Skip to content

Latest commit

 

History

History
78 lines (51 loc) · 4.05 KB

readme.md

File metadata and controls

78 lines (51 loc) · 4.05 KB

TCGA实战大全

首先需要自行根据我在生信技能树平台发布的系列教程来了解TCGA基础知识,需要至少14个小时的持续学习,目录见:TCGA基础知识传送门

如果需要视频讲解,欢迎购买我的网易云课程:https://study.163.com/course/introduction/1006067243.htm (如无必要,请勿购买,谢谢理解)

TCGA数据的探索最基本的就是3个需求:

  • 根据各种指标(某基因突变与否,肿瘤分期)把样本分组来比较感兴趣基因的表现(表达,突变,甲基化)情况。
  • 使用统计学方法看某个感兴趣基因的重要性,比如生存分析,差异分析等等。
  • 看某两个感兴趣基因的相关性,调控或者其它。

KIRC的miRNA实战

首先需要了解TCGA计划中的KIRC这个癌症背景知识,见PPT

然后需要通读我们本次实战所需要复现的文章Integrated genomic analysis identifies subclasses and prognosis signatures of kidney cancer. 该文章并没有任何特殊之处,纯粹是举个例子,这样类似的文章多达3000篇。

通过文章我们了解到了实现一个TCGA数据挖掘的基本步骤

  • 下载对应的TCGA数据,主要是根据癌症种类选择6种数据,比如KIRC的clinical和miRNA数据,这里有8个数据中心供选择。
  • 把病人队列分成训练集和测试集,然后可能需要在GEO数据库也同步查找可供挖掘数据
  • 然后走一波统计分析,比如差异分析,生存分析,lasso回归,随机森林等等找到目标基因集
  • 接着一波可视化说明找到的基因集具有明显的意义,包括森林图,热图,火山图等等
  • 对最后的基因集计算得到预测风险的公式,还有可视化展现风险因子关联情况。

TCGA高阶分析

主要是针对TCGA的全部类型数据,包括:

  • DNA Sequencing(包括全基因组和全外显子组的maf格式somatic突变数据)
  • miRNA Sequencing (表达矩阵)
  • Protein Expression(表达矩阵)
  • mRNA Sequencing(测序的表达矩阵)
  • Total RNA Sequencing(表达矩阵)
  • Array-based Expression(芯片的表达矩阵)
  • DNA Methylation (25/450/850K的甲基化芯片或者WGBS)
  • Copy Number(主要是SNP6.0芯片,还有测序后计算的拷贝数变异情况)

首先可以使用maftools等工具来可视化全基因组和全外显子组的maf格式somatic突变数据,代码是:

网页工具大全

多不胜数,简单列举如下:

重点不是介绍这些网页工具的用法,如果真正理解了TCGA计划的前因后果以及数据规律,就很容易明白网页工具的设计逻辑,更重要的是可以合理利用网页工具,在它们的基础上面使用R语言做定制化的深度分析。