肖恩打算搜罗现有的提供生物信息相关的数据库、分析网站和工具，让不会代码的小伙伴们，也能在科研过程中，享受生物信息学带来的高效和风骚。
Bioinformatics is click away！
分类
渣渣本渣的研究主要集中在癌症生物标志物，虽然渣到不能在渣，也积累一些易上手的资源，适合做湿实验的同学把玩把玩（FYI，写代码的叫干实验，分子实验、细胞实验、动物实验等都是湿实验）。也由于领域的限制，对生物信息学的其他领域不太清楚，烦请看官见谅！
在本人常用的工具中，主要有以下几类：
- 基因注释数据库（NCBI，Ensembl，KEGG，String，Oncomine，Genecard）
- 基因表达数据库（TCGA，GEO，METABRIC，GTEx, PHA）
- 序列比对（pair-wise alignment，blast）
- 生存分析 （KM-plotter）
- 表达分析(GEPIA, GEO, cbioportal, firehouse)
- 基因功能分析（Metascape, David, GeneMinia）
...
今天主要来讲讲这个GEPIA，其他网站以后慢慢更新
GEPIA 介绍
为什么先将这个网站呢？
因为这是目前为止，我发现的，最简单，功能非常丰富的一个网站，而且访问速度也快，是北大一个实验室搭建的，是无码生信家族中最福的音。
GEPIA 大名为 Gene Expression Profiling Interactive Analysis (http://gepia.cancer-pku.cn/)，主要介绍以下功能：（这是2020年4月的情况，该网站还在不断更新）
- Expression Profile
- Boxplots
- Stage Plots
- Survival Analysis
- Correlation Analysis
- Differential Expression Analysis
- PCA
Expression Profile ：
进入首页，有个文本框，你可以选择输入基因名，Entrez ID或者 Ensembl ID
以gene GAPDH 为例，
- 你可以查看基因的在各器官的表达，像这样：
- 也可以查看不同癌症中病人该基因的表达量（红色是癌症样本，绿色是对应的癌旁样本），这张图片是可以自定义下载的，在后面会讲
大家这里注意一个问题，纵坐标是什么，是TPM，这是一种优于RPKM的表达定量方法，由于一个样本中所有基因的TPM和是1，相当于某基因占所有基因表达量的比例，所以可以用于不同组织之间的比较。而其他的FPKM，RPKM不能用于不同组织间的比较
- 还可以使用较为常见的柱状图为呈现：
尽管这个bar图可以下载，我们还是无法自由定义图片的长宽和颜色等，可能达不到放文章的要求，不如自己拿到数据自己画，那么数据在哪呢？
他的作图原理是服务器把基因相关的数据传到浏览器，浏览器通过plotly的js代码作图 （js作图一般都是可以缩放，拖拽，选区的），所以数据就在浏览器里，怎么获取呢？
你把鼠标放在bar图内部，右击，应该会有一个 View frame source，单击，你就可以获得这个frame的源代码
你可以使用origin或者其他你顺手的软件，自己作图咯! 如果你还不知道怎么使用origin，下面是我前期的文章，可以简单参考 Origin科研绘图 https://www.jianshu.com/p/febf31d6b1f6
- 该页面的最后是一张表，是与该基因表达有相关性的基因列表，PCC列是pearson相关系数(Pearson Correlation Coefficient). 相似的表达可能预示着基因之间有相近的功能
TPM 散点图 获取 (Profile)
刚才我说，不同癌症中病人该基因的表达量散点图可以下载，但不在刚才的页面下。在这个页面的开头 有Expression DIY - Profile ，他不仅提供下载，居然还可以自定义要绘制的散点图的基因和癌症种类，贴心
PS：
- svg是一种无损的可缩放矢量图形，浏览器打开，至于怎么转化为位图文件，众里寻他请百度。
- svg作为一个矢量图，其实本质貌似和html代码很像，大家可以F12获取图片背后的数据
这里面的cy就是每个病人的基因表达量，想自己画图的可以取用（并不建议）
Boxplots：
boxplot，能提供了某个基因在不同癌症中的表达量的数据，这个网站有两种方法可以进入boxplot页面
- 在首页，输入的文本框下面有boxplot
- 在刚才的expression profile 页面 开头 有Expression DIY - boxplot
进入页面后，可以指定基因和不同的癌症数据
