生信復(fù)現(xiàn)，GEO數(shù)據(jù)差異分析！

生信分析和數(shù)據(jù)挖掘，無(wú)論是GENT2、GEPIA差異表達(dá)平臺(tái)，還是TISIDB、TIMER免疫浸潤(rùn)平臺(tái)，抑或是K-M Plotter、PrognoScan生存分析平臺(tái)，都無(wú)需R編寫代碼，容易上手。在線平臺(tái)的數(shù)據(jù)分析雖然簡(jiǎn)單，但體現(xiàn)了生信分析的思路，適合小白入門！高段位的生信分析，R語(yǔ)言是基礎(chǔ)。我們以GEO數(shù)據(jù)處理展開進(jìn)階教程的分享。

在一系列的生信分析和數(shù)據(jù)挖掘過程中，差異分析往往是第一步，|FoldChange| >2，p<0.05是我們做分析想要的結(jié)果。即使是用R 處理GEO、TCGA和CCLE等平臺(tái)的數(shù)據(jù)做分析，甚至是用R 處理自測(cè)芯片或測(cè)序的數(shù)據(jù)做分析，沒有差異也是枉然。

其實(shí)，很多數(shù)據(jù)庫(kù)都可以做差異分析，只是側(cè)重點(diǎn)不同。 我們借助AQP9與腎透明細(xì)胞癌的關(guān)系，用在線工具和R兩種方式展示差異表達(dá)。

GEPIA的數(shù)據(jù)源于GTEx和TCGA數(shù)據(jù)庫(kù)RNA_Seq的數(shù)據(jù)，以箱線圖展示。根據(jù)分析結(jié)果，AQP9在腎透明細(xì)胞癌中的表達(dá)升高，但并不顯著，這可能是由于其篩選標(biāo)準(zhǔn)是 |Log2FC| >1, p <0.01（而不是0.05）造成的。

UALCAN的數(shù)據(jù)源于TCGA數(shù)據(jù)庫(kù)RNA_Seq的數(shù)據(jù)，以箱線圖展示，p value一般會(huì)給出具體數(shù)值，配色也很驚艷。UALCAN中的數(shù)據(jù)是處理好的，原始數(shù)據(jù)可下載。

CAMOIP的數(shù)據(jù)主要來(lái)自TCGA，可用于分析ICI-Treated和TCGA臨床隊(duì)列的表達(dá)數(shù)據(jù)。通過該數(shù)據(jù)庫(kù)，可以探索TCGA和ICI-Treated中基因表達(dá)的差異。此處，我們采用TCGA Cohort的數(shù)據(jù)展示KIRC患者中AQP9與相關(guān)基因的表達(dá)情況。

當(dāng)然，還有其他的在線分析平臺(tái)，用于分析AQP9在腎透明細(xì)胞癌KIRC的表達(dá)差異，如GENT2、KM-Plotter、TIMER、CCLE等。這部分內(nèi)容，我們不再做更多介紹，本次以R下載和處理展示GEO數(shù)據(jù)為主。

在論文Fig1中，作者通過TCGA、GEO和HPA數(shù)據(jù)庫(kù)的在線數(shù)據(jù)，從轉(zhuǎn)錄水平和蛋白水平展示AQP9在腎透明細(xì)胞癌和癌旁組織中的表達(dá)差異。我們?cè)诜治瞿I透明細(xì)胞癌時(shí)，可以選擇同樣的數(shù)據(jù)集；在分析其他腫瘤類型時(shí)，可以選擇類似的展示方式。

我們以GSE15111的數(shù)據(jù)為例復(fù)現(xiàn)，從數(shù)據(jù)下載、數(shù)據(jù)分組，到差異可視化展示。

write.table(allLimma,file="GSE15111_limmaTab.txt",sep="\t",quote=F,col.names=F)

上述為常規(guī)操作，下載數(shù)據(jù)，數(shù)據(jù)標(biāo)準(zhǔn)化，分組和差異分析。接下來(lái)繪制火山圖和熱圖。

  labs(title = 'Volcano', x = '-Log10(adj.P.Val)', y = 'LogFC')

         fontsize  = 7)

最后，我們需要提取AQP9在腫瘤和癌旁的分組及表達(dá)信息，然后用ggplot2()繪圖即可，繪圖的類型包括箱線圖、小提琴圖和散點(diǎn)圖等，展示方式是可以自己選擇的。

  theme_bw()

  geom_violin()

  geom_dotplot(binaxis='y', stackdir='center')

上述繪圖再加上p值或者優(yōu)化即可用于文章發(fā)表。一起學(xué)習(xí)，共同成長(zhǎng)，遇見更好的自己！