温馨提示：请点击标题下方蓝色“实验万事屋”，或者点击下面的指纹，添加关注后，发“嗯”可以查看我们之前的文章。

1、搜索基因芯片

我的目标是“breast cancer”，在GEO和ArrayExpress数据库搜索一番后，决定下载arrayexpress数据库的E-GEOD-45581和E-GEOD-54002两个芯片（ArrayExpress数据库不是一般的慢啊 ，我用了翻墙软件打开都很慢，能不能打开就看人品吧；如果能在GEO找到芯片尽量不要到这个数据库来找）。具体操作如下：

由于我后续要用G神器来处理数据（不知道就点这里，点进去还看不懂就记得听歌，听完找听到过的句子作死地点！），因此这里我要点击最右边的“Atlas”按钮，保证所下载数据能够用G神器来分析。

接下来点击你选中芯片的“Atlas”列的区别针标志进入下载页面，如下：

如图所示，先点击试验烧瓶，再点击第一个向下箭头按钮，直接下载数据。

2、数据下载好后，该进行处理了。跟我一起唱，“张学友的歌曲”，拿出右叔的G神器。这货打开就是慢啊（其实下面这个界面已经是打开了，正在自动加载CCLE的芯片，可以直接关掉），不过要是配制高的电脑应该木有问题。

分别导入之前下载的芯片数据

选中下载文件后进入下面界面，点击红色框内区域，对数据框进行分区后点击”OK”

进入下列界面，点击红框内标志进行差异基因筛选

选择好分组情况点击”OK”

生成热图以及差异基因列表

将差异基因列表复制到excel中，两个芯片都这样操作后得到两个芯片的表达差异基因。

3、对两组差异基因进行GO分析，并用郭大侠传授R语言（不知道的就点这里）进行展示GO分析结果。（所有GO分析结果均选择count数在10以上的结果进行作图）用右叔教你们的GO分析网站（卧槽，这个实在不记得是哪个帖子了……但肯定写过），将差异基因bia进去，操作如下：

直接点击下载，下载下来的文件只保留如下列

用R语言进行GO分析图展示

GO分析代码：

dat <- read.table("chart2.txt", header= T,sep="\t")

pdf("goPvalue2.pdf")

ggplot(data=dat)+geom_bar(aes(x=Term,y=Count, fill=-log10(PValue)), stat='identity') + coord_flip() +scale_fill_gradient(low="red", high = "blue") +xlab("") + ylab("") +theme(axis.text.x=element_text(color="black", size=5),axis.text.y=element_text(color="black", size=5)) +scale_y_continuous(expand=c(0, 0)) + scale_x_discrete(expand=c(0,0))

dev.off()

GO分析结果：

GO分析结果可以得出，两组芯片GO分析结果表明，细胞分裂相关生物过程发生明显改变。

4、用右叔之前介绍的excel 之match函数大法选择两个芯片的共同差异基因出来（不知道的点这里）。

Excel筛选结果如下（match筛选后按照第三排排序即可得下列结果）：

5、对两个芯片的共同差异基因进行GO分析，结果如下：

6、打开蛋白互作网站把两组芯片共同差异基因bia进去（不知道STRING怎么用，就给我点这里！），选择物种后点击继续，下一页继续拉到最后，点击继续按钮，在出来互作图片的页面选择格式文件下载文件。

点击“search”

拉到最下面点击“continue”

生成全部蛋白互作图

下载数据文件

6、打开cytoscape软件（没听过的就点这里），把tsv格式文件导入软件，利用之前右叔介绍的app“MCODE”对蛋白互作网络进行分析，分析完成后导出分析结果。此时，有3个互作模式，选择出了15个基因。如下操作：

导出互作结果如下：

15个基因互作模式图由string网站展示结果如下：

7、对这15个选择出来的基因用两组数据分别做热图（热图用郭大侠传授的R语言制作）。同时运用之前右叔介绍的又一神器（kmplot，不知道的点这里），对个15个共同差异基因进行整体生存率分析。

R语言做热图代码

DEG_exp<-read.table("54002.txt",sep='\t',header=T,row.names=1)

tiff(file="54002.pheatmap.tif",res=300,units='in',width=20,height=20)

pheatmap(DEG_exp,color=colorRampPalette(c("green","black","red"))(100),fontsize_row=20,fontsize_col=20,scale="row",border_color=NA)

dev.off()

热图结果：

生存曲线如下：

写在最后，我也不知道做这么多目的是干什么，总体感觉就是选择出了15个基因组合，可以标志乳腺癌发病。

…华丽丽的分割线…

李莫愁博士：感谢“永不言弃”童鞋的投稿，起码我们很欣慰，有人真的能好好利用我们给你们的神器来做一些事情。这些虽然停留在数据挖掘层面上，但是再补充免疫组化结果，应该也能作为文章发表出来。如果再经过深入挖掘，说不定就会有更多机制上的内容被挖掘到也说不定呢。总之，再次感谢“永不言弃”童鞋，谢谢！请大家也毫不吝惜地打赏他！好了，今天就先策到这里吧。

万事屋出售的课程及服务（点击下方即可查看，客服微信号阿可：zz76770309）

《meta简明教程》         《SCI写作教程》          《SCI制图》           《万事屋1元科研分享》        标书写作教程        松哥统计教程