肖恩打算搜羅現有的提供生物信息相關的數據庫、分析網站和工具，讓不會代碼的小伙伴們，也能在科研過程中，享受生物信息學帶來的高效和風騷。
Bioinformatics is click away！
分類
渣渣本渣的研究主要集中在癌癥生物標志物，雖然渣到不能在渣，也積累一些易上手的資源，適合做濕實驗的同學把玩把玩（FYI，寫代碼的叫干實驗，分子實驗、細胞實驗、動物實驗等都是濕實驗）。也由于領域的限制，對生物信息學的其他領域不太清楚，煩請看官見諒！
在本人常用的工具中，主要有以下幾類：
- 基因注釋數據庫（NCBI，Ensembl，KEGG，String，Oncomine，Genecard）
- 基因表達數據庫（TCGA，GEO，METABRIC，GTEx, PHA）
- 序列比對（pair-wise alignment，blast）
- 生存分析 （KM-plotter）
- 表達分析(GEPIA, GEO, cbioportal, firehouse)
- 基因功能分析（Metascape, David, GeneMinia）
...
今天主要來講講這個GEPIA，其他網站以后慢慢更新
GEPIA 介紹
為什么先將這個網站呢？
因為這是目前為止，我發(fā)現的，最簡單，功能非常豐富的一個網站，而且訪問速度也快，是北大一個實驗室搭建的，是無碼生信家族中最福的音。
GEPIA 大名為 Gene Expression Profiling Interactive Analysis (http://gepia.cancer-pku.cn/)，主要介紹以下功能：（這是2020年4月的情況，該網站還在不斷更新）
- Expression Profile
- Boxplots
- Stage Plots
- Survival Analysis
- Correlation Analysis
- Differential Expression Analysis
- PCA
Expression Profile ：
進入首頁，有個文本框，你可以選擇輸入基因名，Entrez ID或者 Ensembl ID
以gene GAPDH 為例，
- 你可以查看基因的在各器官的表達，像這樣：
- 也可以查看不同癌癥中病人該基因的表達量（紅色是癌癥樣本，綠色是對應的癌旁樣本），這張圖片是可以自定義下載的，在后面會講
大家這里注意一個問題，縱坐標是什么，是TPM，這是一種優(yōu)于RPKM的表達定量方法，由于一個樣本中所有基因的TPM和是1，相當于某基因占所有基因表達量的比例，所以可以用于不同組織之間的比較。而其他的FPKM，RPKM不能用于不同組織間的比較
- 還可以使用較為常見的柱狀圖為呈現：
盡管這個bar圖可以下載，我們還是無法自由定義圖片的長寬和顏色等，可能達不到放文章的要求，不如自己拿到數據自己畫，那么數據在哪呢？
他的作圖原理是服務器把基因相關的數據傳到瀏覽器，瀏覽器通過plotly的js代碼作圖 （js作圖一般都是可以縮放，拖拽，選區(qū)的），所以數據就在瀏覽器里，怎么獲取呢？
你把鼠標放在bar圖內部，右擊，應該會有一個 View frame source，單擊，你就可以獲得這個frame的源代碼
你可以使用origin或者其他你順手的軟件，自己作圖咯! 如果你還不知道怎么使用origin，下面是我前期的文章，可以簡單參考 Origin科研繪圖 http://www.itdecent.cn/p/febf31d6b1f6
- 該頁面的最后是一張表，是與該基因表達有相關性的基因列表，PCC列是pearson相關系數(Pearson Correlation Coefficient). 相似的表達可能預示著基因之間有相近的功能
TPM 散點圖 獲取 (Profile)
剛才我說，不同癌癥中病人該基因的表達量散點圖可以下載，但不在剛才的頁面下。在這個頁面的開頭 有Expression DIY - Profile ，他不僅提供下載，居然還可以自定義要繪制的散點圖的基因和癌癥種類，貼心
PS：
- svg是一種無損的可縮放矢量圖形，瀏覽器打開，至于怎么轉化為位圖文件，眾里尋他請百度。
- svg作為一個矢量圖，其實本質貌似和html代碼很像，大家可以F12獲取圖片背后的數據
這里面的cy就是每個病人的基因表達量，想自己畫圖的可以取用（并不建議）
Boxplots：
boxplot，能提供了某個基因在不同癌癥中的表達量的數據，這個網站有兩種方法可以進入boxplot頁面
- 在首頁，輸入的文本框下面有boxplot
- 在剛才的expression profile 頁面 開頭 有Expression DIY - boxplot
進入頁面后，可以指定基因和不同的癌癥數據
