做数据挖掘，就算发 20 几分的 CNS 子刊，也是垃圾！？--转载

关于数据挖掘发表文章，我们知道很多人是看不上、瞧不起、嗤之以鼻的。大抵是因为这些人平时只发 CNS 主刊，所以才认为通过数据挖掘这种用「别人的数据」或者叫「干实验」来发文章是“「垃圾」，没有什么价值。

真的是这样吗？今天我们要介绍的就是一篇做数据挖掘的 Cancer Cell 杂志的文章（IF: 27.4），大家来看看文章怎么样。

A Comprehensive Pan-Cancer Molecular Study of Gynecologic and Breast Cancers. Cancer Cell. 2018 Apr 1. pii: S1535-6108(18)30119-3.

1

文章数据挖掘的情况

肿瘤类型：妇科肿瘤和乳腺癌；

数据来源：主要是 TCGA 数据库，1,087 例 BRCA（invasive breast carcinoma，乳腺癌）, 308 例 CESC (cervical squamous cell carcinoma and endocervical adenocarcinoma, 宫颈癌 ), 579 例 OV（high-grade serous ovarian cystadenocarcinoma，卵巢癌），548 例 UCEC（uterine corpus endometrial carcinoma，子宫内膜子宫内膜癌）和 57 例 UCS（uterine carcinosarcoma ，子宫癌肉瘤），共 2,579 例，统称为 “Pan-Gyn” 泛妇科肿瘤。

数据类型：临床信息（clinical）,拷贝数变异（somatic

copy-number alterations SCNAs）, 突变（mutations）,DNA甲基化（DNA methylation），mRNA，miRNA，lncRNA和蛋白的表达（expression of mRNA, microRNA, long non-coding RNA, and proteins）。

2

文章的研究工作

1. 找到了分子特征（molecular features），用以区分 “Pan-Gyn” 与 TCGA 中其它肿瘤；

23 个基因在 Pan-Gyn 和 Non-Gyn 中的突变和扩增频率

2. 鉴定到高白细胞浸润（high leukocyte infiltration）这一免疫应答的肿瘤亚型；

3. 建立了基因和 lncRNA 的相互作用 network（interaction network ）；

4. 建立了决策树（Decision tree），将临床相关预后的肿瘤亚型进行再分组；

由于内容比较多，这篇文章我们就简单介绍到这里。

3

趋势文章

细心的同学会发现 Pubmed 的趋势文章（Trending Articles），最近有很多从各个角度分析 TCGA 数据的高分文章。

比如 4 月 5 日 Cell 主刊的六连发：

1. 分析泛肿瘤中增强子（Enhancer）表达：

A Pan-Cancer Analysis of Enhancer Expression in Nearly 9000 Patient Samples.Cell. 2018 Apr 5;173(2):386-399.e12.

2. 分析肿瘤驱动（Driver ）基因和突变：

Comprehensive Characterization of Cancer Driver Genes and Mutations.Cell.2018 Apr 5;173(2):371-385.e18.

3. 分析肿瘤信号通路：

Oncogenic Signaling Pathways in The Cancer Genome Atlas.Cell. 2018 Apr 5;173(2):321-337.e10.

4. 分析患者生存预后结果的

An Integrated TCGA Pan-Cancer Clinical Data Resource to Drive High-Quality Survival Outcome Analytics.Cell. 2018 Apr 5;173(2):400-416.e11.

5. 分析肿瘤发病生殖系变异（Pathogenic Germline Variants）：

Pathogenic Germline Variants in 10,389 Adult Cancers.Cell. 2018 Apr 5;173(2):355-370.e14.

6. 分析细胞来源用于肿瘤分类：

Cell-of-Origin Patterns Dominate the Molecular Classification of 10,000 Tumors from 33 Types of Cancer.Cell. 2018 Apr 5;173(2):291-304.e6.

又比如 4 月 3 日 Cell Reports 的五连发：

1. 从DNA损伤修复角度分析基因组和分子图谱：

Genomic and Molecular Landscape of DNA Damage Repair Deficiency across The Cancer Genome Atlas.Cell Rep. 2018 Apr 3;23(1):239-254.e6.

2. 分析肾癌整体分子特性：

The Cancer Genome Atlas Comprehensive Molecular Characterization of Renal Cell Carcinoma.Cell Rep. 2018 Apr 3;23(1):313-326.e5.

3. 分析鳞癌的基因组、通路和免疫特性：

Genomic, Pathway Network, and Immunologic Features Distinguishing Squamous Carcinomas.Cell Rep. 2018 Apr 3;23(1):194-212.e6.

4. 从泛素化通路角度分析：

Integrated Genomic Analysis of the Ubiquitin Pathway across Cancer Types.Cell Rep. 2018 Apr 3;23(1):213-226.e3.

5. 从lncRNA角度分析，并通过实验验证：

Pan-Cancer Analysis of lncRNA Regulation Supports Their Targeting of Cancer Genes in Each Tumor Context.Cell Rep. 2018 Apr 3;23(1):297-312.e12.

这是怎么肥事？

其实，这个是 CELL Press 的 “The Pan-Cancer Atlas” 的主题系列：

总体上包括了 Cell-of-Origin，Oncogenic Processes、Signaling Pathway 和 Resources 四部分，前三部分收录了 Flagship Paper（旗舰文章）和 Companion Papers。