paper.3
Identifying miRNA/mRNA negative regulation pairs in colorectal cancer
这篇是曾大大老早之前推荐的，再来一篇，快乐快乐
看起来简洁明了，直击痛点哎
背景不表，来学绝招
workflow.JPG
1. data
TCGA分别获取miRNAseq,mRNAseq数据, 共261个样本，包括253 CRC samples，8 normal tissue samples
2. screening of differential genes and miRNA
2种方法取交集，包括：
Samr package（delta=1, FC>2, FDR<5%);
limma package ( p.adj<.05, FC>2);
3. target genes of the differential miRNA
首先通过miRWalk2.0查找diff-miRNA的target mRNAs；
然后2者pearson rank correlation；
最后筛选出差异表达并负相关的基因；
4. determination of the disease-related miRNA/mRNA
终于构建好了对子，接下来就是GO/KEGG analysis；
5. construction of PPI network
首先对disease-related miRNA/mRNA进行PCA analysis;
接着对变化最大的disease-related miRNA进行生存分析；
最后把对子扔进STRING，构建PPI network；
6. network analysis
network的topology parameters and regulation networks。
这样看来，ROC,AUC,机器学习的分类算法是必须要填坑的啊
