组学分析神器：cBioPortal

生信论文的套路

1. ONCOMINE从全景、亚型两个维度做表达差异分析；
2. 临床标本从蛋白水平确认（或HPA数据库），很重要；
3. Kaplan-Meier Plotter从临床意义的角度阐明其重要性；
4. cBio-portal数据库做基因组学的分析（机制一）；
5. STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）。

前面我们已经介绍oncomine、HPA和km plotter等数据库的使用方法，主要是分析差异表达和存活率。cBioPortal数据库是探索肿瘤的基因组学特征，是从DNA水平进行的，是对机制的进一步研究。基因差异表达、生存分析和免疫浸润分析，上述分析严格意义上讲均属于表型。免疫浸润分析属于交叉，算是表型式的解释，就是用现象解释现象，但其实并没有涉及具体的机制。

TCGA数据中除包括样本的表达信息、生存分析信息，也包括突变、拷贝数、甲基化以及临床信息等数据，因此可用于多组学的交叉分析。今天，我们分享TCGA多组学分析的神器，肿瘤基因组学分析的神器——cBioPortal，不需要注册，登录即可免费使用：

cBioPortal（https://www.cbioportal.org/）

cBioPortal网站目前存储DNA拷贝数数据（每个基因的假定，离散值，例如“深度缺失”或“扩增”，以及log2水平），mRNA和microRNA表达数据，非同义突变，蛋白质水平和磷蛋白水平（RPPA）数据，DNA甲基化数据和有限的临床数据等，可以快速获取大规模癌症基因组学项目的分子谱和临床预后相关性，并将这些丰富的数据集转化为可视化数据以用于临床。

首先登陆cBioPortal官方网站http://www.cbioportal.org/。

以乳腺癌为例，分析E2F基因家族基因突变在乳腺癌发生中的作用。选择权威的数据库，比如TCGA数据库的数据，勾选好。再点击Query by gene

出现下图，输入基因名称，点击submit query。

出现分析结果图。

也可以查看肿瘤类型总结。

也可以进行生存分析，但是分析出的结果往往没有差异，所以不推荐使用。

这里，设计肿瘤研究的一个基本问题——肿瘤突变负荷（tumor mutational burden，TMB）。TMB是指正常等位基因（A）突变成等位基因（a），在选择上不利的纯合体（aa）所引起群体适应度下降的现象。

在肿瘤研究中，TMB被定义为每百万碱基中被检测出的，体细胞基因编码错误、碱基替换、基因插入或缺失错误的总数。

量化的描述TMB，可分为4类，与肿瘤免疫治疗关系密切。

1. TMB-High=>20mutations/Mb;

2. TMB-Intermediate, 6-19 Muts/Mb;

3. TMB-Low <= 5 Muts/Mb;

4. TMB-Unknown, if the sample is not of sufficient quality to confidently determine Tumor Mutation Burden.

上述图还可以进一步通过PPT编辑，转换成文章中用图。

以上几个功能是cbioportal的重要功能，当然还有很多小功能，如查询基因在肿瘤中突变类型的总结分析、点图展示、突变基因的enrichment分析和基因突变数据下载等等，分析结果可直接应用于发表paper，但是需要引用（网站有介绍）。