隨著公共數(shù)據(jù)庫的建立和開放，越來越多的研究者可以接觸到測序數(shù)據(jù)，非常適合想我們這種“三無”研究者（無課題，無經(jīng)費(fèi)，無文章）運(yùn)用公共數(shù)據(jù)找點(diǎn)事情干，可以是另辟蹊徑從某個(gè)獨(dú)特的視角重新分析已有的數(shù)據(jù)發(fā)發(fā)文章，也可以在沒錢做測序的情況下看看自己研究的基因在別人的數(shù)據(jù)里是什么樣子，積攢一些研究基礎(chǔ)。不過想玩轉(zhuǎn)生信大數(shù)據(jù)，面前總是隔著一座計(jì)算機(jī)編程的高山，門檻太高讓眾多小白望而卻步。

今天就來介紹一個(gè)非常友好的TCGA數(shù)據(jù)分析和可視化的神奇網(wǎng)站。TCGA應(yīng)該不用過多介紹了，癌癥和腫瘤基因圖譜計(jì)劃，包含了最全面的測序數(shù)據(jù)。提起TCGA的數(shù)據(jù)分析網(wǎng)站，cBioPortal 的大名誰人不知，誰人不曉？不過今天要介紹的不是它，關(guān)于cBioPortal使用的文章已經(jīng)鋪天蓋地了，我湊個(gè)啥熱鬧。今天要介紹的是另一款國人建造數(shù)據(jù)庫，個(gè)人覺得在分析的自由度上面秒殺cBioPortal。更重要的是真好用的網(wǎng)站居然沒有搜到太多的帖子來介紹，真是太不應(yīng)該了。

好了， 寫了那么一大段居然還沒有出現(xiàn)主角的名字，我實(shí)在該打。當(dāng)當(dāng)當(dāng)當(dāng)～上圖上鏈接！GEPIA(Gene Expression Profiling Interactive Analysis)，基因表達(dá)譜數(shù)據(jù)動(dòng)態(tài)分析,官方網(wǎng)站：http://gepia./index.html 。

GEPIA首頁

界面是不是非常簡潔干凈？

This tool is developed by Zefang Tang, Chenwei Li and Boxi Kang of Zhang Lab, Peking University.
Tang, Z. et al. (2017) GEPIA: a web server for cancer and normal gene expression profiling and interactive analyses. Nucleic Acids Res, 10.1093/nar/gkx247.

該網(wǎng)站由北大張澤民教授團(tuán)隊(duì)開發(fā)，更新一下前人帖子所述的，目前已經(jīng)發(fā)表了文章。記得引用！記得引用！！記得引用?。。。ㄖ匾氖抡f三遍，這是對原創(chuàng)工作者的尊重）

The RNA-Seq datasets GEPIA used is based on the UCSC Xena project ( http://xena. ), which are computed by a standard pipeline

由官方介紹可以看到，GEPIA數(shù)據(jù)庫是基于UCSC Xena計(jì)劃的數(shù)據(jù)獲得的。從搜索欄可以看出，該網(wǎng)站的分析主要有三個(gè)板塊。為了方便看，我用思維導(dǎo)向圖的形式給大家總結(jié)出來。

GEPIA index.png

Single Gene Analysis

顧名思義，單基因分析，縱觀感興趣的基因在不同腫瘤中的概況。和大部分?jǐn)?shù)據(jù)庫一樣，輸入基因名的時(shí)候會(huì)出現(xiàn)下拉菜單，方便準(zhǔn)確定位基因名。我們以網(wǎng)站給出的示例基因ERBB2檢索。也可以從網(wǎng)頁右上角的GoPIA進(jìn)入，然后從Quick Search處輸入，進(jìn)行檢索。兩種方法都會(huì)跳轉(zhuǎn)到同樣的界面下。

ERBB2檢索結(jié)果

檢索出來的頁面中有不同的標(biāo)簽，可以針對檢索的基因進(jìn)行各種分析，比如做表達(dá)水平圖，生存分析，相關(guān)性分析等。一會(huì)兒慢慢說。

General 概況

首先是對ERBB2基因概況的介紹。包括該基因在其他數(shù)據(jù)庫的快速鏈接，包括GeneCard，NCBI等。最拉風(fēng)可愛的是右邊這個(gè)Bodymap小人兒圖，顯示了該基因在人體不同器官組織中的表達(dá)情況，紅色的表示腫瘤組織，綠色的表示正常組織。顏色越深表示表達(dá)水平越高。ERBB2可能看不出非常大的差別，我找了兩個(gè)奇葩一點(diǎn)的例子，一個(gè)是器官分布具有特異性，并且只在腫瘤中異常高表達(dá)；一個(gè)是腫瘤情況下該表達(dá)的器官低表達(dá)，不該表達(dá)的器官異常表達(dá)。

