非肿瘤生信机器学习+实验验证思路，轻松发表4到5分SCI论文

非肿瘤生信不好发？非肿瘤生信机器学习与实验验证不会结合？这些都不是问题，现在我们手把手分享一下非肿瘤生信机器学习+实验验证的思路，具体分析步骤如下：

分析流程

第一步，差异分析

第二步，GO、KEGG富集分析

第三步，lasso回归分析

第四步，SVM-RFE分析（支持向量机递归特征消除）

第五步，取lasso回归分析与SVM-RFE分析的交集

第六步，对机器学习选出的关键基因绘制箱线图

第七步，对机器学习选出的关键基因绘制ROC曲线

第八步，关键基因与免疫细胞的相关性分析

第九步，实验验证

第一步，差异分析

第二步，GO、KEGG富集分析

第三步，lasso回归分析

第四步，SVM-RFE分析（支持向量机递归特征消除）

第五步，取lasso回归分析与SVM-RFE分析的交集

第六步，对机器学习选出的关键基因绘制箱线图

第七步，对机器学习选出的关键基因绘制ROC曲线

第八步，关键基因与免疫细胞的相关性分析

第九步，实验验证

根据自己的实际条件进行验证，最简单的就是用PCR验证表达量…如果经费比较充足的话，还可以补功能实验，甚至是探索作用机制...

现在纯生信的大势已去，生信+实验已经成为大趋势，这种生信分析+实验验证的思路赶紧学习起来。