小编已经记不清这是推送的第几篇与可变剪切相关的文章了，当我们以为可变剪切慢慢落寞的时候，他总会以新的方式带给我们新的思路！Survival-Associated Alternative Splicing Events in Pan-Renal Cell Carcinoma这是一篇刚刚发表的关于肾癌的可变剪切分析（整合KICH，KIRC，KIRP），下面就让我们看看这又是怎样的分析思路。

方法部分：1.数据：分别获得KICH，KIRC，KIRP相关的可变剪切数据，表达谱数据和相关临床信息；2.生存分析：采用单因素cox回归分析分别识别在KICH，KIRC，KIRP中与生存相关的可变剪切事件；采用多因素cox分析分别构建在KICH，KIRC，KIRP预后模型；3.PPI网络构建：将与生存相关可变剪切事件的相关基因置于STRING数据库，构建PPI网络；将相关基因进行功能富集分析（GO，KEGG）；4.可变剪切调控网络构建：采用单因素cox回归分析分别识别KICH，KIRC，KIRP中与生存相关的剪切因子；采用Pearson相关系数来衡量剪切因子与可变剪切事件之间的关系。

结果部分：1.整体可变事件及其相关基因在肾癌中的分布情况首先，对KICH，KIRC，KIRP分别描述了在各类型中可变剪切事件及相关基因的数量（A-C）；同时，KICH，KIRC，KIRP在7种可变剪切类型中共同基因的分布采用upset图进行展示（）；并且，对KICH，KIRC，KIRP中可变剪切事件及基因进行对比，寻找其中异同点（D-E）。

2.生存相关的可变事件及其相关基因在肾癌中的分布情况首先，对KICH，KIRC，KIRP分别描述了在各类型中生存相关的可变事件及其相关基因的数量（F-H）；同时，KICH，KIRC，KIRP在7种生存相关的可变剪切类型中共同基因的分布采用upset图进行展示（）；并且，对KICH，KIRC，KIRP中生存相关的可变剪切事件及基因进行对比，寻找其中异同点（I-J）。3.预后模型构建分别选取KICH，KIRC，KIRP中TOP10与生存最显著相关的可变事件绘制生存曲线，并采用多因素cox回归分析整合与生存最显著相关的可变事件构建了KICH，KIRC，KIRP的预后模型（）。同时，采用ROC曲线评价模型（A-I）。4.PPI网络构建通过相关基因在STRING数据库构建的PPI网络，在网络中寻找连通度大的节点定义为核心基因（）。5.功能富集分析对KICH，KIRC，KIRP中生存相关可变剪切事件相关基因进行功能富集分析，寻找显著相关BP，MF，CC（表一）。6.可变剪切调控网络构建采用单因素cox回归分析，分别识别在KICH，KIRC，KIRP与生存相关的剪切因子（J-L）。并分别计算剪切因子与可变剪切事件的相关性构建可变剪切调控网络（）。

可以看出，文中采用的分析方式都是基础的方法，主要是综合KICH，KIRC，KIRP三种癌型，并将其异同点归纳总结，这样的方式大家赶快学习起来呀~

欢迎关注

TCGA | 小工具 | 数据库 |组装| 注释 |   基因家族  |  Pvalue

基因预测  |bestorf |  sci | NAR | 在线工具 | 生存分析 | 热图

 生信不死 | 初学者 | circRNA | 一箭画心| 十二生肖 | circos

 舞台|基因组 | 黄金测序 | 套路 | 杂谈组装 |  进化 | 测序简史