基于GEO癌症芯片数据的生物信息学分析

在GEO数据库(https://www.ncbi.nlm.nih.gov/geo/)下载乳腺癌基因芯片数据。

每个数据集均需符合以下条件：

1、数据集来自全基因组RNA表达芯片；

2、实验使用人类癌症患者组织与正常组织对照。

方法

1、在GEO下载的原始芯片数据，导入GCBI(https://www.ncbi.nlm.nih.gov/geo/)在线平台。在该平台实验室内，创建一个分析基因芯片差异基因的实验方案，平台自动按设计的方案为导入的芯片数据做差异基因分析，获得差异基因。

GEO数据库

2、利用DAVID6.8(https://david.ncifcrf.gov/summary.jsp)对差异基因进行GeneOntol-ogy功能富集分析(GO分析)。

DAVID数据库

3、利用KOBAS3.0(http://kobas.cbi.pku.edu.cn/anno_iden.php)基于KEGG数据库，进行信号通路富集分析。

KOBAS3.0O数据库

4、最后利用STRING10.5(http://www.string-db.org/cgi/)进行差异基因编码蛋白的相互作用网络分析(PPI)。

String数据库

乳腺癌为例做讲解

一、芯片数据汇总

在GEO数据库中找到2张符合要求的芯片做分析

二、差异基因

GCBI平台下载芯片的矩阵文件数据进行差异基因的筛选。差异基因的筛选条件为:p值＜0.05，logFC≥2。ZUO CHAYI FENXI 得到1680个差异基因，其中上调的基因900，下调的基因780。

这里可以做一张芯片，也可以做2张以上的芯片做交集，2张芯片做交集得到差异基因280个，其中上调的基因82个，下调的基因198个，进行进一步的生物信息学分析。

三、GO富集分析

取交集后的280个差异基因，用DAVID6.8作GO富集分析(FDR＜0.01)，结果显示这些基因富集在细胞周期、细胞增殖等生物学进程和核分裂调控等分子功能上。

四、KEGG通路分析

取交集后的280个差异基因，用KOBAS 3.0作KEGG通路分析，结果显示，这些基因显著富集于PI3K-Akt信号通路、P53信号通路、细胞因子－细胞因子受体相互作用、黏着斑、趋化因子信号通路及各种癌症(前列腺癌、黑色素瘤、急性粒细胞白血病)疾病通路等18个有统计学意义的相关通路(P值＜0.05)。

五、蛋白互作网络构建分析取交集后的280个差异基因，用STRING分析这些蛋白之间的相互作用网络。结果显示BIRC5、CDK1等39个乳腺癌基因编码的蛋白与其他≥20个蛋白存在相互作用关系，为蛋白互作网络的中心节点。