我就是用这神器随便挖一个TCGA
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。
因为知道你们对挖掘数据也未必感兴趣，反正大家可能也已经有自己的课题了，对挖掘数据库也没什么想法，这个也推动不了科学进步哈，所我也就只是随便给你们讲一下这个网页版的神器吧。网页版的好处就是，无论Mac还是Windows，都能用。
这个神器是用来挖掘芯片和二代测序数据的，不用太在意啦，就只是可以随便挖一个GEO和TCGA的数据，不是必考题。
当然我比较感兴趣的是TCGA，因为另一栏里的GEO数据我都挖好久了，所以还是看看TCGA，这里也只有二十多个测序数据可以挖吧。
我就随便挖个乳腺癌算了，看着样本量挺大的800多个样本。
点击确认选定的星号样本，然后是确认选定的星号基因数据。
给要分析的数据编个名字，反正就是挖着玩，就叫123好了。
当然，会自动形成这个什么芯片的样本情况的PCA等等的图，这个不重要啦。
然后选择“Normalization”，把样本均一化一下，反正是自动整的。
接着把数据切换到已均一化的这个数据里。
分一下样本组吧，雌激素受体阳性的，和阴性的，按照实际数据来就行了。
然后可以分析差异基因了，我用了Voom，顺便也用了Limma来分析，这都是常用的二代测序数据的差异基因分析算法，你要是懂R语言的话，这个应该都很熟悉，但不懂耶没关系，就直接点一下就行，反着就是随便挖挖，好简单的不是么？
limma的有点慢，voom的先出来了，这就是Voom计算获得的结果。
这都是可以导出的，导出的结果和GEO2R差不多。
当然也会有热图，就是色系差了点。
Limma的数据出来后，还会多一个火山图，是不是似曾相识？
计算获得的差异基因，可以直接进行……GSEA分析，点一下右上角的GSEA就行了。
差不多是什么“activiation of ATR in response to replication stress”、“cell cycle”之类的标签得到了富集吧，反正我随便挖挖的，无所谓啦。
只有GSEA？当然不是，这个还能分析WGCNA，信号通路，GO分析。我就随便分析了一些信号通路。
信号通路大概就是这样的结果。
下面是列表，反正细胞周期的好像蛮多。
接着我又随便做了一下GO分析，大概是上图这样……
好奇心驱使下，我还分析了一下生存曲线。反正雌激素受体阳性的，存活率应该是高蛮多了吧。
…华丽丽的分割线…
李莫愁博士：这么多天下来，发觉大家对挖掘数据根本不感兴趣。所以这篇TCGA的数据，我就挖得很随意。因为估计大家也不想知道这个神器是啥，也不想让大家昧着良心来夸右叔，就隐去这个神器的名字了。ps：即使知道了也未必能正常使用，即使能正常使用，也未必能分析出结果，做这个，我也是失败了很多次，才摸索出这个神器使用方法的，根本不能看它自带的教程，走了不少弯路。除了分析TCGA，还能分析GEO，甚至是你自己的数据，它也能进行分析，只要Import就行了。
R语言固然好，但终究会被轻工具来取代的，就好比有了手机，谁还回去邮局发电报呢？这个神器，省了多少个R包呢？好了，有想挖数据的，那自己想办法去找右叔，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：wsw76770309）
《标书写作教程》
《松哥统计教程》
《科研小软件应用》，即万事神器
《正版特价书》