TCGA肿瘤数据库使用训练（二）

转载请注明：解螺旋·临床医生科研成长平台

利用cBioPortal分析并作图

回顾一下昨天发布的题目：

图多，但流程都一样的。

A：前列腺癌的TCGA Provisional数据集。查询APC、CTNNB1、GALNT10、GRB2、LYN、SIGLEC1、SOS1、ZAP70、FAM84B这9个基因，选择有拷贝数变异（CNA）的子集，浏览各基因在各样本中的变异情况，并标出疾病状态标签（Disease Free status）。

B：上述基因变异与否的无进展生存期的生存曲线。

C：前列腺癌，MSKCC, Cancer Cell 2010数据集，选择有CNA的子集，查询上述9个基因的变异情况，标出疾病状态。

D：与C同一数据集的无进展生存曲线。

E：与图A、B同一数据集的总体生存期曲线。

Tip：图A、B、E是用provisonal的数据，可能已有更新，所以做出的图跟已发表的文献中略有不一样也不要方。图C和D做出来是和文中一样的。

步骤

下方的基因组数据类型就用默认的。接着病例子集选择带有CNA数据的病例。基因查询列表中填上题目中的9个基因，等自动验证名称全部有效，出现下方的绿色提示后，就点提交查询按钮。

下面自动弹出的第一个界面OncoPrint就是这些基因在样本中的变异情况，差不多就是图A了。把鼠标悬停在图和选项卡之间的空白区域，就能显示其他的选项。

在Add clinical tracks下拉框中，搜索Disease Free Status，输入前几个字母就找到了，将它勾选上。这样在图形上方便增加了一道疾病状态的图，标出每个样本的“无疾病”或“复发/进展”状态。

接下来就是文献中的图了，可以下载保存，建议选择PDF或SVG，都是可以放大不失真的矢量格式，且便于进入Adobe Illustrator进一步编辑排版，比如文章里的图例和生存数据汇总的表格位置跟网页上的不一样，就有可能是后期排版调整的。

文章中图A只截取了包含基因变异的一段，其实后面492个样本的信息都有绘制。下图就是从下载回来的PDF文件中截取的，也没截完。

接下来，在上方的选项卡中找到Survival，就看到下边的Kaplan Meier生存曲线图。

这个页面上，上方是总体生存期的KM曲线图（图E），下方是无进展生存期的曲线图（图B）。你要问为什么作者倒过来排版，我也不造啊^(oo)^

同样可以保存svg格式，而png适用于网页展示，贴到文章里的话可能会糊的。

你可以看到，这图跟原文是有一点点不同的，应该是数据更新过了。不过大结论也没变。

接下来图C和图D，只是换一个数据集，点网页上方的Modify Query，修改查询条件。

这就回到了熟悉的查询界面，找到前列腺后，选择MSKCC，Cancer Cell 2010的数据集，同时记得取消刚才的TCGA, Provisional，下边样本子集选择CNA，再次提交查询。

接下来的步骤就跟上边一样了。同样，OncoPrint中的图只截取了有变异的一小段，成为图C。

后边的Survival找到无进展生存期的图，即图D。

这回是用一份已发表的数据，所以做出来应该跟示例文献中的图是一样的。啊~文中两个OncoPrint的图里为啥“无疾病”和“复发/进展”的颜色是反过来的捏？本宝宝也不知道这图经历了什么^(oo)^但是我们新做的图，颜色是一致的，所标的样本疾病状态和下面的基因变异情况，跟文中的是能对应上的。

除了这张图之外，这份文献对TCGA的运用还有不少值得学习的地方。比如，那9个基因的筛选也有TCGA的参与，即是用TCGA provisional数据集的485例患者随机拆分成10套n = 300的训练集（training set）和n = 185的测试集（testing set），经过Cox模型筛选得来的。

本题作业所用的图，是把筛选好的9个基因放回原来的TCGA provisional整个数据集中进行验证，再用一个独立的外部数据集，即MSKCC, Cancer Cell 2010，再次验证。此外，也在黑色素瘤的TCGA, provisional数据集中得到相似的结果。

当然作为一篇5分的文章，还要加上动物实验和作者新收集的临床样本等，感兴趣的同学可以自己看看~

明天第三题预告

用RTCGAToolbox包下载结肠癌的mRNAArray的数据，肿瘤类型代号：COAD；版本号：20140115；基因：IL17A。

图中所标的P值，其获取方法在本次单元课中未提及，故作业不做要求。

有兴趣的小伙伴还可以试试该文补充材料的Fig 1，即同一套数据的RORC基因。