看教程不够直观,那就看视频吧! >>点击加载视频
一、研究背景
基因改变对癌症的发生具有影响,如突变、重组、拷贝数改变等,表观遗传 的改变如 DNA 甲基化对癌症的发展起到关键的作用。CpG 岛的高甲基化导致肿 瘤抑制基因的转录沉默,然而致癌基因的低甲基化将导致致癌基因的激活;目前 的研究中大部分都是从基因表达出发寻找一些肿瘤标志物,或者从 DNA 甲基化 出发寻找肿瘤标志物,很少从两者的联系的角度可以挖掘相关的预后分子,我们 从基因表达和 DNA 甲基化出发,基于多维组学的数据挖掘潜在的肿瘤标志物。
二、分析技术路线
下载 TCGA 甲基化数据、RNA-Seq 数据、Clinical 临床随访信息、GEO 数据集
↓
甲基化数据处理
↓
RNA-Seq 数据处理:下载 FPKM 数据,转换成 TPM,提取蛋白编码基因
表达矩阵
↓
分别对甲基化位点和基因进行差异分析
↓
甲 基 化 和 基 因 关 联 分 析 寻 找 epigenetically induced 和 epigenetically suppressed 基因及关联的甲基化位点
↓
单因素生存分析:分别对 step5 得到的甲基化位点和基因做单因素生存 分析,挖掘预后相关的 epigenetically induced 和 epigenetically suppressed 基因及 关联的甲基化位点
↓
epigenetically induced 和 epigenetically suppressed 基因的功能富集分析
等等。
三、部分分析结果展示
图表很多,就不一一展示了。
想自学TCGA/GEO数据挖掘技能?想要加强生信技能?
请看这里:生信人社区教程
有生信分析需求,请看这里
如果觉得我的文章对您有用,请随意打赏。你的支持将鼓励我继续创作!