保姆式教程|TCGA+GEO单基因生信SCI，手把手带你复现

绝无仅有的3分+文章的最快方式

更多生信干货知识

私信我回复“数据库”即可免费领取哦

从小白的角度，一刻钟复现生信套路。各位小伙伴大家好，这里是美丽专栏。

今天为大家带来一篇2019年1月份发表于Hum Pathol（影响因子：2.735）的单基因生信文章套路复现。文章复现是生信小白成长为大神的最佳路径。在本篇文章中，美丽将会手把手教您3图3表逐个步骤的文章复现。

话不多说，我们开始吧！

题目：MMP14 predicts a poor prognosis in patients with colorectal cancer

材料与方法一：患者数据收集情况

分别从TCGA数据库和GEO数据库中的GSE39582数据集中获取MMP14表达矩阵和相关的临床数据，对应的分别计算总体生存率（OS）和无病生存率（RFS）。

注：不同版本的TCGA数据，有可能获取的患者的样本例数不一致，因为TCGA数据库一直处于更新过程中。所以看到生信文章中TCGA里同一个癌种的患者样本数不一致，大家也不要奇怪，有可能就是版本不同导致的。大家做生信分析的时候，尽量选择TCGA数据库中的最新版本的数据进行下载

材料与方法二：图表结果及复现

01

使用工具

1）仙桃学术工具（
https://www.xiantao.love/products）

2）GEO数据库（
https://www.ncbi.nlm.nih.gov/gds）

3）HPA数据库（
https://www.proteinatlas.org/）

02

复现任务

1）Table1 结直肠癌患者的基线资料表(测试集)

2）Table2 结直肠癌患者的单因素/多因素分析(测试集)

3）Table3 单因素和多因素的临床变量与预后（Disease Free Survival）关联的Cox回归分析

4）Figure1 在TCGA数据库中，分析结直肠癌中MMP14的差异表达情况。

5）Figure2 在TCGA数据库和GEO数据集中，分析结直肠癌患者MMP14高表达的生存分析（OS+RFS）。

6）Figure3 免疫组化检测结直肠癌患者，MMP14在癌与癌旁的表达。

7）Figure4 在测试集中，结直肠癌患者MMP14的高表达患者生存分析（OS+DFS）。

03

复现步骤

1）Table1 结直肠癌患者的基线资料表(测试集)

注：本部分由于作者采用的是自己的样本信息，但是我们复现是没有患者信息的，因此，我们选择TCGA的临床患者信息进行代替。

? 跟大家说一个好消息，心心念念的GEO数据，在3月份会上线哦~大家再期待一下下。

复现步骤

进入仙桃学术工具（https://www.xiantao.love/products）；选择高级版，点击“立即使用”（注：免费版和基础版都可以进行统计和可视化，由于高级版功能最全，这里选择高级版作为范例）

选择临床意义（靠）- 基线资料表，点击进入

选择疾病—结直肠癌

选择表达矩阵的数据格式为FPKM。一共有521例样本。由于版本的不同导致的，仙桃学术是调用的最新版的TCGA表达和临床信息。优先选择最新版本的数据库更新数据。

在分子框内点击一下，输入基因名MMP14。

⑥选择第一个基因。

温馨提示:在疾病下拉框中，收录了结肠癌，直肠腺癌，以及结直肠癌三类信息，可供大家根据不同的目的进行选择。

⑦ 点击确认。

⑧ 点击基本参数，在表格格式中有“纯基线资料表”“列联表”“列联表-简洁版”可供选择。根据本文，选择列联表-简洁版。

温馨提示:由于TCGA数据库的临床资料获取容易，所以如果按照整体数据集进行基线资料表分析，非常容易与其他文献“撞车”，所以，现在为了避免与他人结果重复，我们会选择以基因表达差异进行分组，观察基因的表达变化对临床不同变量的作用。

分类变量这里把所有的变量都选上。

其他结果按默认选项保持不变（当然也可以根据实际需要选择，当你拿不准是否需要调整时，一个是可以根据已经发表的文献进行参数调整；一个可以选择默认参数也是没问题的）。点击确认。

结果保存。这里有“保存结果“”Excel表格下载“”CSV表格下载““Word表格下载”等多种结果保存形式。雪球推荐先点击保存结果，输入分析名称，比如“基线资料表”，然后点击确定。这样在历史记录中就会保存有这个结果，留待以后的调整修改。

在历史记录中的第一条“基线资料表”中就有我们刚才保存到 云端的数据啦。后续需要调整分析可以在历史记录这一栏里追溯回来。

同时，也推荐点击Word表格下载。下载后会出现这样的word文档展示页面。一键式发表级的三线表就完成了。该表可以直接应用于文章发表。

2）Table2 结直肠癌患者的单因素/多因素分析(测试集)

复现步骤

①选择临床意义（靠）-预后分析-单因素|多因素COX回归分析

②选择结直肠癌-FPKM数据集

③根据作者表格中罗列的信息，按顺序逐一进行添加

④由于作者选择OS进行分析，因此我们在参数中，也选择OS（默认即可）

⑤点击确认，并保存结果

这里有“保存结果“”Excel表格下载“”CSV表格下载““Word表格下载”等多种结果保存形式。雪球推荐先点击保存结果，输入分析名称，比如“多因素分析”，然后点击确定。这样在历史记录中就会保存有这个结果，留待以后的调整修改。

