第1篇
原文：Integrative analysis of gene expression and DNA methylation through one‐class logistic regression machine learning identifies stemness features in medulloblastoma
解讀：“腫瘤干細胞”用生信怎么玩
1-干性指數(shù)的計算：源于一篇Cell文獻（必讀）扣唱。
2-連續(xù)性變量的界值選取：還可以使用‘cutp’ function of the R package ‘survMisc’ (https://cran.r-project.org/web/packages/survMisc) with default parameters.
訓練集和驗證集的劃分，還可以使用‘createDataPartition’ function of the R package ‘caret’ (https://cran.r-project.org/web/packages/caret)【雖然我一般使用人工劃分的方式】
3-干性指數(shù)與臨床分型的相關(guān)分析比較簡單冗疮，兩種干性指數(shù)與預后的分析（單因素诅挑、多因素）兜畸。本文預后分析發(fā)現(xiàn)努释，僅SHH型的預后與干性有關(guān)，此后的分析都是局限于SHH型中咬摇。
4-根據(jù)干性指數(shù)的高低進行分組伐蒂，然后篩選DEG，在這些DEG里再尋找與預后有關(guān)的基因肛鹏，然后再使用Cox-LASSO降維得到最終的23基因逸邦。這一步的邏輯有點奇怪恩沛，篩選到的基因，可以解釋為：既與預后有關(guān)缕减，也與干性相關(guān)的基因雷客。
得到的23基因預后模型，再使用R包的選取界值方法桥狡，分成高危組和低危組搅裙，得到生存曲線的對比。
5-干性與免疫微環(huán)境的相關(guān)性分析：這個圖可以借鑒裹芝。
6-CMap分析來識別新的靶向特征的候選藥物部逮。
這篇文獻只讀了個大體思路和實現(xiàn)流程，但是沒有仔細分析思路的合理性嫂易、連貫性等細節(jié)（好的研究應(yīng)該是一環(huán)扣一環(huán)）兄朋。有時間回來再辯證讀讀。
