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，無文章）運用公共數(shù)據(jù)找點事情干,，可以是另辟蹊徑從某個獨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算機編程的高山,，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，我湊個啥熱鬧,。今天要介紹的是另一款國人建造數(shù)據(jù)庫,，個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),，基因表達譜數(shù)據(jù)動態(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隊開發(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?。∮浀靡茫,。,。。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。和大部分數(shù)據(jù)庫一樣,，輸入基因名的時候會出現(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進入,，然后從Quick Search處輸入，進行檢索,。兩種方法都會跳轉(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行各種分析,，比如做表達水平圖,，生存分析，相關(guān)性分析等,。一會兒慢慢說,。

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Bodymap小人兒圖,，顯示了該基因在人體不同器官組織中的表達情況,，紅色的表示腫瘤組織，綠色的表示正常組織,。顏色越深表示表達水平越高,。ERBB2可能看不出非常大的差別，我找了兩個奇葩一點的例子,，一個是器官分布具有特異性,，并且只在腫瘤中異常高表達；一個是腫瘤情況下該表達的器官低表達,，不該表達的器官異常表達,。

Bodymap1

Bodymap2

往下拉是ERBB2基因在各種腫瘤 / 正常組織中的表達水平展示，散點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“Click here to get the extensio of tumor abbreviations”，點擊即可顯示這些所寫的全程,，也不會跳轉(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類似的基因，點擊任意基因的名字就可以進入這個基因自己的GoPIA檢索頁面,，對它進行單獨分析。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,，因此也可以同時查看多個基因，方便挑選合適的伙伴,。

Expression DIY 表達水平作圖

在Expression DIY標(biāo)簽下可以對檢索的基因進行表達水平的作圖,，從下拉菜單可以選擇Profile散點圖，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,！生成的圖點擊download或者右鍵進行下載,，均是pdf格式。

Survival 生存分析

然后我們來看看激動人心的生存分析,，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,，單基因分析時只用Survival Plots就可以了,，另一個是多基因分析時用的。生存分析超高的自由度令人驚嘆,，配合作圖的網(wǎng)速加成,，是我強烈推薦這個數(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)進行了羅列,，并計算了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,。另外一個最大的優(yōu)勢是在于基因表達高低分組這里,，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，多少例分組到低表達,，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,，了解這個基因與患者生存因素相關(guān)的表達模式，為研究者提供參考,。

Similar Gene

這里是General界面下相似基因的擴展頁面,，在參數(shù)選擇上更加細分，可以羅列Top 1 到Top 9999999的相似性基因,，是的,，你沒看錯，Top 9999999,，選擇框里填多少都不報錯,，只是會死機……大家不要像我這么無聊的去嘗試這個上限。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數(shù)據(jù)庫里的,。

Correlation 相關(guān)性分析

單基因分析里最后一個能做的就是單基因的相關(guān)性分析了,。可以查看感興趣的兩個基因在指定的組織中表達的相關(guān)性,。所以這個標(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另外一個名字,，Her2也能認出來。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,。

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

多基因分析時和單基因分析的套路一樣，基因表達水平的呈現(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在同一個界面下，所以我們就不再復(fù)述,，剩下的我們一個一個來看看,。

Multiple Gene Comparison

這個在之前說到的Expression DIY標(biāo)簽下，最后一個,。參數(shù)設(shè)置頁面如下,。可以在Gene list里給定一些基因,，然后在Dataset里選擇想分析腫瘤類型,，Tissue Order里可以運用鼠標(biāo)拖動排序，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,。同樣點擊“Plot”進行繪圖,。

Multiple Gene Comparison設(shè)置界面

這里想強調(diào)一下，幾個基因或者幾個癌種的比較就不要用這個功能來作圖了,，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，左上角會出現(xiàn)一排選擇按鈕，從左到右第一個是直接保存圖片,，為png格式,。如果不滿意目前的配色，可以點擊第二個按鈕,，save and edit plot in cloud,。會跳轉(zhuǎn)到另一個網(wǎng)站上，對圖片進行修改和保存,。這個網(wǎng)站就留給大家自己探索了,。似乎是個專業(yè)進行數(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了解，我們只要知道它可以將一系列基因,，根據(jù)其表達模式,，進行一個分析，使得表達相近的聚在一起,。反過來,，也可以利用基因，對樣本進行主成分分析,，能將腫瘤和正常組織分開的基因,，被認為具有很好的診斷價值。一般基因2個或者3個主成分分析,。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錯,。引用這篇文章的圖進行說明，《PCA主成分分析原理及分析實踐詳細介紹》,，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差異基因,，或者是最能有效對患者進行生存和疾病進展預(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,，大家也別想在這個網(wǎng)站獲得新奇的發(fā)現(xiàn)。個人認為只能是提供一些參考價值,。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。