谁说肿瘤高表达基因就是生存风险因子（学徒作业）

非常多的粉丝在我们生信技能树后台留言询问，为什么他/她关注的基因明明是癌基因，明明是在肿瘤病人高表达（TCGA数据库搜索后的结果），但是却发现它对生存的影响居然是保护因子！（同样的网页工具）

所以我这里安排一个学徒作业，大家需要去下载TCGA数据库的BRCA这个癌症的芯片和RNA-seq的表达矩阵，分别进行差异分析，拿到统计学显著的上下调基因列表。

同样的，根据表达量把病人分成高低表达两个组后进行生存分析，这里主要是COX方法，把基因区分成为风险因子和保护因子。

然后把两次分析的基因列表取交集，会拿到9个基因集，加油！

当然了，你还可以把这个任务继续细化，比如可以把基因区分成为编码和非编码的，然后BRCA本身可以区分成为4个亚型，分开分析。

关于TCGA数据挖掘

我喜欢把TCGA数据库的应用划分为8个领域：

• 1、探索各类肿瘤不同临床特征（性别、年龄、种族、临床分期）的预后（生存曲线）
• 2、探索各类肿瘤与对照的单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平的差异情况（箱线图）
• 3、探索各类肿瘤与对照的全局（mRNA，lncRNA，miRNA，甲基化，蛋白）水平的差异情况（差异分析流程）
• 4、探索各类肿瘤中两个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平相关性（散点图）
• 5、探索各类肿瘤中多个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平总结（热图）
• 6、探索各类肿瘤中单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）与所有其它分子相关性并且排序
• 7、探索各类肿瘤中单个基因突变或者单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平的预后（生存曲线）
• 8、探索各类肿瘤不同临床特征（性别、年龄、种族、临床分期）分组后的单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）特性的分布

关于TCGA数据库

TCGA数据库是目前最综合最全面的癌症病人相关组学数据库，包括：

• DNA Sequencing
• miRNA Sequencing
• Protein Expression array
• mRNA Sequencing
• Total RNA Sequencing
• Array-based Expression
• DNA Methylation
• Copy Number array

知名的肿瘤研究机构都有着自己的TCGA数据库探索工具，比如：

• Broad Institute FireBrowse portal, The Broad Institute
• cBioPortal for Cancer Genomics, Memorial Sloan-Kettering Cancer Center

关于生存分析

我已经在生信技能树公众号已经多次介绍过生存分析:

关于差异分析

B站视频，几乎一半，都是围绕差异分析来的。

• 转录组的上游分析视频以及代码资料在：https://share.weiyun.com/5QwKGxi  
• 下游主要是基于counts矩阵的标准分析的代码 https://share.weiyun.com/50hfuLi

如果你能独立完成这个学徒任务，就说明你出师了。

文末友情宣传

强烈建议你推荐我们生信技能树给身边的博士后以及年轻生物学PI，帮助他们多一点数据认知，让科研更上一个台阶：

• 生信爆款入门-全球听（买一得五）（第4期），你的生物信息学入门课
• 数据挖掘第2期（两天变三周，实力加量），医学生/临床医师首选技能提高课
• 生信技能树的2019年终总结  ，你的生物信息学成长宝藏
• 2020学习主旋律，B站74小时免费教学视频为你领路，还等什么，看啊！！！

推荐阅读