现在做生物信息学分析发SCI文章非常火，我们检索了下这两年5分以上的杂志发表数据挖掘为主的文章已经有不下80篇了，其中Oncotarget占了不少，这些文章主要以GEO和TCGA数据库中的数据挖掘为主，分析工具包括了Cbioportal等网站以及R语言。在文章有哪些文章让你觉得：这样就可以的话，那我也能发！里面我们简单为大家做了介绍，后续还有进一步的文章重现，敬请期待。

今天我们就从TCGA这个数据库挖掘用的最多的一个工具——Cbioportal开始为大家做一下介绍。

Cbioportal的网址：http://www.cbioportal.org/

这是改版以后的新界面，既可以查询，又可以下载数据（关于TCGA数据的下载还有另外一个工具：这么好用的TCGA数据下载工具？！）

下面我们主要查一下STAT家族几个分子在TCGA肝癌数据中的情况，主要是STAT1，STAT2，STAT3，STAT4，STAT5A，STAT5B和STAT6这7个分子。

在左侧我们选择Liver后右侧出现了5个dataset，右侧红框里面是这个dataset的介绍，我们勾选最后一个后在Select Data Type Priority下面出现了四个选项：Mutation（突变）、CNA（拷贝数变异）、mRNA表达和蛋白表达，

这里我们可以设置差异表达的倍数，默认的数值是2倍。

接下来我们可以选择数据集合，我们默认全选，然后是下面红框里面需要输入基因名，我们输入STAT1，STAT2，STAT3，STAT4，STAT5A，STAT5B和STAT6（分子之间用tab键做区分，或者直接从excel中复制进来），下面就识别好了：

接着我们单击提交submit query就好了，会打开一个新界面如下：

我们看到第一个是OncoPrint，这张图在文章里面出现频率很高，可以直接用，展示的是这7个基因扩增（amplification）、缺失（deletion），mRNA表达以及蛋白表达上调和下调，truncation突变和misense突变的情况。

接下来Cancer Types Summary是每个基因的变异占比：

接下来是Mutual Exclusivity，说的是排他和共存，简单来理解就是情敌和朋友，这个对于我们研究这7个基因之间的调控关系是有很重要的参考意义的，如果两个基因老是一起出现，他俩之间总是有点暧昧的：

在Plot这一栏里面：我们可以看到基因mRNA表达、拷贝数、DNA甲基化以及蛋白表达的关系：

比如这里我们横轴选择mRNA表达，纵轴选择DNA甲基化，展示的就是STAT1基因mRNA表达与DNA甲基化的相关性，我们看到pearson和spearman相关性系数是-0.46和-0.59，也就是负相关，说明DNA甲基化可能是导致STAT1低表达的原因之一，后面我们在研究STAT1低表达时就可以考虑DNA甲基化对其调控的影响了。

下面我们看共表达co-expression：

这里分别展示在TCGA的这组肝癌数据中与每个基因之间共表达的分子，可以选择正相关，也可以选择负相关。这个数据可以帮我们建立以查询基因为主题的共表达网络network图（前提是在TCGA这组数据里面），当然有了这些基因的信息还可以做功能注释，比如Pathway分析，GO分析等，从而明确STAT可能参与的功能和信号通路。另外，我们知道STAT是转录因子，再结合靶基因预测还可以寻找潜在的靶基因。所以这个数据非常有用。

下面我们看Survival：

这里展示的是7个基因的组合与肝癌病人预后的关系，有OS和DFS这两个指标，这站图在文章里面出现的频率也很高，可以直接用。

最后我们看Network：

这里展示了这7个基因与50个基因以及药物的Network，结果可以导出到cytoscape。

关于TCGA数据库查询使用的第一个工具Cbioportal今天就简单介绍到这里，使用工具还有很多，我们慢慢讲。最后做一下广告：《实用数据库挖掘》已经上线，数据库不仅包括了TCGA，还有GEO、UCSC等多个数据库和工具：

依凡老师会为大家个性化答疑辅导，购买链接单击“阅读原文”。

长按二维码识别关注“小张聊科研”

关注后获取《科研修炼手册》1.0、2.0、3.0、4.0、基金篇精华合集