疾病生存率分析-非靶向代谢组学-全基因组甲基化测序-单细胞进化分析-生物信息学数据库软件-尔云信息

基因与疾病的生存率分析是常见的疾病预后分析之一，生存率分析需要大量的临床样本和临床数据，某些科研工作者可能束手无策！
云生信团队整合了世界权威公共数据库所有临床样本数据，您只需要提供疾病名称以及感兴趣的基因（或者miRNA，lncRNA）名称，我们会在最快的时间给出疾病基因的生成曲线以及分析报告，全面揭示基因与疾病生存率关系。
分析意义
1.验证基因（或miRNA、lncRNA）的表达高低与疾病生存时间的关系，确定该基因（或miRNA、lncRNA）在疾病的预后中是否起到关键作用。
2.可用于基因表达验证、基因敲出实验、药物处理研究等各种临床分析。
3.可以直接作为文章的结论以及增加文章的影响因子。
参考文献实例
[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.
样本数据来源：
云生信团队整合了全世界权威公共数据库所有临床样本数据，例如TCGA数据库的34种常见癌症以及超过10000个人类临床样本数据；例如NCBI GEO数据库的2000个实验组以及总数超过30000个人类临床样本数据。其他还有ICGC、EBI等数据库。
图片可直接使用：
云生信团队的分析过程依托于云生信分析平台（www.biocloudservice.com），获得的分析图片完全达到SCI论文的水平要求，可以直接使用。
分析耗时及报价：
每个基因的分析只需要2000元（原价3000元，限前100名），多个基因同时
分析还有大优惠！

肾上腺皮质癌预后风险microRNA筛选及功能分析
流程：
1. 获得TCGA的肾上腺皮质癌microRNA表达谱数据，标准化
2. 获得TCGA的肾上腺皮质癌的临床数据并进行整理
3. 基于microRNA的表达值对病例分组后利用KM曲线获得对生存预后有显著影响的microRNA
4. 构建COX比例回归模型评估不同microRNA表达值及临床因素筛选对预后有显著影响因素
5. 对关键microRNA的预测调控靶基因及功能分析
6. 构建microRNA共调控靶基因网络并对共调控靶基因进行功能分析
关键词: TCGA; 肾上腺皮质癌；COX回归；KM曲线；预后；microRNA
结果和结论
1. 生存分析结果
基于microRNA的均值对病例的分组生存分析我们获得了**个对生存曲线影响显著的microRNA。**个KM曲线分析指示：**个microRNA低表达的情况下患者的生存时间显著高于高表达的情况。说明这些microRNA有可能抑制了某些癌症的关键基因，导致机体功能紊乱从而导致生存时间的显著降低。

图1： miRNA与疾病的生存曲线（部分结果举例）

2. COX比例回归分析
我们对这**个基因利用表达值进行COX比例回归分析，获得每个microRNA对预后的风险比。**。
表1. COX比例回归分析结果

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