TCGA数据库挖掘-内含流程图-2分以上套路

TCGA数据库想必大家都不陌生，它以丰富的数据类型、大规模的样本量和完备的临床信息著称，对肿瘤研究者来讲是一座宝贵的矿藏。数据类型主要包括mRNA芯片/测序、miRNA测序、甲基化芯片、CNV等多种组学，疾病包括39种常见癌症。

本套路借助COX回归模型，结合TCGA的甲基化和mRNA测序数据，从海量的数据中筛选出影响预后的甲基化位点/基因集合，通过风险评分区分高/低风险患者，具有很高的科研和临床价值。

预后相关的甲基化与表达谱整合的数据分析思路

流程图如下：

具体步骤简要介绍：

1. 甲基化数据差异分析

2. 各差异甲基化位点的生存分析

3. 差异甲基化位点-mRNA相关性分析

4. mRNA表达水平的生存分析

通过以上步骤筛选得到关键研究因子（文献调研），作为进一步深度研究分析的对象。

示例图 关键甲基化水平beta值分布图

5.根据上一步所选的甲基化位点，将患者分为高/低甲基化组，筛选组间差异基因。

6.利用Cox模型和ROC曲线构建预后生存相关的signature基因集，并计算每个患者的Risk score。

示例图 K-M曲线和ROC曲线

7.利用验证数据集进行Risk score打分系统的验证。

示例图 Risk Score打分系统结果

8.与Risk Score正/负相关的基因集的GO和通路分析。

9.实验验证。

这个可能有点难度，大家耐心看看。看你能不能挑战下自己，也欢迎大家随时加宾利哥哥微信切磋哦。

更多生物信息学的精彩内容和课程