于原文使用的是非配對樣本，所以我們以非配對演示為例，疾病選擇腎透明細(xì)胞癌，分子輸入PPA2
結(jié)果和原文一致，在腫瘤中表達(dá)更低。相似地，我們可以分析另外兩個腎相關(guān)腫瘤，然后進(jìn)行拼圖。
C圖是接下來是是臨床相關(guān)性分析，同樣在“臨床意義（靠）”菜單下，進(jìn)入“臨床相關(guān)性”分析模塊。
點進(jìn)去可以自動選擇好之前的疾病和分子，下方可以選擇要分析的臨床指標(biāo)，我們以原文的stage為例，點擊“確認(rèn)”進(jìn)行分析。
可以選擇“小提琴圖”顯示，工具不能不顯示星號，可以把無統(tǒng)計意義的點掉，或者下載pdf格式之后導(dǎo)入AI刪掉即可。
接下來是KM曲線的繪制，在臨床意義（靠）菜單中，下拉“預(yù)后分析”，進(jìn)入“KM曲線圖”。
點進(jìn)去之后自動選擇剛才的疾病和分子，所以我們直接點擊“確認(rèn)”就可以出圖。
結(jié)果特別顯著，并且與表達(dá)差異的結(jié)果相符合。一般我們習(xí)慣用紅色代表高表達(dá)，原文中正好相反，不排除這是作者為了避開上一篇文章的風(fēng)格故意調(diào)整的。
在右側(cè)“預(yù)后參數(shù)”中可以選擇“預(yù)后類型”，得到不同的結(jié)果。這里可以替代原文的結(jié)果，風(fēng)格統(tǒng)一，拼圖還方便。
這里我們再說明一下不同風(fēng)格的圖片，其實在仙桃工具中作圖，不需要違反常識，可以有多種參數(shù)供大家選擇改變風(fēng)格。如果批量分析多個分子用于不同文章，可以調(diào)整不同的風(fēng)格，但是同一個分子要用相似的風(fēng)格。
右側(cè)參數(shù)部分有很多的參數(shù)都可以進(jìn)行調(diào)整，得到不同風(fēng)格的結(jié)果。比如線的顏色、樣式，是否顯示刪失數(shù)據(jù)、置信區(qū)間
還有是否顯示風(fēng)險表格、圖注位置，以及風(fēng)格的調(diào)整。這些參數(shù)可以滿足多種風(fēng)格的圖片要求，不過大家最好記錄一下每個分子的具體參數(shù)，同一個分子保持一致的風(fēng)格，這樣的圖片看起來更加統(tǒng)一。
這里講一下原文第二張表格的復(fù)現(xiàn)，操作十分簡單。就是稍微有點麻煩而已?？赡苡械男』锇橐呀?jīng)猜到了，剛才我們復(fù)現(xiàn)了腎透明細(xì)胞癌中的KM曲線，只要變換疾病，分子在其它腫瘤中的情況，記錄樣本量、HR和p-value，就可以得到表2。樣本量可以在數(shù)據(jù)里面查看，滑到最后側(cè)，即可看到癌旁和腫瘤的樣本數(shù)量。
接下來復(fù)現(xiàn)森林圖。首先還是先進(jìn)行Cox回歸，在上一篇推文中講過，這里也簡單說明一下。在剛才的“預(yù)后分析”下拉菜單中，可以看到“單|多因素Cox回歸”，點擊進(jìn)入。
疾病自動選好了，分子在下方選擇，我們一會說。右側(cè)“預(yù)后參數(shù)”這里可以選擇“預(yù)后類型”，小伙伴們可以三個都分別試一下，選擇結(jié)果比較好的展示，這樣又可以增加多樣性，我們這里以O(shè)S為例。
在下方可以選擇納入分析的臨床指標(biāo)，最后選擇目標(biāo)分子。有的分子也有中位數(shù)和log2+1兩種選項，這兩種都可以用在文章中，也是選擇結(jié)果比較好的即可。其中Tstage可以設(shè)置成兩項，左側(cè)是T1，右側(cè)是T2/3/4，一會結(jié)果中可以看到這樣設(shè)置的好處。
得到結(jié)果后保存為表格形式，我們可以使用仙桃工具直接繪制森林圖。也可以保存三線表，作為表格放到文章中。有些學(xué)員可能直接顯示一行了，和這里的格式不太一樣，不用擔(dān)心，那種顯示的更方便繪制森林圖。
在“基礎(chǔ)繪圖”中有在線森林圖的繪制。
按照要求整理數(shù)據(jù)，我們先看一下保存的結(jié)果，左側(cè)一欄當(dāng)作了reference，由于Tstage當(dāng)時只選擇了兩個組，所以可以得到一行數(shù)據(jù)，這里p值不是很好，可以選擇不要T分期，這樣操作是可以的，選擇有意義的結(jié)果進(jìn)行展示。我們將這里的多因素和單因素分別繪制森林圖，就可以得到原文一樣的結(jié)果了。
