用好cBioportal数据库(一个简单的例子)
生信论文的套路
ONCOMINE从全景、亚型两个维度做表达差异分析;
临床标本从蛋白水平确认(或HPA数据库),很重要;
Kaplan-Meier Plotter从临床意义的角度阐明其重要性;
cBio-portal数据库做基因组学的分析(机制一);
STRING互作和GO/KEGG分析探讨可能的信号通路(机制二);
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。
赞 (0)