看过许多生信分析的文章，也做了一些工作，今天正好将这些已经有的套路做一下总结和梳理，所列的套路主要集中于转录组公开数据挖掘。
1.单基因分析法:
单基因筛选是算是最常见，年代最久的套路了。
单基因单癌种筛选基因的纯生信的文章目前(2022年)已不易发表，不过作为对应研究分子的引出，以求接下来开展对应实验，仍是个不错的选择。
单基因泛癌种的文章目前仍然较多，甚至可以做到无代码纯在线工具分析，仅最后在标本中验证表达即可，这对初学者而言很友好。但是需要注意所选基因应当是少有人研究(实验,生信)的，甚至是目前功能不明的，这样才能凸显做分析的意义。
主要思路:
单基因筛选法:Bioinformatics analysis reveals TSPAN1 as a candidate biomarker of progression and prognosis in pancreatic cancer ( Bosn J Basic Med Sci 2021 )
文章在两个数据集(TCGA,GSE16515)中分别做差异基因分析以及WGCNA分析，得到的四个结果取交集后，对所剩基因做生存分析，最后筛选出了TSPAN1。
单基因泛癌分析: Systematic Pan-Cancer Analysis Identifies TREM2 as an Immunological and Prognostic Biomarker(Front Immunol 2021 )
文章对TREM2在TCGA 33种肿瘤中的差异表达，预后，临床表型相关性，肿瘤突变负荷，微卫星不稳定，错配修复，肿瘤微环境，免疫浸润，通路富集(GSVA和GSEA)进行了全面的分析。这篇文章是泛癌分析里应做尽做的典型了，如果再加入一点药敏相关分析，应用价值就更大了
2.多基因建模法:
根据某一癌种中多基因的表达值，搭建诊断或者预后模型，并进一步评估模型的效能，以及模型中计算的分数(Score)的延申应用，这也是主要的一类文章的套路。
基因的选择可以根据目前已有的基因集( 焦亡，铁死亡(Zhounan的FerrDB)，自噬(卢森堡构建的HADb)，m6A，代谢blablalba)，亦可通过前述的筛选方法(差异基因，WGCNA)生成基因集。
搭建模型的方法主要是通过机器学习方法(最普遍的lasso法，以及SVM(支持向量机)，随机森林等特征选择方法)去选择适合的基因搭建模型。
评估模型效能主要是依据ROC曲线，预后模型还可以进一步构建Nomogram，同其他预后指标联合，更精准地量化评估病人的生存。(我对诊断模型不是很了解)。
Score既可以直接作为数值变量，和一些数值变量(临床表型中的一些化验指标的水平，肿瘤微环境中计算的各类分数，免疫浸润中各类细胞的占比，药物的IC50值)做相关性分析。也可以划出截断值后作为分类变量，和其他变量做相关性分析。
举个例子: 肝癌中基于铁死亡相关基因的总生存预后模型的构建。A Novel Ferroptosis-related Gene Signature for Overall Survival Prediction in Patients with Hepatocellular Carcinoma.( Int J Biol Sci. 2020)
看的出来，多基因建模中的素材是灵活的。除了基因表达值，基因甲基化水平，基因突变的样本数也可以用来建模。基因的选择也不限于mRNA(编码基因)，lncRNA，miRNA甚至circRNA都可以用来建模。这些不常见的建模方式会让你的文章创新性增加。
值得注意的是，使用GSVA以及ssGSEA也可以产生score，这些score可以直接用来做预后分析，以及一些临床，免疫指标的相关性的分析。
3.识别分子亚型法:
通过聚类的方式生成多个分子亚型，系统地分析这多个亚型中样本的差异，如预后，临床表型，免疫浸润，免疫微环境，通路富集情况。识别到的分子亚型可以作为分类依据，从而产生差异基因，或者直接通过PCA,t-SNE等降维方法产生对应的分数(score)，以此进入建模法的分析流程。
用于富集分子亚型的方法通常为无监督聚类，采用的方法主要有:
k-means方法：制定样本划分为 K 个簇，用一个聚类的中心来代表一个簇，这个中心就是各个簇中所有数据样本的均值。算法简单高效，但由于是求均值，故样本中的异常数据，可能会使聚类结果产生严重偏离。
如何确定k-means的k值：不像监督学习的分类问题和回归问题，无监督聚类没有样本输出，也就没有比较直接的聚类评估方法。但是可以从簇内的稠密程度和簇间的离散程度来评估聚类的效果。例如SSE+手肘图、轮廓系数、Calinski-Harabaz Index、信息准则等。在R包NbClust中可以采用几十种方法去选取合适的K值。
k-medoids方法：制定样本划分为 K 个簇，用一个聚类的中心来代表一个簇，这个中心就是当前簇中所有其他点到该中心点的距离之和最小的点。注意R包ConsensusClusteringPlus中应用的是其衍生算法PAM(Partitioning Around Medoids)，Nb
NMF方法：非负矩阵分解，介绍待补充