整理好的森林圖數(shù)據(jù)格式如下
需要注意的是，上傳數(shù)據(jù)之后，需要再次點擊右下角的“上傳”
上方會出現(xiàn)數(shù)據(jù)集驗證成功，下方這里也會變成對號。
上傳數(shù)據(jù)后點擊“確認(rèn)”，即可得到下方的森林圖。右側(cè)參數(shù)可以修改風(fēng)格。其它預(yù)后類型就不再重復(fù)了，大家可以試一試，在Cox回歸分析時，分析指標(biāo)也可以根據(jù)不同疾病多納入一些，這樣繪制的森林圖會更加漂亮。
右側(cè)參數(shù)有很多內(nèi)容都是可以調(diào)整的，包括線的樣式、點的顏色等，輕松變換風(fēng)格。
這張figure的后半部分仍然是亞組KM曲線的展示?；氐健芭R床意義（靠）”部分，下拉“預(yù)后分析”菜單，進(jìn)入“亞組KM圖”
疾病和分子是自動選擇好的，我們只需要設(shè)置一下亞組的分組信息。這里按照原文第一個小圖進(jìn)行設(shè)置，分析stage I&stage II。點擊“確認(rèn)”進(jìn)行分析出圖。
結(jié)果也非常好，甚至比原文的結(jié)果更好。大家也可以在右側(cè)參數(shù)中進(jìn)行修改調(diào)整，繪制個性化的結(jié)果。這里參數(shù)和之前的KM曲線相同，就不再重復(fù)說明了。
接下來我們看一下列線表nomogram的繪制。在臨床意義（靠）中下拉“預(yù)后分析”進(jìn)入“預(yù)后列線圖”模塊，要選擇前面帶有[云]字樣的，表示有云端數(shù)據(jù)，可以直接進(jìn)行分析。
在右側(cè)參數(shù)中可以選擇“預(yù)測年限”，最多選擇6年，一般是1/3/5年或者1/2/3年的組合形式比較多見。下面的臨床參數(shù)就比較多樣了，可以有各種的組合形式，大家可以多多嘗試。
有的學(xué)員復(fù)現(xiàn)出來的圖片就像下方結(jié)果一樣，有些字體重疊到一起了，這種情況可以通過調(diào)整右側(cè)參數(shù)中的圖片大小來解決。
接下來是B圖的Calibration可視化?？梢钥吹皆陬A(yù)后列線圖的下方就有“預(yù)后Calibration”，也是選擇前面標(biāo)有[云]字樣的進(jìn)入，首先進(jìn)行“預(yù)后Calibration分析”。
點進(jìn)去之后疾病和下方的臨床指標(biāo)都是之前設(shè)置的參數(shù)，介紹一下右側(cè)“預(yù)測年限”，原文將1年、3年、5年分開進(jìn)行分析繪圖，我們可以分別分析，當(dāng)然也可以將這三個參數(shù)繪制到一張圖上，這樣有多了一種展現(xiàn)形式。
等待分析完成，大概1分鐘左右，然后進(jìn)入“Calibration可視化”
在云端數(shù)據(jù)下選擇剛才分析的結(jié)果，直接點擊“確認(rèn)”即可出圖。
接下來是ROC曲線的繪制。在“臨床意義（靠）”菜單中，有“ROC曲線-自選變量”，雖然目前不能完全復(fù)現(xiàn)文章中的形式，但是做出多種風(fēng)格和結(jié)果的圖片還是很容易的，我們一起來看一下。
疾病和分子還是自動選擇的，下面可以選擇臨床指標(biāo)。目前只能選擇一種臨床指標(biāo)繪圖，不過這樣也可以通過展示不同的臨床指標(biāo)，來區(qū)分不同分子的分析內(nèi)容。當(dāng)然，還是挑選結(jié)果比較好的指標(biāo)進(jìn)行展示。
右側(cè)參數(shù)可以更改不同的風(fēng)格，比如線的顏色，背景網(wǎng)格，圖注位置等等，通過這些簡單的調(diào)整也可以得到不同風(fēng)格的結(jié)果。
然后是GSEA富集分析，復(fù)現(xiàn)上一篇文章中詳細(xì)解讀過，考慮到可能有些學(xué)員沒有看過，這里也簡單說明一下。在“表達(dá)差異（挑）”菜單下進(jìn)入“差異分析”子模塊，點擊“單基因差異分析”，目的是獲得差異基因和差異倍數(shù)。
相似的界面，直接點擊“確認(rèn)”即可。
之后點擊上方的“歷史記錄”可以查看分析進(jìn)度，一般需要5分鐘左右即可得到分析結(jié)果。
分析完成后，點擊“下載”，即可下載多種格式的報告，一般選擇excel格式下載即可。
打開可以看到是如下的結(jié)果，關(guān)鍵信息有基因名稱、logFC和padj。
