生因生物RNAseq售后5：TCGA多肿瘤mRNA, lncRNA, miRNA数据挖掘

导 读

对于大多数常见疾病，GEO或TCGA等数据库有许多可用的原始数据，我们在寻找一个重要的mRNA/lncRNA/miRNA/circRNA进行研究，或者自己高通量测序找到一部分基因，需要扩大样品验证该基因差异的可靠性，我们可以借助于已有数据。之前我们推送过乳腺癌的数据分析“TCGA乳腺癌mRNA, lncRNA, miRNA数据挖掘”，肝癌的数据分析TCGA肝癌mRNA, lncRNA, miRNA数据挖掘，肺腺癌的数据分析“TCGA肺腺癌mRNA, lncRNA, miRNA数据挖掘”受到广大老师的喜爱，本文我们整理了TCGA胃癌的转录组数据，分析mRNA/lncRNA/miRNA的表达谱，以供老师研究参考。

秉承着解决老师一切数据分析问题的原则，我们整理了TCGA常见肿瘤，如肺腺癌、肺鳞癌、肝癌、乳腺癌、三阴性乳腺癌、胃癌、结直肠癌、膀胱癌、肾癌、鼻咽癌、头颈癌、皮肤癌等30种肿瘤的mRNA、lncRNA、miRNA表达谱，预后分析等。如有需要可在文末，添加技术微信领取。

介 绍

肿瘤基因组图谱 (TCGA) 计划由美国 National Cancer Institute(NCI) 和 National Human Genome Research Institute（NHGRI）于 2006 年联合启动的项目，目前共计研究 36 种癌症类型，包括详细病人资料，基因表达，突变，甲基化等数据。本文对胃癌数据进行整理分析。 

材料方法

TCGA胃癌数据：

1）临床资料

443个病人临床资料包括性别，年龄，病理分期，生存时间，存活状态。

2）基因表达数据

407个病人癌组织与癌旁组织基因表达count值，fpkm值数据。

3）miRNA表达数据

477个病人癌组织与癌旁组织miRNA表达count值，tpm值数据。

分析结果

1

mRNA癌与癌旁差异表达分析

 1）差异表达基因火山图图

对癌与癌旁样品基因表达数据进行差异分析，取|log2(FoldChange)|≥1, padj<0.01 且至少有一个分组样品FPKM≥1（去掉表达丰度较低的基因），得到有效差异表达的mRNA，火山图如下：

2）差异表达基因聚类热图

对差异表达mRNA进行聚类，做热图（前200个差异mRNA）。

3）GO富集分析分子功能展示

GO富集分析分析得到的分子功能（Molecular Function）具体term。

4）KEGG pathway通路富集分析

应用超几何检验，找出与整个基因组背景相比，在差异表达基因中显著性富集的Pathway。富集到的Pathway通路：

5）pathway通路图标注

为便于查看 mRNA 所在基因在通路图中的分布情况，将差异表达mRNA标注到通路图其中包含上调基因的 KO 节点标红色，包含下调基因的 KO 节点标绿色（此图为Cell Cycle通路，可以看出显著激活）。

2    lncRNA癌与癌旁差异表达分析

1）差异lncRNA火山图

设定阈值|log2(FoldChange)|≥1, padj<0.01筛选有效差异的lncRNA，火山图如下：

2）差异lncRNA聚类热图

 对差异表达lncRNA进行聚类，做热图（前200个差异lncRNA）。

3）差异表达lncRNA cis靶基因预测

cis 作用靶基因预测认为lncRNA的功能与其坐标临近的蛋白编码基因相关，将 lncRNA 临近位置的（上下游100kb）蛋白编码基因（仅选择有差异的mRNA）筛选出来作为其靶基因。cis 作用靶基因预测结果如下表所示：

4）差异表达 lncRNA 保守性分析

lncRNA保守性普遍较低， 但仍有部分lncRNA具有较高的保守性， 或者具有较高的保守区域。这种多物种保守区域暗示其具有保守的功能。本分析对差异表达lncRNA进行保守性分析，以供后续挑选lncRNA参考，保守性得分最大值为1， 越接近1保守性越高。

3    miRNA癌与癌旁差异表达分析

1）差异表达miRNA火山图

设定阈值|log2(FoldChange)|≥1, padj<0.01 筛选有效差异的miRNA，火山图如下：

2）差异表达miRNA聚类热图

对差异表达miRNA进行聚类，做热图。

4    生存曲线分析

将差异表达的 mRNA, lncRNA, miRNA 使用 FPKM 或 TPM 值，以中位值为标准将基因的表达量分为低表达组与高表达组，并采用 Kaplan-Meier 和 log-rank 检验法进行生存曲线分析。