有不少人逐渐觉得纯生信的文章不好发了，多多少少想在文章中添加湿实验。其实细分之后，可以看作两个问题，一是纯生信的文章目前好不好发，二是湿实验对于文章是否加分。针对这两个问题，我们今天结合最近的热点--细胞焦亡来一探究竟。
小编检索了今年肿瘤细胞焦亡lncRNA的文章，一共9篇，其中纯生信公共数据的8篇（IF: 2-7），生信加湿实验验证的1篇（IF: 3.269）。虽然肿瘤lncRNA的研究不能代表所有的研究，但是从当前的统计来说，能够在一定程度上回答我们的第一个问题，纯生信的文章没到担心的地步。
关于第二个问题，这里我们先不下结论，我们结合今年的两篇真实的文章来做一个比较，相信大家看过之后，会有收获。同样的，我们以细胞焦亡lncRNA为例。
坏死性凋亡lncRNA思路火热预定中
第一篇主要内容是乳腺癌细胞焦亡lncRNA预后signature，发表在Frontiers in Cell and Developmental Biology (IF: 6.684)
第二篇主要内容是肺腺癌细胞焦亡lncRNA预后signature，发表在Bioengineered (IF: 3.269)
两篇文章分别在今年十一月份和十二月份发表，从内容上看很相似，都是结合研究热点细胞焦亡，进行了lncRNA预后signature的构建。不过让人惊讶的是，第二篇文章添加了湿实验作为一个主要结果，但是影响因子还不及第一篇纯生信的一半。
我们先整体上比较一下两篇文章的内容：
从文章架构来看，BRCA的文章貌似要多两个结果。但是从内容上来看，两篇文章的生信部分内容其实是差不多的，甚至第二篇LUAD的文章还额外探索了突变。考虑到第二篇LUAD的文章还做了湿实验，所以内容上很有可能是更多的。
为了找到原因，我们详细的解析两篇文章。
第一篇BRCA
主要背景：
However, few studies focus on the pyroptosis-associated long non-coding RNAs (lncRNAs) in breast cancer (BC). The prognostic value of pyroptosis-associated lncRNAs and their relationship with tumor microenvironment (TME) in BC remain unclear. The purpose of this study was to explore the prognostic role of pyroptosis-associated lncRNAs and their relationship with TME in BC.
材料方法：
数据：TCGA 乳腺癌，筛除不具有完整临床信息样本，随机分为训练集和验证集（2:1）
细胞焦亡基因来自Msigdb REACTOME_PYROPTOSIS一共27个基因
细胞焦亡lncRNA，Pearson |R|>0.3&p<0.05< span="">
训练集单变量cox识别230预后lncRNA，其中预后细胞焦亡lncRNA 28个，多变量cox+AIC构建9lncRNA模型，中位数分组
验证集验证
METABRIC和GSE20685，基于ssGSEA计算pyroptosis通路活性，区分up和down比较生存差异
LncRNA与焦亡基因共表达网络
GSEA
免疫浸润
结果：
1.训练集和验证集临床特征
2.构建预后细胞焦亡相关lncRNA signature
3.细胞焦亡相关lncRNA signature验证
结果2和3的图作为合图放正文
4.细胞焦亡pathway活性水平与BC患者预后相关
此部分虽然是一个单独的结果，但是图合并在了验证部分
5.细胞焦亡相关lncRNA signature独立预后价值
6.lncRNA-mRNA共表达关系
7.基因集富集分析
8.BC患者肿瘤免疫微环境
9.接受不同治疗BC患者中细胞焦亡相关lncRNA signature
10.基于细胞焦亡相关lncRNA signature的nomogram的构建和验证
讨论：
在in conclusion前，先提一下本研究的局限性，例如数据来自TCGA，基础的体内体外实验需要实施，迫切需要临床实验以确定诱导焦亡是否能提高患者免疫治疗。
第二篇LUAD
主要背景：
Pyroptosis is regulated via the activation of inflammasomes and participates in tumorigenesis. However, the effects of pyroptosis-related lncRNAs (PRlncRNAs) on LUAD have not yet been completely elucidated.
