用好cBioportal数据库（一个简单的例子）

生信论文的套路

1. ONCOMINE从全景、亚型两个维度做表达差异分析；

2. 临床标本从蛋白水平确认（或HPA数据库），很重要；

3. Kaplan-Meier Plotter从临床意义的角度阐明其重要性；

4. cBio-portal数据库做基因组学的分析（机制一）；

5. STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）；

6. TISIDB/TIMER分析肿瘤免疫特征（机制三）。

这是我们分享多次的论文，其中涉及基因组学的生信分析，就是用cBioPortal数据库进行机制探究。比较简单，但是在进行基因组学探究时，这些分析有时就足够了。

oncomine、HPA和km plotter等数据库的使用方法，主要是分析差异表达和存活率。cBioPortal数据库是探索肿瘤的基因组学特征，是从DNA水平进行的，是对机制的进一步研究。基因差异表达、生存分析和免疫浸润分析，上述分析严格意义上讲均属于表型。免疫浸润分析属于交叉，算是表型式的解释，就是用现象解释现象，但其实并没有涉及具体的机制。

在完成差异分析、临床意义的问题之后，作者利用cBioportal数据库，进一步探讨可能的分子机制。基因的突变、删除和扩增等都是可能的原因，尽管实际情况是，突变可能与肿瘤的发生关系有限（比例比较低），但是为我们生信分析提供了角度，值得做。

基因组学的探究，有基因家族组学改变比例的总体展示（A）,单个基因组学变化的展示（B）,各个基因表达之间的相关性（C）和与基因改变密切相关的top50临近基因的相互作用图（D）。我们自己在分析时，都可以分析后，在PPT中进行编辑即可。