差异分析，RT-PCR和WB实战（上）

在芯片、测序和组学等遍地开花的时代，前人已经积累了大量数据，而且信息是公开的、免费的。因此，如果我们用别人的数据发表自己的论文，从海量数据中挖掘点自己需要的东西，岂不是件很赚的事情。

具体到医学生物科研，生信分析越来越成为科研工作者必备的技能。我觉得生信分析的大方向可以分为三个：差异分析，功能分析和临床意义探索。

差异分析是所有研究的前提，无论是细胞实验、动物模型，还是临床标本，有差异都是必须的，而且我们还给差异规定了标准，p<0.05（或者更小）。目前，很多数据库可以做差异分析，从mRNA、protein到DNA都有。因为蛋白是功能的执行者，因此是做差异分析的首选。

oncomine数据库总结几乎所有肿瘤的数据，mRNA水平研究差异。全景式观察某基因在所有肿瘤的表达情况。比如

GEPIA、UALCAN可进一步验证表达差异，数据可视化，简单方便易上手，mRNA水平研究差异。TIMER数据库对单基因的差异分析，尤其是与肿瘤浸润免疫细胞表型相关的分析，特别适用，可以做到统筹兼顾，有局部聚焦（oncomine）和全局通览（TIMER）的神奇效果。不过，在做多基因或者家族基因分析的时候，是选择oncomine+GEPIA双验证模式，而是选择oncomine+TIMER双验证，可以具体问题具体分析。

上述数据库均是从mRNA水平研究表达差异，而人类蛋白组数据库（Human Protein Altas, HPA）则是主要从蛋白（也有mRNA）角度展示基因表达的差异，细胞和组织，健康和疾病，细胞系和临床样本，应有尽有。具体怎么选择免疫组化图片，如何呈现结果，我们可以一起学习。

一般在论文中出现的是病理检测结果（IHC），特别是结合oncomine数据库，对基因在肿瘤和临近组织的表达进行对比展示。在前面的文章中，我们介绍过。结果展示如下。

具体操作如下。

1. 打开病理界面。
2. 然后根据病人信息，选取具代表性的样本，放至PPT中，进行展示。

上述差异分析都是高通量实验的结果，需要我们进一步验证，也就是RT-PCR和Western Blot分别从转录和蛋白水平进行确认，增加结果的可信度。那么，如何做出漂亮的RT-PCR和WB结果呢？敬请下次分享。