材料方法：
数据：TCGA LUAD，筛除没有匹配ID和OS小于30天的样本，1：1拆分为训练集和验证集
细胞焦亡基因来自先前研究的14个基因
细胞焦亡lncRNA，Pearson |R2|>0.3&p<0.001< span="">
差异表达lncRNA，|log2FC|>1&fdr<0.05，其中差异表达细胞焦亡lnc< span="">RNA84个
训练集单变量cox识别预后相关差异焦亡lncRNA，LASSO cox减少过拟合，多变量cox构建风险模型
验证集验证以及未拆分数据验证
列线图构建
GSEA
预后signature浸润性免疫细胞分析
肿瘤突变负荷
化疗患者中模型效能
细胞培养和转染
RNA提取和qRT-PCR
Western blot
细胞增殖CCK-8 assay
克隆实验
结果：
1.识别差异表达细胞焦亡lncRNA
火山图和韦恩图和第二个结果作为合图展示
2.构建和验证焦亡lncRNA预后模型
3.焦亡lncRNA预后模型亚组分析
4.预后nomogram的构建和验证
5.焦亡lncRNA预后模型功能分析
6.预后signature免疫浸润分析和突变图谱
7.风险分组与化疗相关性分析
8.GSEC敲低可以削弱LUAD细胞增殖并促进细胞焦亡
讨论：
同样的，conclusion前先说局限性，主要是需要独立数据和大规模的临床独列验证模型可靠性，其次是细胞焦亡详细调控机制需要更多的研究。
总结
两篇文章都解析之后，其实刚开始会有一个感觉，第二篇LUAD文章分析的内容其实要比第一篇BRCA文章多，从模型部分来看，第二篇文章就额外的使用了机器学习方法LASSO。但是从最直观的篇幅上来看，第一篇文章内容并不会给人少的感觉，反而觉得也很丰富。
我们可以总结几个方面的原因：
1.第二篇LUAD文章做的东西虽然多，但是好几个地方分析都不够深入。
比如第一部分，lncRNA和细胞焦亡已经有计算好的相关性，是可以增加一个网络图来更直观的展示互作关系的。
第二部分，预后效能的验证其实可以将其他的生存时间类似DFS，DSS都看一遍，像BRCA的文章验证集DFS是阴性结果都放正文了。
功能分析部分，只做了hallmarks，其实可以再看看KEGG和GO的，这样针对富集到的免疫通路可以更好的和后边的免疫微环境部分结合，逻辑性也更强。
免疫浸润部分，两篇文章虽然都做了一样的分析，但是第二篇文章在呈现的时候，只放了点线图；突变分析只看了TBM，是可以再补充一个oncoplot的。
药物敏感性部分，只放了简单的箱式图，导致figure7和figure8作为两个figure，显得很勉强。
2.第二篇LUAD文章对结果的解析显得有点不够深入。
当然，结果解析不够深入也有可能是分析不够深入造成的。但是像功能分析部分，作为一个主要的结果却只有77个词来描述，显然是不太够的，完全可以针对某条通路说得细一点。化疗药物分析部分，哪怕基于当前的结果，也完全可以针对某一个药物，解析一下作用机制。
3.第二篇LUAD文章，某些图的形式不够优秀
Figure2_e，figure7和figure8是有巨大的提升空间的。文章本身的figure3的形式和配色都是不错的，如果全文的图都能保持这个水平，效果会好很多。
总的来说，两篇文章作为lncRNA的研究，都是没有独立数据的验证的。从模型的效果来看，也相差不大。第二篇文章在添加了湿实验的情况下，本来是可以做得更好的。
通过两篇文章的简单对比，关于生物信息或者湿实验，我们都不能太崇拜。湿实验也不一定就是加分项，还是需要回到研究本身，毕竟不管用什么方法，目的都是为了说明或者解决生物学问题的。