TCGA、GEO、Oncomine數據挖掘(匯總篇附贈原始碼)

紐創醫學的小醫 發佈 2020-01-09T19:54:46+00:00

TCGA資料庫包括常見癌症的基因組、轉錄組、蛋白組、表觀遺傳組數據和與其關聯的臨床數據,為挖掘有意義的組學變化和發現腫瘤發生、發展、轉移等生物學機制提供了海量數據。


身處大數據時代,對於從事腫瘤研究的臨床醫生或基礎科研人員,有沒有一種可以既不做實驗又不查病史,直接調用公共數據撰寫發表SCI論文的方法呢?TCGA癌症公共資料庫即提供了這樣一種可能。TCGA(癌症基因組圖譜)資料庫包括常見癌症的基因組、轉錄組、蛋白組、表觀遺傳組數據和與其關聯的臨床數據,為挖掘有意義的組學變化和發現腫瘤發生、發展、轉移等生物學機制提供了海量數據。

GEO是當今最大、最全面的公共基因表達數據資源適合研究方向:基本包括所有疾病,不是做腫瘤的小夥伴可以選這個。難易程度:數據下載,整理都比較簡單,分析過程需要R編程,這裡有點難度,總的來說難度一般。發文的高度:只做純GEO數據挖掘的文章一般只能1-2分的文章,適用文章的分數偏低。


Oncomine 擁有最全的癌症突變譜、基因表達數據以及相關的臨床信息,可用於發現新的生物標記物或新的治療靶點。Oncomine 整合了GEO、TCGA和已發表的文獻來源的RNA和DNA-seq數據。

通過Oncomine,可以進行差異表達分析,共表達分析,查找某種癌症中差異表達的基因,確定目的基因,確定研究方向。

今天小醫給大家分享的是關於GEO、TCGA、Oncomine資料庫聯合分析的相關視頻講解資料。看完記得小醫一個反饋哦!


資料內容:


TCGA分析教程(附贈安裝包)

1、TCGA01--資料庫簡介.vc

2、TCGA02--網頁下載數據.vc

3、TCGA03-- 命令行下載數據.vc

4、TCGA04--生成矩陣.vc

5、TCGA05--id轉換成基因名.vc

6、TCGA06--差異表達介紹.vc

7、TCGA07--edgeR差異表達.vc

8、TCGA08--DESeq差異表達.vc

9、TCGA09--miRNA 數據下載與整理.vc

10、TCGA10--miRNA差異表達.vc

11、TCGA11-- 共表達數據合併.vc

12、TCGA12--WGCNA.vc

13、TCGA13--生存分析介紹.vc

14、TCGA14--生存分析數據準備.vc

15、TCGA15--R做生存分析.vc

16、TCGA安裝包


批量挖掘TCGA miRNA

1、課時01.課程介紹

2、課時02.批量獲取TCGAmiRNA

3、課時03.篩選差異的miRNA

4、課時04.單因素Cox回歸數據準備

5、課時05.單因素Cox回歸

6、課時06.lasso回歸數據格式準備

7、課時07.lasso回歸

8、課時08.多因數Cox數據準備

9、課時09.多因素Cox回歸分析

10、課時10.繪製列線圖

11、課時11.繪製校準圖

12、課時12.繪製ROC曲線

13、課時13.風險評分可視化

14、課時14.批量生成生存曲線


【單個基因生物信息學分析視頻教程】完整版

1、單個基因生物信息學分析 - 概述

2、基因結構預測和功能注釋

3、蛋白結構域預測

4、多序列比對

5、蛋白二級三級結構預測

6、蛋白特性分析

7、跨膜結構分析

8、信號肽分析

9、亞細胞定位預測

10、啟動子分析

11、調控目的基因的miRNA預測

12、基因表達分析


TCGA、GEO、Oncnmine數據挖掘

1、課時1數據挖掘概述

2、課時2GEO在線工具的應用

3、課時3GEO數據下載和數據質量分析

4、課時4原始數據預處理

5、課時5尋找差異基因及製作熱圖和火山圖

6、課時6富集分析

7、課時7KEGG分析

8、課時8蛋白互作網絡

9、課時9TCGA數據下載

10、課時10TCGA數據整理和基因注釋

11、課時11尋找差異基因和製作5年生存率

12、課時12Oncomine概述及Meta分析

13、課時13Oncomine之差異分析及共表達分析


最新GEO晶片數據挖掘視頻及原始碼

1、GEO資料庫簡介

2、R語言簡介

3、晶片下載與質控

4、晶片分析結果展示:heatmap ——GO and KEGG enrichment

5、R對象的命名規則

6、R包的安裝與調用

7、獲得R包的幫助與引用信息

8、GEO數據下載與整理

9、晶片分析流程

10、讀取晶片文件

11、質量控制:查看灰度圖

12、質量控制:相對對數表達(RLE)

13、質量控制:相對標準差(NUSE)

14、RMA法預處理tumor樣本

15、合併normal與tumor數據

16、Probe ID轉換為Gene symbol

17、補充缺失值

18、差異表達分析

19、結果展示:繪製熱圖

20、結果展示:GO分析


關鍵字: