TCGA数据分析系列(二):数据库之GEPIA2
所谓工欲善其事,必先利其器,从今天开始,我们来介绍TCGA数据库的使用。今天我们来介绍一款非常容易上手的数库:GEPIA2:http://gepia2.cancer-pku.cn/#index
话不多说,直接进入正题
GEPIA2数据来源
如图所示,GEPIA2数据来源于TCGA和GTEx数据库。TCGA我们已经介绍过,不过GEPIA2对TCGA数据经过了筛选,具体筛选标准并没有详细介绍。比如肝癌TCGA有372例肿瘤组织,这里只有369例。
下面简单介绍一下GTEx
GTEx
GTEx全称Genotype-Tissue Expression,该项目研究来自449名生前健康的人类捐献者的7000多份尸检样本,涵盖44个组织(42种不同的组织类型),包括31个实体器官组织、10个脑分区、2个来自捐献者血液和皮肤的细胞系。GTEx可以有效弥补TCGA正常组织不多的缺点。
GEPIA2工作流程
基因一般性分析
我们以LDHA为例可以检索到LDHA的基因信息
LDHA的泛癌表达情况
LDHA的泛癌表达情况柱状图
然而我认为,没有统计的图都是耍流氓
差异分析
我们通过点击鼠标可以轻易获得一个肿瘤的差异分析结果。GEPIA2的差异分析结果默认是利用TCGA的肿瘤组织与GTEx的正常组织做对比。
可以得到一个差异基因与染色体位置的图,以及差异分析结果的文件,都是可以下载的。
得到的差异分析文件例只有差异基因,没有其他基因的情况。做一个火山图看一下差异基因大致的范围。
表达DIY
我们可以根据这种条件选择,得到目的基因的表达情况
肝癌TCGA中TP53的表达
TCGA联合GTEx中TP53的表达情况
肝癌各分期中TP53的表达
多基因表达热图
生存分析
输入基因名,选择OS还是RFS,设定cutoff比例,以及自定义颜色等,点击add添加感兴趣的癌症类型,点击plot就可以得到最终的生存分析结果
LDHA在肝癌中的OS
还可以看某个肿瘤中生存分析p值最小的前500个基因,如下入:
如果想看多个基因在多个癌症中与生存的关联,可以利用survival map工具,输入基因列表和癌症列表,得到每个癌症中每个基因与生存的显著性p值
Isoform分析
isoform分析与gene分析类似,这里就不再赘述
基因或者基因集间相关性分析
在计算基因或signature之间相关性时,我们可以利用该工具进行在线绘图。这里的signature按照网址文章的说法,应该是取基因的表达平均值
基因相似性检测
这里可以理解为单基因批量相关性分析,这个分析用处很大。可以通过一个基因和与其相关性高的基因组成一个基因集,来做富集分析,反应这个基因可以影响的功能及通路情况。
PCA降维
由于基因数目较多,维度较大,对肿瘤进行可视化比较困难。利用主成分分析(PCA)进行可视化。这里以肝癌的正常和肿瘤为例,选择基因进行降维.
主成分的方差贡献
三维可视化
二维可视化
好了,今天的数据库介绍就到这里了,下回见。