基因與疾病的生存率分析是常見的疾病預后分析之一,生存率分析需要大量的臨床樣本和臨床數據,某些科研工作者可能束手無策!
    云生信團隊整合了世界權威公共數據庫所有臨床樣本數據,您只需要提供疾病名稱以及感興趣的基因(或者miRNA,lncRNA)名稱,我們會在最快的時間給出疾病基因的生成曲線以及分析報告,全面揭示基因與疾病生存率關系。
分析意義
1.驗證基因(或miRNA、lncRNA)的表達高低與疾病生存時間的關系,確定該基因(或miRNA、lncRNA)在疾病的預后中是否起到關鍵作用。
2.可用于基因表達驗證、基因敲出實驗、藥物處理研究等各種臨床分析。
3.可以直接作為文章的結論以及增加文章的影響因子。
參考文獻實例
[IF=4.836] Predictive factors associated with prolonged survival in patients with advanced non-small-cell lung cancer (NSCLC) treated with gefitinib.
[IF=2.862] DDX3X Biomarker Correlates with Poor Survival in Human Gliomas. 
樣本數據來源
云生信團隊整合了全世界權威公共數據庫所有臨床樣本數據,例如TCGA數據庫的34種常見癌癥以及超過10000個人類臨床樣本數據;例如NCBI GEO數據庫的2000個實驗組以及總數超過30000個人類臨床樣本數據。其他還有ICGC、EBI等數據庫。
圖片可直接使用:
云生信團隊的分析過程依托于云生信分析平臺(www.biocloudservice.com),獲得的分析圖片完全達到SCI論文的水平要求,可以直接使用。
分析耗時及報價:
每個基因的分析只需要2000元(原價3000元,限前100名),多個基因同時
分析還有大優惠!




                                     腎上腺皮質癌預后風險microRNA篩選及功能分析
流程:
1. 獲得TCGA的腎上腺皮質癌microRNA表達譜數據,標準化
2. 獲得TCGA的腎上腺皮質癌的臨床數據并進行整理
3. 基于microRNA的表達值對病例分組后利用KM曲線獲得對生存預后有顯著影響的microRNA
4. 構建COX比例回歸模型評估不同microRNA表達值及臨床因素篩選對預后有顯著影響因素
5. 對關鍵microRNA的預測調控靶基因及功能分析
6. 構建microRNA共調控靶基因網絡并對共調控靶基因進行功能分析
關鍵詞: TCGA; 腎上腺皮質癌;COX回歸;KM曲線;預后;microRNA
結果和結論
1. 生存分析結果
基于microRNA的均值對病例的分組生存分析我們獲得了**個對生存曲線影響顯著的microRNA。**個KM曲線分析指示:**個microRNA低表達的情況下患者的生存時間顯著高于高表達的情況。說明這些microRNA有可能抑制了某些癌癥的關鍵基因,導致機體功能紊亂從而導致生存時間的顯著降低。






               圖1: miRNA與疾病的生存曲線(部分結果舉例)
                                                                         
2. COX比例回歸分析
我們對這**個基因利用表達值進行COX比例回歸分析,獲得每個microRNA對預后的風險比。**。
表1. COX比例回歸分析結果

factor β HR p-value lower 95% upper 95% 
hsa-mir-*** 0.2034 1.226 0.00144 1.0815 1.389
hsa-mir-**** 0.277 1.319 0.002321 1.1038 1.577
hsa-mir-*** 3.007 20.23 0.0000551 4.691 87.23
hsa-mir-** 0.3116 1.366 0.004455 1.1017 1.693
hsa-mir-*** 12.32 224800 0.001461 113.6558 444500000
3. 風險microRNA調控網絡
根據COX比例回歸分析,我們獲得了 **個對腎上腺皮質癌預后有顯著影響的microRNA,且在他們高表達的條件下,病人預后較差。miRWalk工具預測到的microRNA調控靶基因

圖2. 風險microRNA的調控靶基因網絡

4. microRNA調控靶基因功能富集分析


圖3. miRNA的功能富集分析結果
5. 共調控的靶基因功能分析

圖4. 風險microRNA的共調控靶基因網絡

疾病生存率分析

基因與疾病的生存率分析是常見的疾病預后分析之一,生存率分析需要大量的臨床樣本和臨床數據,某些科研工作者可能束手無策! 云生信團隊整合了世界權威公共數據庫所有臨床樣本


聯系我們

注册彩金送娱乐平台

掃描二維碼分享到微信