|
NGS技术无疑已经成为目前肿瘤研究的重要手段，无论国内还是国外均在开展大队列癌症研究项目。这些项目通常除了获得患者的肿瘤组织外，还会收集患者配对的正常组织、临床信息、随访记录等信息。TCGA 作为国际上重要的癌症研究项目，已经收集了来自11,000个患者，涵盖33种癌症的多组学数据，包括基因组学、转录组学、拷贝数、甲基化表观修饰、蛋白质组学、临床指标信息以及随访的生存数据，总数据存储量达到了2.5Peta Bytes。严格的样本录入要求和严谨的实验过程，为全球科学家提供了宝贵的癌症大队列研究数据。 然而，面对如此海量的数据，怎样才能快速的进行数据的挖掘和探索？OmicSoft 开发的Land技术将组学数据以OmicSoft File System (OFS)的格式进行存储，该技术对数据集建立基因、样本、临床信息等多层次的索引，实现信息的快速检索和比较。目前OmicSoft OncoLand中已经整合来自TCGA、ICGC、GEO、SRA、BLUEPRINT等大型癌症项目 >70,000个样本、~350种癌症类型、~20种组学数据类型、1000种临床指标的数据。 今天小编将一步步教大家如何用OmicSoft OncoLand进行TCGA数据的挖掘。这里我们以TCGA 2017年发表在Nature上一篇探索食管癌（ESCA）不同亚型分子机制的文章为例。
小编基于TCGA数据主要回答两个问题： 1. 怎样利用TCGA数据挖掘 ESCC 和 EAC 的不同分子特征？ 2. ESCC 发生于食管上端是否与头颈癌（HNSC）相关？ EAC与胃部相连是否与胃癌(STAD)相关？ 第一步：筛选 ESCA 不同亚型样本 从左上角的‘Select Land’中选择 TCGA_B37 即可切换到TCGA数据集；基于左侧过滤条件 ’Tumor Type’ 筛选 ESCA；在右侧选择‘Grouping – Histological Type’则可以获得ESCC和EAC对应的样本。 第二步：临床指标关联分析和生存分析 在左侧的‘Select View’中选择‘Clinical Significance’-> ‘Group Association’，则可以查看ESCC和EAC与不同临床指标的相关性，从下图可以直观看到Weight在ESCC和EAC中具有显著性的差异（p-value =2.16e-016）。同样也可以从‘Select View’中选择‘other views’-> ‘Survival Data’ 构建ESCC和EAC生存曲线。 第三步：创建差异表达基因 Heatmap 选择‘Analytics’-> ‘IntegrationAnalysis’ -> ‘Sample Grouping=> Expression’ 则可以计算ESCC和EAC两组之间差异表达基因并构建heatmap。从heatmap可以清楚的看出两组之间差异表达基因可以显著的将ESCC（蓝色bar）和EAC（绿色bar）进行区分。 第四步：ESCA/EAC与HNSC和STAD比较 在右侧’Tumor Type’中添加’HNSC(头颈部癌)’ ，从下图可以看出EAC（蓝色bar）与ESCC（绿色bar）和HNSC（黄色bar）可以明显的分开，而 ESCC与HNSC分布在一起。同样在右侧’Tumor Type’中添加’STAD(胃癌)’，可以发现EAC（蓝色bar）与STAD（黄色bar）分布在一起，而 ESCC（绿色bar）可以明显的与EAC和STAD分开。 最后一步：结果查看 从左侧的’select view’选择’RNA-seq Quantification’-> ‘Gene FPKM’，则可以查看每个差异表达基因在ESCC、EAC、HNSC和STAD中的表达值分布。从下图可以发现，ESCC和HNSC的基因表达值分布一致，而EAC和STAD的基因表达值分布一致。 |
|
|
