TCGA多组学关联分析数据库
01
内置数据集介绍
在使用一个工具之前，首先还是要了解这个数据库里面包括哪些东西的。关于LinkedOmics而言，主要包括的还是TCGA的内置数据。由于是要做多组学的关联分析的，一定要对于TCGA数据包括哪些数据要有一定的认识。这样才能方便我们来进行交叉分析的。
关于TCGA的数据库的话，这个数据库有一个简单的介绍。其中这个里面需要简单说明的是，在临床参数这个部分，这个数据库知识包括了一些传统的数据集比如：TNM分析、组织分型、预后信息等等。其中一些比较个性化信息。这个就没有的，如果想要分析个性化的东西，就需要下载数据库来分析了，在线分析的话，可以使用之前反复提到的UCSC XENA。
02
基本操作
在进行基本操作之前，我们需要在这个数据库里面注册一个账号。这个大家自行注册就行。账号可以保存我们分析的结果。这样如果是相同分析的话，可以在账号里面查看。如果不需要只是简单的使用的话，使用Guest账号即可。
关于数据库的使用一共也就分这么几步，1) 癌种选择；2) 数据类型选择; 3) 需要分析的目标; 4) 想要交叉分析的另外一个数据类型; 5) 统计分析。
为了更好的演示，我们这里假设有一个课题是想要在乳腺癌当中寻找和hsa-let-7c这个miRNA相关的基因。
2.1 癌种选择
由于是分析乳腺癌，我们选择乳腺癌的数据集。在TCGA当中，乳腺癌的简称是BRCA。所以这里我们选择乳腺癌。
2.2 目标数据集选择
由于我们要进行miRNA的分析。所以这里我们首先要选择miRNA检测的数据。我们这里选择ALL 的话可以看到这个癌种的所有的数据集。这里我们我们在Data Type选择想要的数据类型。
这里在确定完数据集之后，我们默认选择的是所有癌症样本。如果我们想要进行癌症患者某一个类型的分析的话，数据库官方归纳了几个类型。如果我们想要分析的类型在这个里面，可以进行选择。例如这里，我们可以基于ER，PR，HER2三种受体来进行分组。
2.3 输入目标基因
在选择完数据集之后，我们就需要指定想要分析的miRNA了。我们可以直接搜索hsa-let-7c。
2.4 选择靶向数据集
在选择完目标基因之后，我们就需要继续选择靶向分析的数据集了。由于是要分析基因表达，所以我们就可以选择基因RNA-seq即可。
2.5 分析方法选择
在选择好以上的靶标和靶向数据库之后，我们就需要进行统计分析了。由于miRNA的表达量和RNAseq当中基因的表达量都是连续性变量，所以我们用到的统计方法就是相关分析。关于相关分析，常用的就是spearman和pearson。
一般而言，偏向正态的用Pearson。偏态的用spearman。一般而言，测序的原始数据都是偏态的。但是我们看到在选择数据的时候，所有的测序数据都是经过log2转化的。这样就类似于正态的了。所以我们选择pearson即可。
03
结果查看
在分析完之后，就到了这个界面，这里我们需要观察分析状态，如果状态变成了complete，就说明分析完成了。这个时候，点击View就可以查看了。
在点击查看之后，我们就可以获得这次分析的结果。这里，我们可以获得相关的分析结果和相关结果的热图。
进一步的，如果我们想要对这些结果进行富集分析的话，LinkInterpreter里面进行。这里的富集分析是基于WebGestalt进行的。具体这个数据库怎么操作可以查看我们第二个帖子。
数据库使用场景
以上就是这个数据库主要的使用场景。对于这个数据库，如果我们想要进行多组学交叉分析的时候还是挺有用的。有一个缺点就是其能分析的临床参数还是少了一些。这个要是有需要可能就得自己分析了的。