生信技能树联盟创始人jimmy手把手带你完成一个GEO数据库(GSE76275)挖掘实例，从必备R包安装，表达矩阵下载，PCA/boxplot/heatmp的数据检查，探针ID到基因ID的转换，根据生物学分组进行差异分析并且绘制火山图、热图，还有简单的超几何分布检验的KEGG等数据库注释结果。也有一点表达矩阵进行GSEA/GSVA分析，以及WGCNA分析。最后还根据TNBC(三阴性乳腺癌)的生物学特征提取指定基因的表达量，使用genefu这个R包进行PAM50分类。

视频学习方式

直接B站咯：https://m.bilibili.com/video/BV1dy4y1C7jz
下载TCGA数据库的BRCA的芯片表达矩阵，同样进行PAM50分类，结合临床信息，并且对应比较GSE76275数据集。

• 代码在：https://github.com/jmzeng1314/TCGA_BRCA
  下载TCGA数据库的BRCA的RNA-seq表达矩阵，同样进行PAM50分类，结合临床信息，并且对应比较GSE76275数据集。
• 代码在：https://github.com/jmzeng1314/TCGA_BRCA
  下载GTEx数据库的RNA-seq表达矩阵，并且提取其中属于breast的样本，同样进行PAM50分类，结合临床信息，并且对应比较GSE76275数据集。
• 代码在： https://github.com/jmzeng1314/gtex_BRCA
  下载METEBRIC数据库的RNA-seq表达矩阵，同样进行PAM50分类，结合临床信息，并且对应比较GSE76275数据集。
• 代码在：https://github.com/jmzeng1314/METABRIC
  

  首先需要安装必备R包

  需要自行下载学习R语言及熟练使用Rstudio编辑器，根据课程配套代码安装R包。对初学者来说，尤其是中国大陆的学生，安装R包，最重要的是切换镜像，代码如下：

  options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor/")
  options("repos" = c(CRAN="http://mirrors.cloud.tencent.com/CRAN/")) 
  options(download.file.method = 'libcurl')
  options(url.method='libcurl')
  BiocManager::install("miRNAtap",ask = F,update = F)
  BiocManager::install("topGO",ask = F,update = F)
  BiocManager::install("miRNAtap.db",ask = F,update = F)
  

  另外：r全套资料都是在B站，需要提前学完哦！

  第一步：下载表达矩阵

  首先需要了解GEO数据库，建议通读： 解读GEO数据存放规律及下载，一文就够
  然后根据课件代码使用GEOquery包进行下载，详细教程见：从GEO数据库下载得到表达矩阵 一文就够
  示例数据集：GEO数据库(GSE76275) 对应的3篇SCI文章见课程附件。（3篇文章都需要解读）

  第三步：检查表达矩阵

  首先根据全局基因表达绘制PCA图如下：
  
  代码见课程附件，具体参数视频里有介绍，结果很容易理解，可以看到那些不属于TNBC的样本跟TNBC组有着很清晰的界限，而且可以看到TNBC组本身也有着界限分明的两列，反映了TNBC的异质性：
  还有top 1000的sd的基因提取出来绘制热图：
  
  这个结果跟PCA分析结果相呼应！更多图表都在课程的配套代码里面；

  第4步：差异分析

  这里走标准的limma流程，详细推文介绍：根据分组信息做差异分析- 这个一文不够的

  第5步：GO/KEGG数据库注释

  得到的差异分析结果，也可以走标准的火山图，热图，GO/KEGG数据库注释，见推文：差异分析得到的结果注释一文就够

  第6步：GSEA/GSVA分析

  代码在GitHub哈：https://github.com/jmzeng1314/GSE76275-TNBC

  TCGA数据库挖掘

  代码在：https://github.com/jmzeng1314/TCGA_BRCA

  GTEx数据库挖掘

  代码在：https://github.com/jmzeng1314/gtex_BRCA

  METABRIC数据库挖掘

  代码在：https://github.com/jmzeng1314/METABRIC

  增加WGCNA流程代码

  对表达矩阵挑选top5000的MAD基因，以及top10000后，分别独立走WGCNA流程看结果。
  背景知识参考：https://github.com/jmzeng1314/my_WGCNA

  文末友情推荐

  要想真正入门生物信息学建议务必购买全套书籍，一点一滴攻克计算机基础知识，书单在：什么，生信入门全套书籍仅需160 。
  如果大家没有时间自行慢慢摸索着学习，可以考虑我们生信技能树官方举办的学习班：

• 数据挖掘学习班第7期（线上直播3周，马拉松式陪伴，带你入门），原价4800的数据挖掘全套课程， 疫情期间半价即可抢购。
• 生信爆款入门-第9期（线上直播4周，马拉松式陪伴，带你入门），原价9600的生信入门全套课程，疫情期间3.3折即可抢购。
  如果你课题涉及到转录组，欢迎添加一对一客服：详见：你还在花三五万做一个单细胞转录组吗？
  号外：生信技能树知识整理实习生招募，长期招募，也可以简单参与软件测评笔记撰写，开启你的分享人生！另外，：绝大部分生信技能树粉丝都没有机会加我微信，已经多次满了5000好友，所以我开通了一个微信好友，前100名添加我，仅需150元即可，3折优惠期机会不容错过哈。我的微信小号二维码在：0元，10小时教学视频直播《跟着百度李彦宏学习肿瘤基因组测序数据分析》