今天看到一篇2022.03.见刊的生信文章，出自Frontiers in Cell and Developmental Biology，切入点是Stress Granule Regulators（应激颗粒）。
DOI:10.3389/fcell.2022.868918
整体思路：
- 立题：MSigDB收集应激颗粒调节因子
- 分型：DEGs（差异分析）→Unicox分析→60个基因→分3型
- 分型周边：临床特征→Age+Sex+TNM
- 基因分型：差异分析（C1vsC2vsC3）+通路分析（KEGG）
- 基因分型周边：临床特征+药敏IC50+免疫相关（免疫细胞+免疫检查点+TIDE+mRNAsi）
- 预后评分构建：LASSO回归
还是比较中规中矩的分子分型文章，下面来看下结果：
1.应激颗粒调节因子周边
分析了87个调节因子的突变，表达及PPI网络。
Fig.1
2.应激颗粒分子分型
选取差异表达且与预后相关的应激颗粒调节因子，将样本分为3个亚型，跟预后密切相关。
Fig.2
下面再次用临床特征说明亚型跟临床特征相关：
Fig.3
3.基因分型
既然上面的分型这么牛，那么是哪些基因在发挥作用?接下来对3个亚型求差异基因，并分析差异通路。
Fig.4 亚型差异基因
Fig.5 差异通路
Fig.6 药敏IC50
Fig.7 免疫细胞浸润+免疫检查点
Fig.8 免疫反应
Fig.9 DEGs+预后
3.SG评分构建
最后作者用LASSO筛选出5个基因，并构建预后模型。
Fig.10
彩蛋：
- 整篇文章只用TCGA，模仿起来还是可以的。
- 基因数目：文章最开始数87个基因，后来又说87个差异基因，得到60个预后基因，最后展示的是28个基因，都给我整蒙了，有兴趣的小伙伴可以找找茬。
- 模型构建：方法里说用的
PCA法，结果里展示的是LASSO回归结果，这也是没谁啦。
