TCGA数据分析系列（二）：数据库之GEPIA2

公众号“生信小课堂”

TCGA数据分析课程：生物信息学教学

所谓工欲善其事，必先利其器，从今天开始，我们来介绍TCGA数据库的使用。今天我们来介绍一款非常容易上手的数库：GEPIA2:http://gepia2.cancer-pku.cn/#index

话不多说，直接进入正题

GEPIA2数据来源

如图所示，GEPIA2数据来源于TCGA和GTEx数据库。TCGA我们已经介绍过，不过GEPIA2对TCGA数据经过了筛选，具体筛选标准并没有详细介绍。比如肝癌TCGA有372例肿瘤组织，这里只有369例。

下面简单介绍一下GTEx

GTEx

GTEx全称Genotype-Tissue

Expression,该项目研究来自449名生前健康的人类捐献者的7000多份尸检样本，涵盖44个组织（42种不同的组织类型），包括31个实体器官组织、10个脑分区、2个来自捐献者血液和皮肤的细胞系。GTEx可以有效弥补TCGA正常组织不多的缺点。

GEPIA2工作流程

基因一般性分析

我们以LDHA为例可以检索到LDHA的基因信息

LDHA的泛癌表达情况

LDHA的泛癌表达情况柱状图

差异分析

我们通过点击鼠标可以轻易获得一个肿瘤的差异分析结果。GEPIA2的差异分析结果默认是利用TCGA的肿瘤组织与GTEx的正常组织做对比。

可以得到一个差异基因与染色体位置的图，以及差异分析结果的文件，都是可以下载的。

得到的差异分析文件例只有差异基因，没有其他基因的情况。做一个火山图看一下差异基因大致的范围。

表达DIY

我们可以根据这种条件选择，得到目的基因的表达情况

肝癌TCGA中TP53的表达

TCGA联合GTEx中TP53的表达情况

肝癌各分期中TP53的表达

多基因表达热图

生存分析

输入基因名，选择OS还是RFS，设定cutoff比例，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

LDHA在肝癌中的OS

还可以看某个肿瘤中生存分析p值最小的前500个基因，如下入：

如果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

Isoform分析

isoform分析与gene分析类似，这里就不再赘述

基因或者基因集间相关性分析

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。这里的signature按照网址文章的说法，应该是取基因的表达平均值

基因相似性检测

这里可以理解为单基因批量相关性分析，这个分析用处很大。可以通过一个基因和与其相关性高的基因组成一个基因集，来做富集分析，反应这个基因可以影响的功能及通路情况

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。这里以肝癌的正常和肿瘤为例，选择基因进行降维.

主成分的方差贡献

三维可视化

二维可视化

好了,今天的数据库介绍就到这里了，下回见。

公众号“生信小课堂”

TCGA数据分析课程：生物信息学教学