GEPIA2使用教程
今天跟大家分享的是一个在线TCGA基因表达和生存分析的工具（GEPIA2），2019年发表在NAR上，目前已更新到2.0版本，访问网址是http://gepia2.cancer-pku.cn/#index，做TCGA数据的基因差异表达、相关性、预后等相关研究的小伙伴可以作为参考，结果和图可以直接导出。
GEPIA2: an enhanced web server for large-scale expression profiling and interactive analysis.
背景介绍和意义就不多说了，直接上使用说明，能进行基因差异表达分析，生存，泛癌中表达热图绘制，降维等，网站主页如图1所示。
图1 GEPIA网站主页
image
- 基因表达****的****一般性****分析
输入框中输入感兴趣的基因名，得到在不同组织中正常和癌症中的表达热图，如图2。继续往下拉会有散点图（图3）、柱图（图4），以及共表达基因列表。
image
图2基因表达的一般性展示
image
图3 基因表达散点图
image
图4 基因表达柱状图
- 差异表达分析
接下来是差异表达分析，下拉框选择癌症类型，筛选差异的阈值，筛选差异表达的方法，点击plot可得到差异基因的不同染色体分布（图5）。点击list得到差异基因列表（图6）。可以对差异结果进行下载。
image
图5 差异表达基因分布
image
图6 差异基因列表
- 表达****DIY
这个功能比较实用，点击expression DIY，会发现有四个功能，如图7所示。例如在
image
图7 expression DIY
往下拉可以输入基因名，差异的阈值和选中癌症类型，可以全选或者选择感兴趣的癌症类型，这里我们全选并点击add，点击plot，得到所有癌症与正常组织中的表达情况（图9）。
image
图8 表达DIY的选择
image
图9 癌症与正常基因谱
此外同样可以进行箱式图的绘制，选中感兴趣的癌症类型，方法类似，得到boxplot（图10）。可以下载pdf版本的图，以及DIY颜色配置。
image
图10 差异表达箱式图
对于不同肿瘤分期，添加需要研究的肿瘤类型，同样可以对不同的分期中基因表达进行分析（图11）。
image
图11.Aviolinplot
image
图11.B 不同分期基因表达violinplot
最后，可以对感兴趣的基因列表在多个癌症中以及正常组织绘制表达热图，输入感兴趣的基因列表，ctrl+鼠标左键选中癌症类型并点击add添加，点击plot即可出结果（图12,13）。且可以用鼠标框选后放大。
图12 多基因泛癌表达热图
image
image
图13 多基因泛癌表达热图
- 生存分析
我们在研究基因表达与生存之间的关联时，输入基因名以及是OS还是RFS，以及自定义颜色等，点击add添加感兴趣的癌症类型，点击plot就可以得到最终的生存分析结果（图14，15）
image
图14 生存分析
image
图15 生存分析结果
如果不知道癌症中哪些基因与生存有关，点击mostdifferential survival genes，得到与生存有关基因的列表，可以进行结果下载（图16）。
image
图16 生存相关基因列表
若在多个想看多个基因在多个癌症中与生存的关联，可以利用survival map工具，输入基因列表和癌症列表，得到每个癌症中每个基因与生存的显著性p值（图17，18）
image
图17survival map
图18 泛癌中多基因生存p值热图
image
- Isoform分析
众所周知，一个基因存在多个转录本，我们对一个基因的不同的转录本的表达同样可以研究，以观测不同转录本的表达丰度（图19）。
image
图19 不同转录本的表达
- 相关****性分析
在计算基因或signature之间相关性时，我们可以利用该工具进行在线绘图，在这里，我们对两个signature进行相关性分析，得到基因集之间相关性图（图20）。
image
图20基因或基因集相关性分析
- 相似****基因****检测
在识别相似基因时，往往采用Pearson相关性进行度量，该工具可以输出按照相似性系数排秩的基因列表（图21）。
image
图21 相似基因列表
- PCA降维
由于基因数目较多，维度较大，对肿瘤进行可视化比较困难。利用主成分分析（PCA）进行可视化，这里以乳腺癌的正常和肿瘤为例，选择基因进行降维（图22）。可以得到每个主成分的方差贡献图（图23）。以及样本的二维和三维可视化（图24，25）。
image
图22 PCA降维
图23 主成分的方差贡献
image
image
图24 二维可视化
image
图25 三维可视化
好了今天的数据库介绍就到这里了，希望该数据库对大家的TCGA数据分析以及结果展示提供一定的帮助
作者：概普生信
链接：https://www.jianshu.com/p/5c411eda8c7f
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