下圖是GAPDH在乳腺癌和卵巢癌的轉錄組表達
數據和之前的barplot和散點圖很像。但這個圖提供直接下載，還計算了p值
| p | 星星數 | 標志 |
|---|---|---|
| 0.01 < p < 0.05 | 一顆星 | * |
| 0.001 < p < 0.01 | 兩顆星 | ** |
| p < 0.001 | 三顆星 | *** |
如果對p值還不清楚的小伙伴，請移步往期文章，了解統(tǒng)計的魅力吧 假設檢驗 以及 qPCR數據處理應用 http://www.itdecent.cn/p/939832aed739
ps： GAPDH（甘油醛-3-磷酸脫 氫酶 ） 是參與糖酵解的一 種關鍵酶, 是常用的內參，在癌癥中，內參的表達都上調了這么多，如此顯著，可見qPCR時對內參的調平是相當重要的，而內參的變化這么大，是不是也側面反映，qPCR不能用于不同樣本/組織間的對比呢，歡迎大家討論
Stage Plots
能提供了某個基因在癌癥的不同階段的表達量的數據，和boxplot一樣，也有兩種方法可以進入頁面，stageplot使用的這種圖其實是boxplot 和 violin plot的合體，violin plot它可以展示出數據在Y軸上的density，形似violin而得名，如果該階段的基因有差異表達，那么該基因也許與癌癥進展有關。
GAPDH在乳腺癌和卵巢癌中不同階段的轉錄組表達
多基因的熱圖
Expression DIY 的最后一項，是繪制不同基因在不同的癌癥中的表達量的熱圖，這個圖也是plotly畫的，所以他的原始數據，你也可以圖中右擊 view frame source 取得
這圖真心不好看，大家可以取出數據，放Excel里，用條件格式畫，
方法我以前講過，這里有 直通車http://www.itdecent.cn/p/60eed1bcbc42
Survival Analysis
生存分析的這個圖，學名叫 Kaplan Meier plot （KM plot）。在survival頁面下，可以定義基因，癌癥，OS/DFS，cutoff等。
根據cutoff，會把病人分成兩群， survival plot 可以比較這兩群病人的生存是否有顯著差異。在醫(yī)學研究中非常有用。
乳腺癌中GAPDH高/低表達病人的OS生存情況
他提供兩種生存分析：
OS表示overall survival，就是病人無論什么原因死亡都算作死亡。
DFS表示 disease Free Survival，就是病人疾病復發(fā)或死亡都算作死亡。DFS比OS更加注重癌癥的復發(fā)。
圖中的其他數據的解釋，這里篇幅有限，暫不解釋。
生存基因的無中生有
有時候，我們可能并沒有預先就有一個感興趣的基因，而只是想找出某種癌癥中所有有顯著預后能力的基因，這時，可以使用，Survival Analysis 下的 Most Differential Survival Gene，他會返回一個基因列表，包含所有顯著預后基因。
Correlation Analysis
這個就是之前的Pearson相關性，Similar頁面只會返回top correlated genes， 如果需要找到指定的兩個基因之間的PCC， 去correlation頁面
Differential Expression Analysis
來到了最最經典的差異表達分析，可以分析不同癌癥癌組織和正常組織間的差異基因，他會返回一個表，和一張圖。這個圖是差異基因在染色體上的位置，表是差異基因數據。
好消息，好消息：
如果你去這個網站首頁，可以看到有一個GEPIA2(test)，這里面提供了自己上傳轉錄組的表達量文件，他幫你分析差異基因的功能，真的是香氣四溢。
PCA
PCA的全稱是 Principal Component Analysis，是一種降維算法， 簡單說來，他就是把高維數據投影到低維，并且做到程度保留數據的整體特征，如圖，
PCA最直觀的好處就是你可以把你的數據給畫出來了，
比如，原來我有100個基因，10個樣本，100 * 10 的矩陣，但是我怎么畫出來呢，我們知道這10個樣本之間，哪些比較接近，哪些相差很大呢？ PCA就可以辦到
我們進入PCA頁面，（由于不知道什么問題，這個頁面抽風了，我用的GEPIA2的PCA - Dimensionality Reduction）
使用默認基因，選擇 BRCA Normal、BRCA Tumor，這個數據畫在2維平面如圖：
PC1就是降維后的第一維，PC2 是第二維，我們可以明顯的看到Tumor在一起，Normal樣本在一起，也能側面說明，我們選的這個基因（這里是默認基因），在這兩種樣本中，差異表達了，這些基因有區(qū)分癌癥和正常樣本的能力。
2020-04-07
