学徒作业-单基因的tcga数据挖掘分析
最近在做一个0元，10小时教学视频直播《跟着百度李彦宏学习肿瘤基因组测序数据分析》，直播活动，收集整理文献看到了一个很有意思的研究，节选文章里面的部分图表作为学徒作业哈！
TCGA数据库关于食管癌的，分成ESCC和EAC，其中ESCC好发于中国人群，所以作者关心TCGA数据库里面的90个ESCC病人。
根据CCL2基因的表达量，可以把TCGA数据库里面的90个ESCC病人分成高低表达CCL2的两个组，然后可以差异分析，GSEA分析等等
文章发表在Molecular Cancer 杂志，2020年2月，标题有点长，是：CCL2-CCR2 axis recruits tumor associated macrophages to induce immune evasion through PD-1 signaling in esophageal carcinogenesis
这次的学徒作业是完成下面的4幅图：
e Heatmap of gene expression profiles of human ESCC cases (n = 90) from TCGA database. f Pearson correlation analysis shows tight association of CCL2 with CCR2 and PD-1. g Gene set enrichment analysis (GSEA) between group high (n = 52) and low (n = 38) of CCL2 expression shows enriched pathways associated with PD-1 signaling. h Heatmap shows that expression of PD-1 signaling pathway associated genes is correlated with CCL2 expression in human ESCC
如下图：
其中图f可以直接网页工具做出来，UCSC的xena浏览器，或者GEPIA2都可以，感兴趣的可以去学习：GEPIA2详解（中国智造-肿瘤数据库），当然了，也可以自行编程探索。需求最大的是tcga数据库的生存分析和表达量差异，看看这两个视频：
https://www.bilibili.com/video/av25643438?p=9
https://www.bilibili.com/video/av49363776?p=6
GSEA分析
这个文章里面的gsea就是简单的一个单机版gsea的java软件运行结果罢了，我在生信技能树多次讲解GSEA分析：
GSEA分析一文就够（单机版+R语言版） GSEA的统计学原理试讲 GSVA或者GSEA各种算法都是可以自定义基因集的 基因集富集分析（GSEA）中的排序指标：它们重要吗？ 200块的代码我的学徒免费送给你，GSVA和生存分析
多元化的TCGA数据库的应用
我喜欢把TCGA数据库的应用划分为8个领域：
1、探索各类肿瘤不同临床特征（性别、年龄、种族、临床分期）的预后（生存曲线） 2、探索各类肿瘤与对照的单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平的差异情况（箱线图） 3、探索各类肿瘤与对照的全局（mRNA，lncRNA，miRNA，甲基化，蛋白）水平的差异情况（差异分析流程） 4、探索各类肿瘤中两个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平相关性（散点图） 5、探索各类肿瘤中多个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平总结（热图） 6、探索各类肿瘤中单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）与所有其它分子相关性并且排序 7、探索各类肿瘤中单个基因突变或者单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平的预后（生存曲线） 8、探索各类肿瘤不同临床特征（性别、年龄、种族、临床分期）分组后的单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）特性的分布
锦上添花之生存分析
如果你看的数据挖掘文章足够多， 那么生存分析你一定不会错过。比如：https://www.nature.com/articles/s41598-018-27307-2，发表在2018年6月，标题是：A seven-lncRNA signature predicts overall survival in esophageal squamous cell carcinoma ，重心就是生存分析。