第一篇：Development and validation of a RNA binding protein-associated prognostic model for lung adenocarcinoma，2020年2月發表在Aging雜志上，影響因子5.515。

第二篇：Integrated Analysis of the Functions and Prognostic Values of RNA Binding Proteins in Lung Squamous Cell Carcinoma，2020年3月發表在Front Genet雜志上，影響因子3.517。

第三篇：Integrated analysis of the roles and prognostic value of RNA binding proteins in lung adenocarcinoma，2020年2月發表在PeerJ雜志上，影響因子2.353。

RBPs：RNA結合蛋白，是一類伴隨RNA的調控代謝過程，與RNA結合的蛋白質的總稱。RBP伴隨RNA生命始終，可以不夸張的說：沒有RBP，RNA寸步難行。其主要作用是介導RNA的成熟、轉運、定位和翻譯；一個RBP可能存在多種靶標RNA；且其表達缺陷會造成多種疾病。

LUSC：肺鱗癌

LUAD：肺腺癌

三篇文章大致研究思路是相同的。首先，從之前發表的相關文章中的得到1542個RBPs，利用TCGA肺癌的RNA-seq數據得到差異表達基因，差異表達基因與RBPs的交集為差異表達的RBPs，對其進行GO和KEGG的富集分析（基因數目大于5且p<0.05被認為是具有統計學意義的）。然后，利用SRTRING數據庫和cytoscape軟件對這些差異表達RBPs構建PPI網絡，通過cytoscape軟件里的MCODE插件獲得關鍵模塊和關鍵基因。最后，對關鍵基因進行預后模型的構建，并對模型進行驗證，并利用HPA在線數據庫去探索關鍵基因的翻譯水平。

三篇文章的研究流程如下圖所示

第二篇文章的流程圖

第三篇文章流程圖

第一篇與第三篇文章都是研究肺腺癌（TCGA-LUAD的524個疾病樣本和59個正常樣本），第二篇研究的是肺鱗癌（TCGA-LUSC的501個疾病樣本和49個正常樣本）。

類似于第三篇這樣2分多的文章，思路比較簡單，只是對肺腺癌差異表達的RBPs進行了功能富集分析、PPI網絡構建、單因素多因素cox回歸和突變與拷貝數變異分析；

而至于第二篇這樣3分多的文章，在上述分析方法的基礎上，加入了Lasso回歸分析、列線圖的構建與驗證（ROC曲線、對數秩檢驗），可以說是對關鍵的RBPs進行了更深層次的分析，新加入的這些分析方法可以使文章的影響因子增加1分左右；

對于第一篇影響因子5分的文章則是在第二篇文章的基礎上又加入了對單因素具有顯著意義的關鍵基因進行KM生存分析，并對列線圖里的核心基因進行了KM曲線的繪制。相比較第二篇而言，并沒有增加多少數據量。至于比第二篇能多發2分，我想在故事描述上可能更全面，另一方面也跟雜志喜好和投稿運氣有關。

我們不難發現，高分文章的分析方法都比較全面，像第一篇這樣，常見的預測模型分析方法文章都有所涉及（KM生存分析、單因素多因素cox回歸分析、Lasso回歸分析、ROC曲線分析，富集分析、列線圖）。而低分文章的分析方法往往比較精簡（第二篇）。還有一個tip，如果你覺得自身的數據量可以發3分，建議先投4分或者更高試一試，說不定你的分析能夠被某位雜志編輯青睞。當然，我們更建議針對自身文章內容有著清晰的定位，爭取一投擊中，不浪費過多時間。

通過上述這三篇文章，我們不僅可以學到如何實現一個思路發多篇文章，還可以看到高分文章與低分文章的差距在哪里，這對我們設計課題具有一定的指導意義。文章的方法越全面，往往可以越有機會成為高分的文章，所以我們在今后構思文章時應盡可能的讓分析更加全面，這樣才有助于我們發表更高分的文章！

后臺準確回復：3篇，獲取三篇文章原文。

請掃描下方二維碼