TCGA数据分析

Oncomine:肿瘤芯片数据库

2019-08-29  本文已影响0人  生信修炼手册

欢迎关注”生信修炼手册”!

肿瘤作为人类健康的头号杀手,其研究的重要性不言而喻。随着芯片和NGS技术的发展,发表了很多的肿瘤相关数据。然而这些数据来自不同的组织和团队,由于缺乏统一的数据管理和组织,这些数据在发表之后就没有再利用了,为了提高数据利用率,促进肿瘤研究的发展,Oncomine的开发团队收集了各种来源的肿瘤相关的芯片数据,用标准化的分析流程处理这些数据,数据分析的结果通过web服务查询和可视化,对应的文章链接如下

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1635162/

数据库的网址如下

https://www.oncomine.org/resource/main.html

该网站只对科研工作者免费开放,需要学术邮箱注册对应的账号。该数据库中主要收录了以下两种类型的肿瘤芯片数据

  1. mRNA  expression

  2. DNA copy number

每批芯片数据用dataset表示,所有芯片数据对应的肿瘤类型和样本数示意如下

对于芯片数据,主要进行了以下几种类型的分析

  1. coexpression analyses

  2. differential expression analyses

  3. outlier analyses

首页的面板分成了3个部分,示意如下

最左侧的部分用于对数据进行检索或者筛选,中间的面板用于展示所有的数据集,最右侧的面板用于显示数据集的详细结果。最基本的展现形式是热图,示意如下

1. 共表达分析

在search框中指定一个感兴趣的基因,然后可以查看在特定数据集中与该基因存在共表达的基因结果,示意如下

correlation从0到1,越接近于0, 说明相关性越高。

2. 差异分析

有以下两种差异分析

  1. cancer_vs_cancer

  2. cancer_vs_normal

差异分析的热图示意如下

给出了差异的pvalue, fold change等统计学指标,对于多个基因的差异分析,用上述的热图形式展现,对于单个基因的差异分析结果,展现形式如下

用柱状图的形式展示基因在每个样本中的表达量,每个柱子代表一个样本。

3. outlier 分析

由于肿瘤样本的异质性,会出现原癌基因只在部分样本中过表达的例子,当用所有样本进行差异分析时,这部分基因的差异分析结果并不显著,为此专门开发了一种离群值分析的算法,全称如下

cancer  outlier profile analysis

简称COPA, 来识别只在部分肿瘤样本中高表达的潜在的原癌基因。结果示意如下

COPA值越高,说明该基因越可能是一个真实的离群基因。通过Oncomine数据库,可以方便的探究肿瘤相关的DNA拷贝数和基因表达谱数据。

·end·

—如果喜欢,快分享给你的朋友们吧—

扫描关注微信号,更多精彩内容等着你!

上一篇下一篇

猜你喜欢

热点阅读