TCGA數據挖掘終結者：cBioPortal

• 2019 年 10 月 6 日
• 筆記

TCGA的「雞肋」之處

TCGA是一個綜合性的多組學腫瘤基因組資料庫，除包含DNA測序之外，還包含了RNA測序、拷貝數、蛋白譜、甲基化等多個組學的數據，但是在TCGA的官方網站GDC Data Portal （https://portal.gdc.cancer.gov/）

僅有的幾個功能模組中，卻並沒有發現可用的數據挖掘功能，在Analysis模組中也僅有可憐的兩項功能：交集分析和隊列比較。這兩個功能，總結起來就兩個字，雞肋......

交集分析：其功能是對幾個突變基因或突變位點的列表取交集，並繪製韋恩圖。這功能非常草率的功能，我想自己用excel能更快地搞定。

隊列比較：可以讓用戶選定兩組不同的患者，然後對患者的年齡、性別、生存時間進行比較，該功能里唯一算有用的也就生存分析了吧。用過的同志們都知道，這個功能仍然非常不好用，因為患者的分組是沒有辦法靈活限定的。例如想比較一下乳腺癌中HER2突變陽性和野生型患者的生存曲線是否有統計學差異。不好意思，不能實現。

那咋整？咋整，師兄教你盤它呀！師兄我比較了現有聲稱可做腫瘤基因組數據分析的多個在線工具和資料庫，從後台數據量、分析工具種類、分析結果準確度、可視化介面以及簡易程度等多個指標進行綜合測評後，發現了一個super好用，又super專業的分析網站—cBioPortal，堪稱TCGA數據挖掘的終結者。

cBioPortal

cBioPortalhttp://www.cbioportal.org/）由Memorial Sloan Kettering Cancer Center (MSK)開發，是基於TCGA資料庫開發的一款集數據挖掘、數據整合及可視化等多功能於一體的綜合性開放網路平台。開發者將該網站發表在Cancer Discovery（IF:24.3）上面，後來由於用的人太多，作者又把網站的說明書拿出來發了一篇Science Signaling（IF:6.4），real好玩+任性。由此可見，cBioPortal是經過專業雜誌認可的數據分析工具，其可信度是相當高的。

下面直接帶領大家來學習一下如何通過cBioPortal挖掘腫瘤數據。還是上面的例子：比較一下乳腺癌中HER2突變陽性的病人和野生型病人的生存曲線是否有統計學差異。我們按步進行：

cBioPortal（http://www.cbioportal.org/）打開網址以後，有一點要跟大家提一下，cBioPortal作為一個國外的網站，其訪問速度並不算快，有時甚至出現網頁打不開的尷尬場面，大家可在某寶購買一個VPN，就可以快速打開了。

Step1：選擇癌種，也就是你的研究對象。在cBioPortal中共有32個癌種，240個study，基本覆蓋所有常見和個別少見腫瘤。如紅框所示，這裡我們選擇「Breast」，「Breast」後面有個14代表乳腺癌中有14個相關的Study，而我們需要進一步選擇Study，選擇Study時主要根據腫瘤的病理類型，同時兼顧每個Study右側的sample個數及該研究所包含的數據類型來選擇。在這裡我們選擇「Breast Invasive Carcinoma (TCGA, Provisional)」這個研究（藍框所示）。這裡需要跟大家說明的是，同個癌種的不同Study之間存在個別病人重複入組的現象。

Step2：選擇需要分析的數據類型。這裡的數據類型往往包括以下幾種：Mutations（點突變和小的Indel）、Putative copy-number alterations （拷貝數變異）、mRNA expression z-scores（基因表達，可能來自於晶片或者RNASeq），可能還會有Protein/phosphoprotein level（蛋白表達水平，通過RPPA或者質譜檢測得到），這裡我們選擇Mutations（紅框所示）。

Step3：在「Enter Genes」裡面輸入你要分析的基因，這裡我們輸入「HER2」，發現網站報了錯「Invalid gene symbols」，這是為什麼呢？因為很多基因都有別名，而HER2不是一個正式的名字，系統幫我們檢測到它的名字應該是ERBB2，我們點擊一下文本框下面的ERBB2，它便自己改過來了（是不是很智慧啊）。

僅需以上三步，之後，點擊「Submit Query」即可開始分析。等待幾秒到幾分鐘的時間，便會得到分析結果。這裡就要說一說cBioPortal強大無比的分析功能了，幾乎包含了多組學研究中能夠實現的所有分析功能，如下圖所示，包括OncoPrint（基因突變圖譜）、Cancer Types Summary（泛癌種基因突變匯總）、Plots（分析拷貝數變異與基因突變或者基因表達的相關性）、Mutations（基因突變列表、功能及蛋白3D結構）、Co-expression（基因共表達分析）、Enrichments（基因突變互作/互斥分析）、Survival（生存分析）、CN Segments（拷貝數分析）、Network（共表達網路）等多種分析結果。

這麼多分析中，我們點擊「Survival」即可看到基因突變型vs野生型患者的生存曲線及Logrank統計分析結果，圖中有P value，下面的表格中還有中位生存時間。從這個結果中，可以看出HER2突變陽性的病人，其生存率要顯著低於野生型患者，P值達到5.779e-3。

那麼，這麼漂亮的一個圖怎麼放到我們的SCI文章中呢？點擊圖片右上角的下載符號即可保存高清無碼適量大圖哦。

關於cBioPortal中的生存分析就講到這裡

文章詳情：科研貓公眾號