最近看到文献里面提到了针对膀胱癌的METTL3基因的生存分析，我定睛细看，发现并不是TCGA里面的表达数据，而是IHC的结果，如下：
f. Kaplan-Meier survival curves of overall survival in 180 bladder cancer patients based on METTL3 expression analyzed by IHC staining. The log-rank test was used to compare differences between two groups (P = 0.0128)

结果是相当的显著哦，所以我就思考，为什么作者要舍近求远呢，明明是tcga数据库里面大把的公共数据，很容易检验自己感兴趣的基因是否具有生存效应。
所以我就帮助作者在网址：http://gepia2.cancer-pku.cn/#survival 看了看膀胱癌的METTL3基因的生存分析，同样的UCSC的xena浏览器也是可以做到，感兴趣的可以去学习：GEPIA2详解（中国智造-肿瘤数据库），当然了，也可以自行编程探索。需求最大的是tcga数据库的生存分析和表达量差异，看看这两个视频：

• https://www.bilibili.com/video/av25643438?p=9
• https://www.bilibili.com/video/av49363776?p=6
  如下，有意思的就来了：
  
  其实更有意思的是，你还可以使用km-plot网页工具来看膀胱癌的METTL3基因的生存分析，虽然我是不相信km-plot网页工具结果的。我们已经多次介绍过生存分析:
• 集思广益-生存分析可以随心所欲根据表达量分组吗
• 生存分析时间点问题
• 寻找生存分析的最佳基因表达分组阈值
• apply家族函数和for循环还是有区别的（批量生存分析出图bug）
• TCGA数据库生存分析的网页工具哪家强
  是不是可以合理的推测，因为作者发现自己感兴趣的基因，也就是METTL3在TCGA数据库的膀胱癌里面并没有统计学显著的生存意义，所以就想方设法的去购买TMA，看看IHC结果的针对膀胱癌的METTL3基因的生存分析。

  文末友情宣传

  强烈建议你推荐我们生信技能树给身边的博士后以及年轻生物学PI，帮助他们多一点数据认知，让科研更上一个台阶：

• 生信爆款入门-全球听（买一得五）（第4期），你的生物信息学入门课
• 数据挖掘第2期（两天变三周，实力加量），医学生/临床医师首选技能提高课
• 生信技能树的2019年终总结 ，你的生物信息学成长宝藏
• 2020学习主旋律，B站74小时免费教学视频为你领路，还等什么，看啊！！！