下图是GAPDH在乳腺癌和卵巢癌的转录组表达
数据和之前的barplot和散点图很像。但这个图提供直接下载，还计算了p值
| p | 星星数 | 标志 |
|---|---|---|
| 0.01 < p < 0.05 | 一颗星 | * |
| 0.001 < p < 0.01 | 两颗星 | ** |
| p < 0.001 | 三颗星 | *** |
如果对p值还不清楚的小伙伴，请移步往期文章，了解统计的魅力吧 假设检验 以及 qPCR数据处理应用 https://www.jianshu.com/p/939832aed739
ps： GAPDH（甘油醛-3-磷酸脱 氢酶 ） 是参与糖酵解的一 种关键酶, 是常用的内参，在癌症中，内参的表达都上调了这么多，如此显著，可见qPCR时对内参的调平是相当重要的，而内参的变化这么大，是不是也侧面反映，qPCR不能用于不同样本/组织间的对比呢，欢迎大家讨论
Stage Plots
能提供了某个基因在癌症的不同阶段的表达量的数据，和boxplot一样，也有两种方法可以进入页面，stageplot使用的这种图其实是boxplot 和 violin plot的合体，violin plot它可以展示出数据在Y轴上的density，形似violin而得名，如果该阶段的基因有差异表达，那么该基因也许与癌症进展有关。
GAPDH在乳腺癌和卵巢癌中不同阶段的转录组表达
多基因的热图
Expression DIY 的最后一项，是绘制不同基因在不同的癌症中的表达量的热图，这个图也是plotly画的，所以他的原始数据，你也可以图中右击 view frame source 取得
这图真心不好看，大家可以取出数据，放Excel里，用条件格式画，
方法我以前讲过，这里有 直通车https://www.jianshu.com/p/60eed1bcbc42
Survival Analysis
生存分析的这个图，学名叫 Kaplan Meier plot （KM plot）。在survival页面下，可以定义基因，癌症，OS/DFS，cutoff等。
根据cutoff，会把病人分成两群， survival plot 可以比较这两群病人的生存是否有显著差异。在医学研究中非常有用。
乳腺癌中GAPDH高/低表达病人的OS生存情况
他提供两种生存分析：
OS表示overall survival，就是病人无论什么原因死亡都算作死亡。
DFS表示 disease Free Survival，就是病人疾病复发或死亡都算作死亡。DFS比OS更加注重癌症的复发。
图中的其他数据的解释，这里篇幅有限，暂不解释。
生存基因的无中生有
有时候，我们可能并没有预先就有一个感兴趣的基因，而只是想找出某种癌症中所有有显著预后能力的基因，这时，可以使用，Survival Analysis 下的 Most Differential Survival Gene，他会返回一个基因列表，包含所有显著预后基因。
Correlation Analysis
这个就是之前的Pearson相关性，Similar页面只会返回top correlated genes， 如果需要找到指定的两个基因之间的PCC， 去correlation页面
Differential Expression Analysis
来到了最最经典的差异表达分析，可以分析不同癌症癌组织和正常组织间的差异基因，他会返回一个表，和一张图。这个图是差异基因在染色体上的位置，表是差异基因数据。
好消息，好消息：
如果你去这个网站首页，可以看到有一个GEPIA2(test)，这里面提供了自己上传转录组的表达量文件，他帮你分析差异基因的功能，真的是香气四溢。
PCA
PCA的全称是 Principal Component Analysis，是一种降维算法， 简单说来，他就是把高维数据投影到低维，并且做到程度保留数据的整体特征，如图，
PCA最直观的好处就是你可以把你的数据给画出来了，
比如，原来我有100个基因，10个样本，100 * 10 的矩阵，但是我怎么画出来呢，我们知道这10个样本之间，哪些比较接近，哪些相差很大呢？ PCA就可以办到
我们进入PCA页面，（由于不知道什么问题，这个页面抽风了，我用的GEPIA2的PCA - Dimensionality Reduction）
使用默认基因，选择 BRCA Normal、BRCA Tumor，这个数据画在2维平面如图：
PC1就是降维后的第一维，PC2 是第二维，我们可以明显的看到Tumor在一起，Normal样本在一起，也能侧面说明，我们选的这个基因（这里是默认基因），在这两种样本中，差异表达了，这些基因有区分癌症和正常样本的能力。
2020-04-07
