随着数据挖掘的高涨，大量ceRNA网络的文章不断涌现，感觉好像要烂大街的节奏，但仔细阅读ceRNA的相关文章还是有一定的参考价值的。下面来学习下这篇文章

结果解读

1.差异分析

Supplementary Figure 1

去除低表达丰度的基因后，用DEseq2进行差异分析。看这配色，好像是与生信技能树小洁老师的代码有相似之处。

2.富集分析

接下来分别对差异的mRNA进行GO/KEGG富集分析（分上调和下调基因），并将KEGG结果额外用netplot展示。

Fig.1

3.lncRNA-miRNA-mRNA网络构建

miRTarBase: miRNA-mRNA
miRcode: lncRNA-miRNA
Cytoscape：ceRNA网络展示

Fig.2

4.PPI网络

作者根据STRING的confidence score >0.7作为阈值，筛选出66个DEmRNAs, 并根据这66个基因，最终确定出7个hub genes，进行表达和预后分析。

Fig.3

5.预后模型构建

作者将ceRNA网站中的所有基因都进行uni-Cox分析（P < 0.01）为界，共获得21个目标基因，随后进行多因素逐步回归，得到最小AICd的模型，共包含8个基因。

Fig.4

6.模型周边

最后作者将模型的riskscore与临床特征联系。

Fig.5

Fig.6

启发：作者只是构建了ceRNA网络，并构建了预后模型，并没有进行验证。不足之处还是挺明显的，a.缺少外部数据集验证，b.缺少临床样本验证，c.模型构建后分析力度不够。
借鉴点：1. 富集分析时，上调和下调基因分开计算；2.KEGG后用netplot展示。3.文章出发点KIRP，在肾癌中是个小癌种。

参考文献：
Integrated Analysis of a Competing Endogenous RNA Network Reveals a Prognostic Signature in Kidney Renal Papillary Cell Carcinoma