转录组生信分析教程
公众号推出转录组分析教程，转录分析教程整理如下：
RNA 1. 基因表达那些事--基于 GEO
RNA 2. SCI文章中基于GEO的差异表达基因之 limma
RNA 3. SCI 文章中基于T CGA 差异表达基因之 DESeq2
RNA 4. SCI 文章中基于TCGA 差异表达之 edgeR
RNA 5. SCI 文章中差异基因表达之 MA 图
RNA 6. 差异基因表达之-- 火山图 (volcano)
RNA 7. SCI 文章中的基因表达——主成分分析 (PCA)
RNA 8. SCI文章中差异基因表达--热图 (heatmap)
RNA 9. SCI 文章中基因表达之 GO 注释
RNA 10. SCI 文章中基因表达富集之--KEGG
RNA 11. SCI 文章中基因表达富集之 GSEA
RNA 12. SCI 文章中肿瘤免疫浸润计算方法之 CIBERSORT
RNA 13. SCI 文章中差异表达基因之 WGCNA
RNA 14. SCI 文章中差异表达基因之 蛋白互作网络 (PPI)
RNA 15. SCI 文章中的融合基因之 FusionGDB2
RNA 16. SCI 文章中的融合基因之可视化
RNA 17. SCI 文章中的筛选 Hub 基因 (Hub genes)
RNA 18. SCI 文章中基因集变异分析 GSVA
RNA 19. SCI 文章中无监督聚类法 （ConsensusClusterPlus）
RNA 20. SCI 文章中单样本免疫浸润分析 （ssGSEA）
RNA 21. SCI 文章中单基因富集分析
RNA 22. SCI 文章中基于表达估计恶性肿瘤组织的基质细胞和免疫细胞(ESTIMATE)
RNA 23. SCI文章中表达基因模型的风险因子关联图(ggrisk)
RNA 24. SCI文章中基于TCGA的免疫浸润细胞分析 (TIMER)
RNA 25. SCI文章中估计组织浸润免疫细胞和基质细胞群的群体丰度(MCP-counter)
RNA 26. SCI文章中基于转录组数据的基因调控网络推断 (GENIE3)
RNA 27 SCI文章中转录因子结合motif富集到调控网络 (RcisTarget)
RNA 28 SCI 文章中基于RNA-seq数据反褶积揭示肿瘤免疫结构的分子和药理学 (quanTIseq)
RNA 29. SCI文章中基于TCGA的免疫浸润细胞分析 (TIMER2.0)
RNA 30. SCI文章中基于TCGA和GTEx数据挖掘神器（GEPIA2）
RNA 31. SCI文章临床蛋白质组肿瘤在线数据挖掘神器（CPTAC）
RNA 32. SCI文章临床多组学肿瘤在线数据挖掘神器（UALCAN）
cBioPortal（cbioportal.org/）由 Memorial Sloan Kettering Cancer Center (MSK)开发，是基于 TCGA 数据库开发的一款集数据挖掘、数据整合及可视化等多功能于一体的综合性开放网络平台。开发者将该网站发表在 Cancer Discovery（IF:24.3）上面，后来由于用的人太多，作者又把网站的说明书拿出来发了一篇 Science Signaling（IF:6.4），由此可见，cBioPortal 是经过专业杂志认可的数据分析工具，其可信度是相当高的。
首先，我们进入网站了解一下。官网网址为http://www.cbioportal.org/。进入官网后，主页分为以下三个区域，左侧的为选择研究的区域(按器官对各肿瘤分类)，中间是下载研究数据的区域，右侧区域是对各研究数据的一个总结及该癌种的临床信息。
域的“Lung”了解一下，可以看到这是对肺癌所有研究数据的一个总结。
也可以通过 Data Sets来选择数据直接可以下载：
下拉页面，选择数据类型，包括突变数据、拷贝变异数据、mRNA表达数据、蛋白磷酸化数据，本帖我们选择分析这四种数据。接下来选择基因，选择TGF-β通路的43个基因，当然，也可以选择自己已经获得的Hub基因或目标基因，手动输入到基因输入框中。输入成功后，数据库会自动判断输入的基因是否有效，绿色代表输入成功，最后点击提交。
点击“Clinical Data”，可以查看肺癌患者的临床信息。
CN Segments 可以对全基因组的CNV进行可视化：
选择数据，我们看到可以进入 Query:
然后可以对自己所选的数据集进行一系列的分析：包括 绘制瀑布图（OncoPrint）:
Cancer Types Summary:
突变互作分析（Mutual Exclusivity）:
绘制多组学相关性图（Plots）:
单基因突变（Mutations）:
基因表达互作（Co-expression）:
生存分析（Comparision/Survival）: 这部分分析包括组学的内容：
首先是生存信息分析：
临床信息分析：
基因组变异分析：
mRNA分析：
蛋白表达分析：
甲基化分析：
CNV分析：
通路分析：
最后我们也可以下载相应的数据：
使用起来还是非常方便，避免了自己写代码，又找数据又作图，有需要的老师可以参考使用！
References:
1. Gao J, Aksoy BA, Dogrusoz U, et al. Integrative analysis of complex cancer genomics and clinical profiles using the cBioPortal. Sci Signal. 2013;6(269):pl1. Published 2013 Apr 2. doi:10.1126/scisignal.2004088
2. Cerami E, Gao J, Dogrusoz U, et al. The cBio cancer genomics portal: an open platform for exploring multidimensional cancer genomics data [published correction appears in Cancer Discov. 2012 Oct;2(10):960]. Cancer Discov. 2012;2(5):401-404. doi:10.1158/2159-8290.CD-12-0095
本文使用 文章同步助手 同步