非常多的粉丝在我们生信技能树后台留言询问，为什么他/她关注的基因明明是癌基因，明明是在肿瘤病人高表达（TCGA数据库搜索后的结果），但是却发现它对生存的影响居然是保护因子！（同样的网页工具）
所以我这里安排一个学徒作业，大家需要去下载TCGA数据库的BRCA这个癌症的芯片和RNA-seq的表达矩阵，分别进行差异分析，拿到统计学显著的上下调基因列表。
同样的，根据表达量把病人分成高低表达两个组后进行生存分析，这里主要是COX方法，把基因区分成为风险因子和保护因子。
然后把两次分析的基因列表取交集，会拿到9个基因集，加油！
当然了，你还可以把这个任务继续细化，比如可以把基因区分成为编码和非编码的，然后BRCA本身可以区分成为4个亚型，分开分析。
关于TCGA数据挖掘
我喜欢把TCGA数据库的应用划分为8个领域：
- 1、探索各类肿瘤不同临床特征（性别、年龄、种族、临床分期）的预后（生存曲线）
- 2、探索各类肿瘤与对照的单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平的差异情况（箱线图）
- 3、探索各类肿瘤与对照的全局（mRNA，lncRNA，miRNA，甲基化，蛋白）水平的差异情况（差异分析流程）
- 4、探索各类肿瘤中两个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平相关性（散点图）
- 5、探索各类肿瘤中多个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平总结（热图）
- 6、探索各类肿瘤中单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）与所有其它分子相关性并且排序
- 7、探索各类肿瘤中单个基因突变或者单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）水平的预后（生存曲线）
- 8、探索各类肿瘤不同临床特征（性别、年龄、种族、临床分期）分组后的单个分子（mRNA，lncRNA，miRNA，甲基化，蛋白）特性的分布
关于TCGA数据库
TCGA数据库是目前最综合最全面的癌症病人相关组学数据库，包括：
- DNA Sequencing
- miRNA Sequencing
- Protein Expression array
- mRNA Sequencing
- Total RNA Sequencing
- Array-based Expression
- DNA Methylation
- Copy Number array
知名的肿瘤研究机构都有着自己的TCGA数据库探索工具，比如：
- Broad Institute FireBrowse portal, The Broad Institute
- cBioPortal for Cancer Genomics, Memorial Sloan-Kettering Cancer Center
关于生存分析
我已经在生信技能树公众号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
关于差异分析
B站视频，几乎一半，都是围绕差异分析来的。
- 转录组的上游分析视频以及代码资料在：https://share.weiyun.com/5QwKGxi
- 下游主要是基于counts矩阵的标准分析的代码 https://share.weiyun.com/50hfuLi
如果你能独立完成这个学徒任务，就说明你出师了。