實驗數據的豐富程度是你能不能發文章的關鍵，我明明很努力了，可我的文章為什麼還這麼單薄呢？
那是因為有些資源你還沒有利用起來，合理利用這些資源能夠讓你的文章今天跟大家總結一下文章中，那些可以直接為你「產圖」的網站吧。
1、Oncomine
網址：
https://www.oncomine.org/resource/login.html
應該是現在最方便的腫瘤數據挖掘平臺了，用學校郵箱註冊以後，按照自己的研究方向一頓選擇，就能產出一堆圖出來，關鍵還能直接放到文章裡。
舉例：
這是一篇4分多文章的第一個Figure，來自oncomine。
參考文獻：
Hu, M., et al. "Serum TNFRII: A promisingbiomarker for predicting the risk of subcentimetre lungadenocarcinoma." Journal of cellular and molecular medicine (2020).
2、GEPIA
網址：
http://gepia.cancer-pku.cn/
這是個神奇的網站，不論是基因表達還是腫瘤預後，直接把你想要研究的Pia進去，就能夠出圖了，可以直接用在文章裡，分數還不低的那種。
舉例：下面這張圖來自oncogene，老牌一區期刊。
參考文獻：
Wang, T., Jing, B., Xu, D. et al. PTGES/PGE2 signalinglinks immunosuppression and lung metastasis in Gprc5a-knockoutmouse model. Oncogene (2020).https://doi.org/10.1038/s41388-020-1207-6
3、KaplanMeier Plotter
網址：
https://kmplot.com/analysis/index.php?p=service&start=1
這個網站也是基於TCGA資料庫，主要做生存分析，局限在於能夠分析的腫瘤不是很多。
舉例：參考文獻同樣是來自上面一篇文章。
4、The Human Protein Atlas
網址：
https://www.proteinatlas.org/
這個雜誌同樣是檢測細胞、組織中的表達，獨特之處在於他有很多高清的組化圖片，當你沒有組化數據時候，可以直接在裡面找，而且也可以通過這個網站挖掘新的課題思路。
舉例：這幅圖來自一個影響因子5分多的雜誌Oncogenesis。
上圖中的a圖的組化就是來自這個網站，b圖來自oncomine，c圖來自TCGA。三張圖湊成了文章最後一個Figure。
參考文獻：
Peng W X , Wan Y Y ,Gong A H , et al. Egr-1 regulates irradiation-induced autophagy through Atg4Bto promote radioresistance in hepatocellular carcinoma cells[J]. Oncogenesis,2017, 6(1):e292.
5、UALCAN
網址：
http://ualcan.path.uab.edu/index.html
基於TCGA資料庫的在線軟體，功能強大，可以連結到其他資料庫，就是圖的質量不高，但是也可以直接用，另外他會給出數據，可以重新作圖。
舉例：這幅圖來自一個影響因子8.0的雜誌。
參考文獻：
Xu P, Jiang L,Yang Y, Wu M, Liu B, Shi Y, Shen Q, Jiang X, He Y, Cheng D, Xiong Q, Yang Z,Duan L, Lin J, Zhao S, Shi P, Yang C, Chen Y. PAQR4 promotes chemoresistance innon-small cell lung cancer through inhibiting Nrf2 proteindegradation. Theranostics 2020; 10(8):3767-3778.doi:10.7150/thno.43142.
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺「網易號」用戶上傳並發布，本平臺僅提供信息存儲服務。