本期推荐的是2024年发表在（IF:7.2）的一篇文章，文章题目为：利用TCGA数据集进行乳腺癌分期的综合生物信息学和机器学习分析该文基于TCGA乳腺癌（BRCA）数据库，结合生物信息学分析与机器学习方法，对乳腺癌发生发展的关键分子机制及临床分期进行了系统研究。作者首先筛选获得差异表达基因（DEGs），并通过GO、KEGG及蛋白互作网络（PPI）分析，鉴定出等关键Hub基因，这些基因主要参与细胞骨

其中CIBERSORT_ABS，CIBERSORT，mcpcounter，xcell，quantiseq方法是通过R语言的IOBR包预测的细胞丰度，EPIC方法，是通过R语言的EPIC包预测的，TME方法是通过R语言的TMEscore包预测的TME评分，immnue_28方法是通过ssGSEA的方法对pmid：28052254文章中获得的28个细胞的特征基因计算的评分，immnue_13方法是通过

TIP 是由哈尔滨医科大学开发的肿瘤免疫表型分析元服务器，核心是将肿瘤免疫应答拆解为 7 个连续步骤，通过基因表达特征量化每一步的免疫活性，同时推断免疫细胞浸润比例，实现肿瘤免疫状态的全景式解析。这里可以选择上传数据，也可以直接选择数据库里面的数据直接进行。简单的操作，完成复杂的分析，尽在简析基因的鼠标点点之间。这里提供两种可视化的方法。