Bodymap1

Bodymap2

往下拉是ERBB2基因在各種腫瘤 / 正常組織中的表達(dá)水平展示，散點(diǎn)圖和柱狀圖各取所需?？床欢┌Y分類的縮寫沒關(guān)系，網(wǎng)站非常貼心的在最上面放了一個(gè)“Click here to get the extensio of tumor abbreviations”，點(diǎn)擊即可顯示這些所寫的全程，也不會(huì)跳轉(zhuǎn)頁面或者彈出新的窗口。

dot plot

bar plot

再往下走是與正在檢索的基因表達(dá)類似的基因，點(diǎn)擊任意基因的名字就可以進(jìn)入這個(gè)基因自己的GoPIA檢索頁面，對它進(jìn)行單獨(dú)分析。該頁面是新建窗口彈出的，所以不用擔(dān)心正在檢索的基因找不到了，因此也可以同時(shí)查看多個(gè)基因，方便挑選合適的伙伴。

Expression DIY 表達(dá)水平作圖

在Expression DIY標(biāo)簽下可以對檢索的基因進(jìn)行表達(dá)水平的作圖，從下拉菜單可以選擇Profile散點(diǎn)圖，Boxplot箱式圖和Stage plot小提琴圖。Multiple gene comparison不用管它，那是做多基因分析時(shí)用的。每一種格式的圖都可以DIY作圖的參數(shù)，選擇呈現(xiàn)的癌種并對其進(jìn)行排序，甚至顏色和大小。這里我特別想吐槽一句，不愧是國人的數(shù)據(jù)庫，畫起來就是快，刷刷刷！生成的圖點(diǎn)擊download或者右鍵進(jìn)行下載，均是pdf格式。

Survival 生存分析

然后我們來看看激動(dòng)人心的生存分析，畢竟對于醫(yī)學(xué)研究來說，最關(guān)心的是研究對象是否具有臨床意義。同樣Survival標(biāo)簽也有下拉菜單，單基因分析時(shí)只用Survival Plots就可以了，另一個(gè)是多基因分析時(shí)用的。生存分析超高的自由度令人驚嘆，配合作圖的網(wǎng)速加成，是我強(qiáng)烈推薦這個(gè)數(shù)據(jù)庫的原因。我們就來上圖看看參數(shù)設(shè)置界面是怎么樣的。

生存分析參數(shù)設(shè)置界面

首先在“Datasets Selection”處選定要分析的癌癥腫瘤，點(diǎn)擊“Plot”就可以生成生存曲線圖。生存曲線圖上面講所有的參數(shù)進(jìn)行了羅列，并計(jì)算了Logrank和HR值。不需要呈現(xiàn)的也可以通過勾選來去除。

生存曲線圖

對于大部分研究來說，僅僅看看總生存（Overall Survival）就可以了，但是有些基因可能對總生存沒有什么影響，但是卻能左右疾病的進(jìn)展和預(yù)后，仍然非常有意義。大部分生存在線工具，只能分析總生存，GEPIA非常全面的也未大家提供了分析PFS的選項(xiàng)。另外一個(gè)最大的優(yōu)勢是在于基因表達(dá)高低分組這里，上下限的cutoff可以自己定義，真的是想怎么分就可以怎么分，隨心所欲。對應(yīng)獲得多少例分組到高表達(dá)，多少例分組到低表達(dá)，在生存曲線圖上都顯示記錄了。雖然這樣做出來的“有意義”的生存曲線多少有點(diǎn)玩數(shù)據(jù)嫌疑，可能無法提供多大的臨床意義，但是對用于對基因的探索還是有幫助的，了解這個(gè)基因與患者生存因素相關(guān)的表達(dá)模式，為研究者提供參考。

Similar Gene

這里是General界面下相似基因的擴(kuò)展頁面，在參數(shù)選擇上更加細(xì)分，可以羅列Top 1 到Top 9999999的相似性基因，是的，你沒看錯(cuò)，Top 9999999，選擇框里填多少都不報(bào)錯(cuò)，只是會(huì)死機(jī)……大家不要像我這么無聊的去嘗試這個(gè)上限。當(dāng)然，列那么多也沒有什么意義了。此外，也可以選擇分析相似基因的范圍，是指定類型的腫瘤上的，或者是指定類型的癌旁上的，抑或者是組織特異性表達(dá)數(shù)據(jù)庫里的。

