網(wǎng)址：http://www.sxdyc.com/zeroCodeTool
文章解讀的鏈接：https://mp.weixin.qq.com/s?__biz=MzkxMjMxOTcyNQ==&mid=2247486770&idx=1&sn=29871428cbe7e2ed6feb580342883a2c&chksm=c10ff8b0f67871a69aa90527797e473899e2065fe2119bbc5228a134cfcbec2eb55642f1876b&token=833996379&lang=zh_CN#rd
話不多說，直接開始
共分為16步，對(duì)文章進(jìn)行復(fù)現(xiàn)
1、TCGA數(shù)據(jù)整理
選擇需要研究的腫瘤名稱如LUAD，從豆芽官網(wǎng)下載生存數(shù)據(jù)，記得整理后，第一列是樣本名，第二列為生存時(shí)間，第三列為生存狀態(tài)（記得樣本名不要重復(fù)，不要重復(fù)）
選好參數(shù)后，直接上傳，提交，輸入任務(wù)名即可。
運(yùn)行完成后會(huì)跳出運(yùn)行成功的彈窗
我們點(diǎn)擊下載文件的位置，查看生成的文件
第一個(gè)為癌組織+癌旁組織的樣本的表達(dá)譜，第二個(gè)為癌組織和癌旁組織的樣本分組文件，第三個(gè)為樣本的生存數(shù)據(jù)，第四個(gè)癌組織的表達(dá)譜數(shù)據(jù)
2、差異的anoikis相關(guān)基因集篩選
該anoikis相關(guān)的基因集來自于PMC10449303文章附件中，可以自己替換成自己關(guān)注的基因集
選擇相關(guān)的參數(shù)，這里需要導(dǎo)入第一步寫入的任務(wù)名，上傳anoikils相關(guān)的基因集，差異分析中，我們使用limma包進(jìn)行差異分析，并自行輸入差異倍數(shù)，選擇p值篩選的類型和范圍如下所示：
直接提交即可，等待運(yùn)行成功
在這次的分析中，總共有10000多個(gè)差異基因，Anoikis差異的基因有272個(gè)基因，這些基因的信息叫表com.gene.txt，表tcga.diff.fit.txt為閾值篩選后差異基因差異分析的結(jié)果
其中fig1a為差異分析的火山圖
3、一致性聚類構(gòu)建分子亞型
基于第二步篩選到272個(gè)差異的Anoikis基因選擇特定的方法進(jìn)行一致性聚類
以下就是一致性聚類的結(jié)果，這里只要選擇亞型的個(gè)數(shù)，一般是通過KM曲線和熱圖一起選擇的，這里不做多描述，KM曲線的p值一定要小于0.05，熱圖得到的亞型的分布不能過于彌散。
4、降維分析亞型的分布
選擇亞型聚類的個(gè)數(shù)提交就可以了
5、亞型之間通路的不同特征
選擇合適的參數(shù)，反復(fù)進(jìn)行分析，默認(rèn)做兩兩比較的差異通路的篩選
6、不同亞型22種免疫細(xì)胞比較
這里使用CIBERSORT的方法計(jì)算22種免疫細(xì)胞評(píng)分，并使用統(tǒng)計(jì)方法進(jìn)行檢驗(yàn)，記得wilcox.test和t.test這兩種方法，只能針對(duì)兩個(gè)亞型進(jìn)行比較，而kruskal.test和anova一般是針對(duì)三個(gè)分子亞型進(jìn)行比較。
7、差異分析篩選差異基因
選擇兩兩亞型差異分析的基因，這里只有兩個(gè)亞組，所以默認(rèn)做的是C1vsC2，如果是三個(gè)亞組，可以選擇兩兩做差異，C1vsC2.C1vsC3,C2vsC3篩選出的差異基因取并集，復(fù)制在一個(gè)txt表格中
類似于這樣
8、WGCNA篩選腫瘤發(fā)生相關(guān)的基因集1
選擇上一步篩選到的差異基因，進(jìn)行WGCNA分析
9、WGCNA篩選腫瘤發(fā)生相關(guān)的基因集1
第八步運(yùn)行得到最優(yōu)的軟閾值，這里的軟閾值是R2>0.85下的最小的軟閾值，在該軟閾值下構(gòu)建無尺度拓?fù)渚W(wǎng)絡(luò)，設(shè)置最小module的基因數(shù)量，并選擇75的相似度進(jìn)行融合
10、基因富集分析
11、Anoikis相關(guān)基因簇的鑒定
選擇一個(gè)WGCNA分析中篩選到最相關(guān)的基因集，將該基因集復(fù)制上傳，進(jìn)行一致性聚類
12、Anoikis相關(guān)基因簇PCA和基因表達(dá)譜分布
13、拆分TCGA數(shù)據(jù)集構(gòu)建風(fēng)險(xiǎn)模型1
將TCGA數(shù)據(jù)集按照比例拆分為訓(xùn)練集和驗(yàn)證集，在訓(xùn)練集中以p<0.001篩選預(yù)后相關(guān)的基因，通過lasso，逐步回歸，多因素cox分析構(gòu)建風(fēng)險(xiǎn)模型。
14、拆分TCGA數(shù)據(jù)集構(gòu)建風(fēng)險(xiǎn)模型2
選擇合適的隨機(jī)種子，并配置顏色，等到運(yùn)行結(jié)果
15、關(guān)鍵基因的預(yù)后和在高低風(fēng)險(xiǎn)組中表達(dá)
風(fēng)險(xiǎn)模型構(gòu)建成功后，針對(duì)這些module的基因，查看其預(yù)后價(jià)值（高低表達(dá)的KM曲線），及高低風(fēng)險(xiǎn)組中的表達(dá)差異。
16、風(fēng)險(xiǎn)得分和關(guān)鍵基因與免疫細(xì)胞的相關(guān)性分析
目前也有視頻講解：
https://www.bilibili.com/video/BV1Xp421m7VD/?spm_id_from=333.999.0.0
原文鏈接：
https://mp.weixin.qq.com/s/JMKvyHxypLgY7_SetvcvZg
