利用ARCHS4進行大規模RNA-seq數據挖掘
- 2019 年 10 月 7 日
- 筆記
大家好，我是白介素2同學，想必小夥伴們早已開工了，白介素同學這個春節實在是沒怎麼學習呀（所謂人在江湖，身不由己，容我甩個鍋），慚愧慚愧，悟已往之不諫，知來者之可追。新的一年，我們都是追夢人！
追夢，分享一個神器，向科研更深處探索。
咱不來虛的，只分享乾貨，不談枯燥的理論，只來通俗易懂的操作。先來看一張圖：
通過這張圖展示的是 GEO資料庫中的 RNA-seq數據與晶片數據積累隨時間的變化，很顯然測序數據從2015年開始就已經超過了晶片數據的累積。大批量的數據產生固然是個好事，同時也帶來了一個問題，公開的RNA-seq數據大多提供的是原始數據，這樣就對數據的重新挖掘使用帶來了很大困難。為啥嘞，數據量太大，臨床醫生，小實驗室你確定做得了，就連測序數據從原始數據開始的分析都會遇到很多困難？
今天要介紹的神器呢叫做 ARCHS4，它的誕生呢就是為了解決這個問題，過程講的比較複雜，簡單講就是有一個團隊人家用有效的設備演算法把 GEO/SRA的 原始數據整合，分析，預處理成方便後續分析的矩陣格式，就像 TCGA那樣的資料庫，之所以應用廣泛，數據整理的格式就是原因之一呀。該資料庫包括人和鼠的sample 187,946 , 其中人84,863，鼠103,083。接下來就看下具體這個神器有哪些功能吧：
數據下載功能Download
https://amp.pharm.mssm.edu/archs4/download.html
可供下載的數據包括：
這裡只列舉了部分，甚至還包括了 TCGA的數據，數據都整理為 H5格式，數據包括原始的 read count數據和 meta data資訊，簡單講這些數據都整理成了方便後續分析的矩陣格式，可以這樣全部下載。
當然也可以挑選自己感興趣的下載，可以挑選自己感興趣的組織，細胞系，也可以手動選擇，基因集，Download部分會自動產生下載數據的 R程式碼，放到 Rstudio運行即可。
這裡白介素同學，隨便測試下在了一個程式碼，可以看看長啥樣，有R基礎的小夥伴應該更容易理解：
大概就是這樣，運行下就可以啦。
https://amp.pharm.mssm.edu/archs4/data.html#
此外數據下載後，就是做數據解析了,H5文件格式的解析，批次效應移除等，都有提供相應的程式碼：
提供程式碼鏈接：https://amp.pharm.mssm.edu/archs4/help.html
查詢功能
按 meta data資訊查詢，可以看下自己感興趣的組織, 細胞系等的。
查找 signature，輸入數據為上調和下調基因，尋找match這些基因的sample。
富集查詢，找到富集某些基因集的sample然後下載，可以從8個基因集庫中選擇感興趣的，比如KEGG庫,GO庫，其實這是一個反向的操作，與咱們通常的差異分析得到基因集進行富集不同，這是一種通過感興趣的通路，基因集來找sample。
基因查詢功能，遇到一個感興趣的基因，這時候這個功能就派上用場啦，比如案例給出的 FOXM1基因
點擊下就可以得到很多資訊：
主要功能就是這些啦，提供處理過的數據下載和查詢功能。然後就是了解下這個資料庫的背景，文章在2018年4月發表在 Nature Communcations上。
內容就分享到這兒啦，白介素同學祝大家學習愉快！
