GEO數(shù)據(jù)庫(kù)全稱GENE EXPRESSION OMNIBUS，是由美國(guó)國(guó)立生物技術(shù)信息中心NCBI創(chuàng)建并維護(hù)的基因表達(dá)數(shù)據(jù)庫(kù)。它創(chuàng)建于2000年，收錄了世界各國(guó)研究機(jī)構(gòu)提交的基因表達(dá)數(shù)據(jù)（主要包括芯片表達(dá)數(shù)據(jù)，也包含一些高通量測(cè)序表達(dá)數(shù)據(jù)）。這里含有海量的公開(kāi)的免費(fèi)的數(shù)據(jù)，我們可以利用這些數(shù)據(jù)借助生物信息學(xué)工具再次挖掘這些數(shù)據(jù)，發(fā)表SCI論文。下面介紹一篇2019年發(fā)表的GEO數(shù)據(jù)挖掘套路文章。
文獻(xiàn)
文章今年（2019）發(fā)表在：Gene 上IF=2.6分左右。該文章發(fā)表的雜志影響因子雖然不高，分析的內(nèi)容呢也會(huì)少一些，但是對(duì)于生信數(shù)據(jù)挖掘剛剛?cè)腴T(mén)的生物汪來(lái)說(shuō)卻是一個(gè)非常好的入門(mén)級(jí)別的文章。
文章的目的是通過(guò)生物信息分析的方法，挖掘GEO和TCGA數(shù)據(jù)庫(kù)當(dāng)中的公開(kāi)數(shù)據(jù)，從而發(fā)現(xiàn)與直腸癌預(yù)后相關(guān)的biomarker，為直腸癌的診斷和治療提供分子診斷依據(jù)。
1.GEO和TCGA數(shù)據(jù)差異分析
作者在GEO數(shù)據(jù)庫(kù)當(dāng)中找到三個(gè)直腸癌相關(guān)的數(shù)據(jù)GSE32323, GSE74602, and GSE113513，分別做差異分析。然后，又下載TCGA當(dāng)中的直腸癌相關(guān)的轉(zhuǎn)錄組數(shù)據(jù)做差異分析，差異分析結(jié)果繪制火山圖（下圖 A）。對(duì)于4組數(shù)據(jù)當(dāng)中的差異基因按照上調(diào)基因（下圖B）和下調(diào)基因（下圖C）分別做韋恩圖，最終得到共有的上調(diào)基因57個(gè)和下調(diào)基因150個(gè)。
2.功能注釋富集分析
通過(guò)DAVID數(shù)據(jù)庫(kù)對(duì)差異基因進(jìn)行功能注釋和富集分析。GO富集分析發(fā)現(xiàn)，其中注釋到生物過(guò)程（BP）大類的差異基因主要富集的功能term包括：extracellular matrix (ECM) organization, platelet degranulation, response to wounding and extracellular matrix disassembly（下圖A）等等。KEGG通路分析發(fā)現(xiàn)差異基因主要集中在以下通路：Complement and coagulation cascades, ECM-receptor interaction and Sphingolipid metabolism（下圖D）。這些通路或者富集的功能很多都與直腸癌的發(fā)生發(fā)展相關(guān)。
3.蛋白互作網(wǎng)絡(luò)分析發(fā)現(xiàn)hub gene
將以上得到的共有的差異基因上傳到STRING蛋白互作數(shù)據(jù)庫(kù)，利用cytoscape軟件當(dāng)中的cytoHubba插件尋找 hub基因，最后取其中連通性最高的top10個(gè)基因構(gòu)建網(wǎng)絡(luò)，分別是:CCL19, CXCL1, CXCL5, CXCL11, CXCL12, GNG4, INSL5, NMU, PYY, SST（下圖）。
分析上面hub基因?qū)χ蹦c癌的診斷作用：再利用TCGA中的臨床數(shù)據(jù)，作者通過(guò)ROC分析發(fā)現(xiàn)這些hub基因?qū)χ蹦c癌的診斷具有很高的準(zhǔn)確性，10個(gè)基因（CCL19, CXCL1,CXCL5, CXCL11, CXCL12, GNG4, INSL5, NMU, PYY, and SST）的AUC值分別是：0.900, 0.927, 0.869, 0.863, 0.980, 0.682, 0.903, 0.790, 0.995, and 0.989。
4.生存分析及預(yù)后分析
