测序技术的发展及数据挖掘工具的开发，让肿瘤诊疗研究从临床解剖病理特征模式到分子分型模式，再到精准个体化模式演变。以“红颜杀手”乳腺癌为例，最近的研究或多或少都会涉及多组学及其数据挖掘。今天小编给大家汇总了一波乳腺癌多组学数据和超实用数据分析工具。
多组学数据
中国乳腺癌基因组图谱
2020年11月，来自中国的研究团队在《Nature Communications》发布中国乳腺癌最大的基因组图谱、突变特征和潜在的分子靶点的数据，对中国乳腺癌患者精确治疗的临床意义和转化价值有重要的指导意义。
中国乳腺癌的基因组格局和特征
上述研究的测序数据已保存在NODE数据库中，数据编号：OEP001027。FUSCC-BC序列数据也存放在SRA数据库中，数据编号：SRP282257、SRP282270和SRP282290。本次研究所有代码和脚本都可以在如下链接获取：https://github.com/ninnywolf/FUSCC-PCMC-BRCA-target-sequencing.git.
迄今最大规模乳腺癌蛋白组学分析
基于质谱的蛋白质组学与新一代DNA和RNA测序的整合，可以更全面地描绘肿瘤。2020年11月，《Cell》发表迄今最大规模乳腺癌蛋白组学分析，研究团队深入了解了乳腺癌的生物学复杂性，并在此基础上，对已知的靶标提出更精确的诊断方法，开发侵袭性肿瘤的新治疗方法，并揭示乳腺癌耐药性的新机制。
图解摘要
上述研究中的蛋白质组学原始数据集和表征数据集可通过CPTAC(https://cptac-data-portal.georgetown.edu/study-summary/S060)和蛋白质组学数据共享网站（https://pdc.cancer.gov/pdc/）获取。
乳腺肿瘤微环境中不同免疫表型的单细胞图谱
2018年6月，来自的研究团队在《Cell》发表研究成果：通过对乳腺肿瘤免疫微环境的单细胞分析和计算机分析，绘出乳腺癌T淋巴细胞活化和分化情况的免疫分布图。该研究结果表明T细胞连续活化分布模式并不符合癌症巨噬细胞极化分布模式，该结果对于明确肿瘤浸润免疫细胞特征具有重要意义。
图解摘要
此项研究的测序数据可以在GEO数据库下载，数据编号：GSE114727、GSE114725和GSE114725。研究中涉及的分析流程SEQC和Biscuit可分别通过如下链接获取：https://github.com/ambrosejcarr/seqc；https://github.com/sandhya212/BISCUIT_SingleCell_IMM_ICML_2016.
分析工具
BCCTBbp
BCCTBbp最初存储了从文献中挖掘的基因组学、甲基组学、转录组学、蛋白质组学和microRNA数据，并将其与乳腺癌相关的途径和机制连接起来，致力于最大限度地研究患者组织。目前，该门户拥有146个数据集，包括227795个不同乳腺组织(如正常、恶性或良性病变)、细胞系和体液的表达/基因组测量数据。BCCTBbp提供了两种挖掘方式：BCNTB:Miner和BCNTB:Analytics。
http://bioinformatics.breastcancertissuebank.org/
Breast Cancer Gene‑ExpressionMiner
Breast Cancer Gene‑ExpressionMiner 是一个基于web的工具，包括一个MySQL关系数据库。使用R统计软件和软件包进行生存分析。通过SSPs和SCMs进行分子分型。目前其已升级至V4.5版，用户可在线进行表达量分析（单因素、全因、个性化设置分析条件）、预后分析、相关性分析等。
http://bcgenex.ico.unicancer.fr
首发公号：国家基因库大数据平台
参考文献
[1] Lang, GT., Jiang, YZ., Shi, JX. et al. Characterization of the genomic landscape and actionable mutations in Chinese breast cancers by clinical sequencing. Nat Commun 11, 5679 (2020).
[2] Krug K, Jaehnig E J, Satpathy S, et al. Proteogenomic Landscape of Breast Cancer Tumorigenesis and Targeted Therapy[J]. Cell, 2020.
[3] Azizi E, Carr A J, Plitas G, et al. Single-cell map of diverse immune phenotypes in the breast tumor microenvironment[J]. Cell, 2018, 174(5): 1293-1308. e36.
[4] Cutts R J, Guerra-Assunção J A, Gadaleta E, et al. BCCTBbp: the breast cancer campaign tissue bank bioinformatics portal[J]. Nucleic acids research, 2015, 43(D1): D831-D836.
[5] Jézéquel P, Campone M, Gouraud W, et al. bc-GenExMiner: an easy-to-use online platform for gene prognostic analyses in breast cancer[J]. Breast cancer research and treatment, 2012, 131(3): 765-775.
图片来源于BCCTBbp、bc-GenExMiner官网和参考文献，如有侵权请联系删除。