Correlation 相關(guān)性分析

單基因分析里最后一個(gè)能做的就是單基因的相關(guān)性分析了?？梢圆榭锤信d趣的兩個(gè)基因在指定的組織中表達(dá)的相關(guān)性。所以這個(gè)標(biāo)簽頁也可以說是做multiple gene analysis分析的。Gene A和Gene B可以手動(dòng)輸入，使用的是HGNC數(shù)據(jù)庫的Gene Symbol，當(dāng)然我試了一下，用ERBB2另外一個(gè)名字，Her2也能認(rèn)出來。但是想含有希臘字母的其他基因，如NF-kB，b-catenin，還是推薦使用Gene symbol，避免出錯(cuò)。

Correlation analysis

到這里，單基因能做的分析就做完了，是不是已經(jīng)對課題設(shè)計(jì)有了些思路呢？或者已經(jīng)獲得了些可以用的分析結(jié)果？下面我們來看看多基因可以做些什么分析。

Multiple Gene Analysis

多基因分析時(shí)和單基因分析的套路一樣，基因表達(dá)水平的呈現(xiàn)，相關(guān)性分析和PCA主成分分析。相關(guān)性分析和上述單基因分析時(shí)在同一個(gè)界面下，所以我們就不再復(fù)述，剩下的我們一個(gè)一個(gè)來看看。

Multiple Gene Comparison

這個(gè)在之前說到的Expression DIY標(biāo)簽下，最后一個(gè)。參數(shù)設(shè)置頁面如下?？梢栽贕ene list里給定一些基因，然后在Dataset里選擇想分析腫瘤類型，Tissue Order里可以運(yùn)用鼠標(biāo)拖動(dòng)排序，在選擇欄里可以選擇只看腫瘤樣本還是匹配上正常組織的樣本。同樣點(diǎn)擊“Plot”進(jìn)行繪圖。

Multiple Gene Comparison設(shè)置界面

這里想強(qiáng)調(diào)一下，幾個(gè)基因或者幾個(gè)癌種的比較就不要用這個(gè)功能來作圖了，做出來的如下所示，巨丑。人家是做大數(shù)據(jù)分析的，那么請拿出點(diǎn)數(shù)據(jù)量來。太少的話，我推薦直接用單基因作圖的方法做，然后在photoshop里面合并。

巨丑且沒意義

要做就做這樣的

光標(biāo)停在圖上時(shí)，左上角會(huì)出現(xiàn)一排選擇按鈕，從左到右第一個(gè)是直接保存圖片，為png格式。如果不滿意目前的配色，可以點(diǎn)擊第二個(gè)按鈕，save and edit plot in cloud。會(huì)跳轉(zhuǎn)到另一個(gè)網(wǎng)站上，對圖片進(jìn)行修改和保存。這個(gè)網(wǎng)站就留給大家自己探索了。似乎是個(gè)專業(yè)進(jìn)行數(shù)據(jù)可視化的網(wǎng)站，可以做各種圖。需要注冊。等我有空探索完，再來寫個(gè)攻略。

save and edit plot in cloud

PCA 主成分分析

多基因的降維分析一般使用的是PCA主成分分析（Principal Component Analysis），主要原理和算法我們不需要詳細(xì)了解，我們只要知道它可以將一系列基因，根據(jù)其表達(dá)模式，進(jìn)行一個(gè)分析，使得表達(dá)相近的聚在一起。反過來，也可以利用基因，對樣本進(jìn)行主成分分析，能將腫瘤和正常組織分開的基因，被認(rèn)為具有很好的診斷價(jià)值。一般基因2個(gè)或者3個(gè)主成分分析。也就是對應(yīng)繪制2維和3維的PCA圖。無奈，GEPIA不知道為啥，這一功能在我的電腦上總是報(bào)錯(cuò)。引用這篇文章的圖進(jìn)行說明，《PCA主成分分析原理及分析實(shí)踐詳細(xì)介紹》，侵刪。

PC2

PC3

Cancer Type Analysis

針對癌癥類型的研究和前面兩塊從基因出發(fā)，在特定的腫瘤中進(jìn)行分析的思路不同，相反是從指定的某種腫瘤類型出發(fā)，找出最有意義的基因，可以是在腫瘤和正常之間存在表達(dá)差異基因，或者是最能有效對患者進(jìn)行生存和疾病進(jìn)展預(yù)后的基因。當(dāng)然這種已經(jīng)在不同文章里做爛了的分析，大家也別想在這個(gè)網(wǎng)站獲得新奇的發(fā)現(xiàn)。個(gè)人認(rèn)為只能是提供一些參考價(jià)值。開發(fā)者做出來也只是讓網(wǎng)站的結(jié)構(gòu)更加完整罷了。大家可以自己探索。