GSEA分析不需要篩選差異倍數(shù)，直接將所有基因納入即可?；氐较商夜ぞ?，在左側(cè)“功能聚類（圈）”菜單下展開“GSEA富集”，進(jìn)入“GSEA分析”。
按照要求整理數(shù)據(jù)，刪除多余的列，保留基因名稱和logFC即可。
上傳數(shù)據(jù)后點擊“確認(rèn)”，一般等待1-2分鐘，仍然可以在“歷史記錄”中查看進(jìn)度。這里上傳數(shù)據(jù)的時候要注意一下，之前我們說過，要點擊右下角“上傳”，等待驗證成功才可以繼續(xù)點擊“確認(rèn)”。
等分析完成后，在GSEA分析的下面進(jìn)入“GSEA可視化”
在云端數(shù)據(jù)中會自動出現(xiàn)剛才分析的結(jié)果，如果有多條結(jié)果，就選擇希望可視化的那個。基本參數(shù)選擇默認(rèn)即可，其它參數(shù)也可以先默認(rèn)，后面再逐步調(diào)整，點擊“確認(rèn)”出圖。
這樣就會可視化默認(rèn)最顯著的兩個結(jié)果。當(dāng)然，也可以選擇自己想要可視化的結(jié)果以及每次可視化的數(shù)量。
在右側(cè)參數(shù)的“基本參數(shù)”中，可以在基因集ID中輸入想要可視化的條目。在剛才的分析結(jié)果中查找想要可視化的條目，復(fù)制到這里即可。表格在歷史記錄中下載~
另外還有圖注、風(fēng)格、線條等個性化參數(shù)可以進(jìn)行更改設(shè)置，改變結(jié)果的風(fēng)格。這里參數(shù)和之前的大同小異，就不過多介紹了。
最后是根據(jù)免疫評分分組，查看目的基因表達(dá)情況。這里需要處理匹配數(shù)據(jù)，如果不用R語言的話，幾百行的匹配還是很難完成的。不過這里我們可以使用仙桃工具的免疫浸潤代替，選擇不同風(fēng)格和搭配方式即可。上次講過的棒棒糖圖還記得嗎？這里再簡要介紹一下。
仍然是自動選擇疾病和分子，直接點擊“確認(rèn)”出圖，我們來看一下。
這樣棒棒糖圖就做好了，我們重點看一下右側(cè)參數(shù)可以調(diào)整的風(fēng)格。
最顯著的是上次提到的，在“風(fēng)格”中取消“XY軸顛倒”，并將“X軸文本翻轉(zhuǎn)角度”設(shè)置為“45”，最后調(diào)整到比較合適的圖片大小可以得到橫向的結(jié)果圖。
另外還有“算法參數(shù)”中選擇細(xì)胞種類，挑選結(jié)果明顯的細(xì)胞顯示，還有常見的點、線、圖注的風(fēng)格選擇等，大家可以多嘗試一下。
最后得到的橫向棒棒糖圖如下，加上顏色的改變，那么完全就是兩個不同的風(fēng)格了。
還可以進(jìn)行散點圖和分組比較圖的不同搭配使用。
如果大家想要進(jìn)一步區(qū)分多篇文章，想要不重復(fù)的部分更多一些，也可以選擇上次我們使用的TIMER數(shù)據(jù)庫（http://timer.cistrome.org/），專門搞定免疫浸潤問題，可以得到更加多樣的結(jié)果進(jìn)行展示。
到此我們復(fù)現(xiàn)結(jié)束啦，可以看到，兩篇文章思路一致，僅僅換了一個分子就又發(fā)了一篇文章，雖然分?jǐn)?shù)不如上一篇Genomics，但是基本相當(dāng)于白賺到的了。這個思路大家可以借鑒一下，不說了，大家都懂。需要注意的是，這兩個分子的結(jié)果都是非常顯著的，這可能也是可以發(fā)表的原因之一。
這次復(fù)現(xiàn)教程也重點提到了風(fēng)格的改變，在同時分析多個分子的時候，需要適當(dāng)調(diào)整一下風(fēng)格，內(nèi)容的分布上面也可以多多學(xué)習(xí)這兩篇文章，有所“舍得”，如果過于相似，可能會被當(dāng)成論文工廠的產(chǎn)物，那就百口莫辯、得不償失啦。
利用仙桃零代碼篩選預(yù)后好的分子攻略我們上次已經(jīng)講過了，如果還不知道的學(xué)員可以找一下上次我復(fù)現(xiàn)的推文看一下，也可以自己對比一下這兩篇文章，學(xué)習(xí)一下風(fēng)格的改變和內(nèi)容的調(diào)整。祝大家投稿順利，文章多多！
掃描下方二維碼
回復(fù)“生信”免費邀您進(jìn)入【復(fù)現(xiàn)營】（名額有限）
開啟高質(zhì)量零代碼復(fù)現(xiàn)教學(xué)！
聯(lián)系客服
