可能是最出名的TCGA表达分析数据库(二)

有小伙伴说想知道GEPIA数据库的用法。正好最近一段时间GEPIA2更新了，其中也更新了一些新的功能。所以就趁着这个机会给大家介绍一下GEPIA2吧。昨天我们介绍了其中一部分，这里我们来说一下后面的一些功能。

1

预后分析

如果要查看一个基因的预后，可以通过这个功能来查看。新版的预后分析添加了一些新的选择，这里我们就简单的介绍一下。

• 基因输入方面：我们可以输入一个基因，也可以输入一系列的基因。如果是一系列的基因，我们可以理解为这一系列基因都和某一个表型有关，通过这一系列基因的表达，来代表这个表型的表达。例如我们输入：CCR7，SELL，IL7R。这三个基因来代表Central memory T cell。对于这种基因代表表型的方法，最好的整合方法还是GSVA的算法。但是由于那个计算量比较慢，所以GEPIA2采用了这几个基因表达(log(TPM + 1))的均值来代表表型，这个也是能反映一些内容的吧。

• 预后分析分组方面：GEPIA2 提供了三种方式，中位值、四分位数以及自定义。由于基因在进行 KM 预后分析的时候，是分为两组。第一步是对相关观察的变量进行分组。一般来说，是基于中位值平均分成高低表达两组，分别代表高表达和低表达；第二步才是进行预后分析。

  但是对于分组而言，没有一个人为的规定说具体怎么分组好，中位置没有意义怎么办呢？那其实还有两种方法可以继续看一下的，

1. 在进行基因分组的时候，不用中位置来进行区分。而已使用表达的前X%(例如25%)作为高表达组，然后后X%（25%）作为低表达组。这样再看这两组预后有没有意义。这个就是数据库使用四分位数分析的方法。

2. 还有一种方法这个数据库实现不了，不过可以介绍一下。这个方法也可以叫 best spearation，类似于穷举法。我们把基因表达每一个值都当作一个界限值来进行分组，然后看各个分组的预后有没有意义，在所有分组分析的结果当中选择最佳的当作最佳的分组，这种统计方法叫做最大选择秩统计量。感兴趣的可以查一下。

其他的就是常规的数据库的选择方式了，这里我们就不介绍了。数据库提供了三种结果呈现

1. 单一基因的预后分析图

1. 某一个肿瘤预后最有意义的基因

1. 某几个基因在不同肿瘤当中的预后HR结果比较

2

基因异构体表达分析

基因在形成mRNA的时候，由于可变剪切的存在，就形成了不同的异构体。所以对于不同的异构体，其表达量可能是不一样的。在这一部分我们可以查看一个基因不同异构体的表达水平。

1. 我们可以查看某一个基因异构体在不同肿瘤当中的差异趋势

1. 查看基因异构体的具体区别

3

基因之间的相关分析

如果我们想看两个基因之间的相关性，可以通过这个部分来查看的。我们需要做的就是输入想要查看的两个基因，同时选择分析方法。

对于相关分析的分析方法，目前也就是三种: Pearson，Spearman 和 Kendall。这三种方法简单的应用区分如下：

• 如果数据是一个连续正态分布的那，就使用 Pearson

• 如果数据是连续性变量但不符合正态分布的时候，就使用 Spearman

• 如果数据是等级资料的时候，就使用 Kendall

由于我们的表达数据不存在等级的说法，所以 Kendall 是不需要的。对于TPM的数据，一般来说都是偏态的，而通过log2(TPM + 1)转换之后，有的可能会变成偏向正态的。所以这也是数据库在计算相关的时候默认使用的是Pearson。但是有时候数据就算转换了，有可能也是偏态的，所以这个时候可以使用Spearman分析一下看看。

结果呈现，就是一个相关分析的图：

3

降维分析

我们在进行多维度分析的时候，都会通过降维分析来查看，具体的具体影响因子可能是什么。常规的降维分析就是PCA（主成分分析了）。这个数据库提过了，我们输入目标基因来查看降维结果的界面。进而评价，这几个目标基因能不能把用来区分不同的分组。

如果对于主成分分析不了解的话，推荐 STATQUEST 对于PCA的讲解（bilibiliID: BV1T4411T73S）

结果呈现，首先是一个柱状图来说不同成分对于变异度解释的程度。

另外还提供了，主成分分析的散点图。数据库提供了三维的主成分分析的图，由于小编不喜欢三维图形（区分度太差了），所以就只放一个2D的了。

数据库总结

关于GEPIA2的的应用就是这些了，中间我们在每一个分析方式当中添加了一部分少量的方法讲解。如果有检索目标，想看一下在某一个基因在 TCGA 当中的表达关系的话，利用GEPIA来进行查找还是一个快速的方法的。另外如果想要看多组学交叉分析的结果的话，这个就没办法看了，就改天给大家介绍多组学交叉分析的数据库吧。