通過(guò)單因素Cox回歸分析，作者共發(fā)現(xiàn)了 32個(gè)基因與直腸癌的預(yù)后相關(guān)，再通過(guò)多因素Cox分析，最終確定9個(gè)基因與直腸癌的預(yù)后強(qiáng)烈相關(guān)，可以作為直腸癌預(yù)后的標(biāo)志分子并建立預(yù)后模型 (-0.1068×SLC4A4) ＋(-0.2564×NFE2L3)+(0.2082×GLDN) +(0.0834×PCOLCE2) +(0.3424×TIMP1)+(0.1149×CCL28) +(-0.0991×SCGB2A1) +(-0.1080×AXIN2) +(-0.1516×MMP1)。Kaplan-Meier曲線顯示，模型預(yù)測(cè)的低風(fēng)險(xiǎn)組與高風(fēng)險(xiǎn)組相比，高風(fēng)險(xiǎn)組患者的死亡風(fēng)險(xiǎn)明顯高于低風(fēng)險(xiǎn)組（下圖A），ROC曲線對(duì)于5年生存預(yù)測(cè)風(fēng)險(xiǎn)評(píng)分的AUC值為0.741（下圖B），模型對(duì)直腸癌的預(yù)后效果很好。
5.方法總結(jié)
文章中使用的數(shù)據(jù)來(lái)源有兩個(gè)，一個(gè)是GEO當(dāng)中的直腸癌相關(guān)的芯片數(shù)據(jù)，第二個(gè)是TCGA數(shù)據(jù)庫(kù)當(dāng)中直腸癌的轉(zhuǎn)錄組測(cè)序數(shù)據(jù)。兩個(gè)數(shù)據(jù)集分別做差異分析，然后取交集得到最終的差異基因集，將這些差異基因提交到DAVID數(shù)據(jù)庫(kù)做差異基因的功能富集分析，發(fā)現(xiàn)差異基因所在通路或者功能與直腸癌相關(guān)。通過(guò)蛋白互作網(wǎng)絡(luò)分析找到hub基因，與直腸癌的診斷相關(guān)，最后通過(guò)Cox回歸分析找到與直腸癌預(yù)后相關(guān)的基因，并建立預(yù)后模型，并檢驗(yàn)該模型具有很好的預(yù)后準(zhǔn)確性。
文章套路很簡(jiǎn)單，沒(méi)有做任何的實(shí)驗(yàn)，分析內(nèi)容也不多，對(duì)于剛剛?cè)腴T(mén)的生信小白來(lái)說(shuō)是很好的練手范例。數(shù)據(jù)挖掘發(fā)文是投入產(chǎn)出比最高的發(fā)文思路了，可以說(shuō)只要你會(huì)生物信息投入的成本就只有時(shí)間了。
更多技能學(xué)習(xí)鏈接：
http://m.study.163.com/provider/400000000234009/index.htm?share=1&shareId=1031484705
更多生物信息課程：
1. 文章越來(lái)越難發(fā)？是你沒(méi)發(fā)現(xiàn)新思路，基因家族分析發(fā)2-4分文章簡(jiǎn)單快速，學(xué)習(xí)鏈接：基因家族分析實(shí)操課程、基因家族文獻(xiàn)思路解讀
2. 轉(zhuǎn)錄組數(shù)據(jù)理解不深入？圖表看不懂？點(diǎn)擊鏈接學(xué)習(xí)深入解讀數(shù)據(jù)結(jié)果文件，學(xué)習(xí)鏈接：轉(zhuǎn)錄組（有參）結(jié)果解讀；轉(zhuǎn)錄組（無(wú)參）結(jié)果解讀
3. 轉(zhuǎn)錄組數(shù)據(jù)深入挖掘技能-WGCNA，提升你的文章檔次，學(xué)習(xí)鏈接：WGCNA-加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析
4. 轉(zhuǎn)錄組數(shù)據(jù)怎么挖掘？學(xué)習(xí)鏈接：轉(zhuǎn)錄組標(biāo)準(zhǔn)分析后的數(shù)據(jù)挖掘、轉(zhuǎn)錄組文獻(xiàn)解讀
5.微生物16S/ITS/18S分析原理及結(jié)果解讀、OTU網(wǎng)絡(luò)圖繪制、cytoscape與網(wǎng)絡(luò)圖繪制課程
6. 生物信息入門(mén)到精通必修基礎(chǔ)課，學(xué)習(xí)鏈接：linux系統(tǒng)使用、perl入門(mén)到精通、perl語(yǔ)言高級(jí)、R語(yǔ)言畫(huà)圖
7. 醫(yī)學(xué)相關(guān)數(shù)據(jù)挖掘課程，不用做實(shí)驗(yàn)也能發(fā)文章，學(xué)習(xí)鏈接：TCGA-差異基因分析、GEO芯片數(shù)據(jù)挖掘、GSEA富集分析課程、TCGA臨床數(shù)據(jù)生存分析、TCGA-轉(zhuǎn)錄因子分析、TCGA-ceRNA調(diào)控網(wǎng)絡(luò)分析
8.其他課程鏈接：二代測(cè)序轉(zhuǎn)錄組數(shù)據(jù)自主分析、NCBI數(shù)據(jù)上傳、二代測(cè)序數(shù)據(jù)解讀。
