在生物信息領(lǐng)域，高通量數(shù)據(jù)非常重要，畢竟誰(shuí)也不想感受“巧婦無(wú)米之炊”的窘迫。隨著大數(shù)據(jù)時(shí)代的到來(lái)，各種大型生物公共數(shù)據(jù)庫(kù)也不斷完善，其中就包括The Cancer Genome Atlas(TCGA)數(shù)據(jù)庫(kù)。TCGA數(shù)據(jù)源大部分都是公開(kāi)的，如何有效的進(jìn)行收集(機(jī)械的鼠標(biāo)操作)和預(yù)處理是一個(gè)頭疼的問(wèn)題。
目前來(lái)能夠從TCGA數(shù)據(jù)庫(kù)中提取數(shù)據(jù)的處理工具有很多:
cBioPortal（http://www.）
UALCAN（http://ualcan.path./index.html ）
starbase3.0（http://starbase./ ）是常用的，上圖來(lái)源于2018年的一篇cell（PMID: 29625050）
今天小編想給大家簡(jiǎn)單介紹下cBioPortal。該工具極大的方便了生物信息研究者獲取數(shù)據(jù)，而且其中的數(shù)據(jù)集多數(shù)為已發(fā)表的數(shù)據(jù)集，增大了樣本的可研究性。但是使用起來(lái)還是有一定的局限性。
首先進(jìn)入數(shù)據(jù)入口的主界面：
在cBioPortal中你可以完成visualize，analyze，discover三種功能。目前包含了88個(gè)已發(fā)表的癌癥研究中的20263個(gè)癌癥樣本。
那么該工具除了引用頻率高之外，具體可以實(shí)現(xiàn)那些功能呢？我們引用一篇文獻(xiàn)（PMID：28930697）的圖片結(jié)果（Fig5）給大家展示一下。
想要做的上圖的內(nèi)容（突變熱圖、元件圖、預(yù)后分析等），需要掌握cbioportal數(shù)據(jù)的操作流程。
讓我們先看下數(shù)據(jù)的查詢(xún)功能：
1.Select Cancer Study，例如我們選擇2013年MSKCC在Nat Genet上發(fā)表的 “The mutational landscape of adenoid cystic carcinoma.”
2.Select Genomic Profiles 分為突變譜和拷貝數(shù)譜
3. Select Patient/Case Set:選擇樣本集合，也可以用戶(hù)自定義樣本
4.Enter Gene Set：輸入基因集合，某一通路或者生物學(xué)過(guò)程中的基因或者是用戶(hù)自定義基因集合。
之后我們可以看到該基因集合在樣本中的改變情況，例如紅色代表擴(kuò)增，綠色代表突變，可以將圖片以pdf或者svg形式保存到當(dāng)?shù)亍?/p>
基因間的互斥性(mutually exclusive)和共發(fā)生性。
查看每個(gè)基因在樣本中突變的情況
以基因集合中改變的樣本和非改變的樣本之間做生存曲線（很明顯該例子并沒(méi)有明顯分開(kāi)）。
網(wǎng)絡(luò)分析這部分比較有意思除了包含已知的基因集合還包括發(fā)現(xiàn)的改變的鄰居基因，而且我們還可以顯示基因的藥物靶點(diǎn)。
最后該入口提供了IGV可視化拷貝數(shù)變異的功能和下載功能。
那么，cbioportal數(shù)據(jù)庫(kù)還可以實(shí)現(xiàn)哪些重要的功能，以及怎么實(shí)操呢？具體可以關(guān)注我們的TCGA數(shù)據(jù)庫(kù)生信學(xué)習(xí)班。計(jì)劃如下：