在历史记录中的第一条“多因素分析”中就有我们刚才保存到 云端的数据啦。后续需要调整分析可以在历史记录这一栏里追溯回来。

同时，也推荐点击Word表格下载。下载后会出现这样的word文档展示页面。一键式发表级的三线表就完成了。该表可以直接应用于文章发表。

3）Table3 单因素和多因素的临床变量与预后（Disease Free Survival）关联的Cox回归分析

复现步骤

前面步骤同表2，区别是在参数中，将OS调整为其他生存结果。

（小贴士：工具中虽然没有提供DFS的结果，但是可以选择DSS进行代替。虽然预后指标包含很多，如OS，DFS,DSS,PFI等，但是我们自己在进行分析的时候，选择其中的1-2个指标即可，不需要全部预后结果都进行分析的。）

点击确认，并保存结果

在历史记录中的第一条“多因素分析2”中就有我们刚才保存到云端的数据啦。后续需要调整分析可以在历史记录这一栏里追溯回来。

同时，也推荐点击Word表格下载。下载后会出现这样的word文档展示页面。一键式发表级的三线表就完成了。该表可以直接应用于文章发表。

4）Figure1 在结直肠癌中MMP14的差异表达情况。A：正常组和肿瘤组对比；B：TCGA数据库的I、II和III期比较。C：GSE数据集中分析I、II和III期的差异表达。

复现步骤

图A

复现步骤

①进入仙桃学术工具（https://www.xiantao.love/products）；选择高级版，点击“立即使用”（注：免费版和基础版都可以进行统计和可视化，由于高级版功能最全，这里选择高级版作为范例）

②选择表达差异（挑）中的非配对样本，点击进入。

③选择结肠癌，FPKM数据格式。

温馨提示：仙桃工具除了原文中的TCGA数据集单独分析，还提供了联合GTEx数据库。既Genotype-Tissue Expression，收集正常人因为意外去世的尸体解剖的样本，比如大家很熟悉的GEPIA数据库，也是应用GTEx进行联合分析哦。在TCGA收集的某些癌种癌症组织数据中正常数据不足的时候，把GTEx纳入进来，分析的结果更为准确）

④在类型中选择“点图”，点击输入分子“MMP14”。

⑤点击确认。

⑥进一步设置散点大小

⑦再次点击确认出图

⑧得出分析的图之后，还有对统计结果的统计分析结果和分析方法的描述。可以直接应用于生信文章中材料与方法与结果部分的写作。

⑨点击保存。可以选择“保存结果“把图片保存到历史记录中（建议后续需要拼图的图片选择这一步，可以后续直接拼图工具那里进行拼图）；同时可以选择pdff图片下载，TIFF300下载，TIFF600下载；PPT图片下载任意一种。

图B

复现步骤

①选择临床意义-临床相关性，点击进入。

②选择结直肠癌，FPKM数据格式。

③选择临床T stage分期

④在类型中选择“点图”，点击输入分子“MMP14”。

⑤点击确认。

⑥进一步设置散点大小，去掉图中无统计意义的分组

⑦再次点击确认出图

⑧得出分析的图之后，还有对统计结果的统计分析结果和分析方法的描述。可以直接应用于生信文章中材料与方法与结果部分的写作。

⑨点击保存。可以选择“保存结果“把图片保存到历史记录中（建议后续需要拼图的图片选择这一步，可以后续直接拼图工具那里进行拼图）；同时可以选择pdff图片下载，TIFF300下载，TIFF600下载；PPT图片下载任意一种。

图C

复现步骤

百度检索GEO数据库，选择Datasets

或者直接进入GEO数据库（https://www.ncbi.nlm.nih.gov/gds），在GEO DataSets的检索框中输入GSE39582

点击第一个，在新页面中下载表达矩阵文件。

用EXCEL文件打开矩阵

第一列为探针名，我们需要根据探针编号，找到MMP14基因。

本套数据使用GPL570芯片，因此，下载GPL570芯片信息。

点击Download即可进行下载。

依然是使用EXCEL打开文件

使用查找功能，找到MMP14对应的探针名：160020_at

打开GSE39582矩阵，找到160020_at对应的表达值

找到不同组别的信息

整理矩阵信息

在表格中新建一列，根据设计描述内容，将598例样本，分成I-443例，II-123例，III-19例放入其中

选择仙桃工具-基础绘图-散点图，点击上传

点击确认出图

进一步设置散点大小，去掉图中无统计意义的分组

再次点击确认出图

得出分析的图之后，还有对统计结果的统计分析结果和分析方法的描述。可以直接应用于生信文章中材料与方法与结果部分的写作。

温馨提示：虽然我们可以使用Prism工具进行作图，并计算统计分析，但是新手拿到这类软件，需要至少三天的时间摸索，才能学会如何选择模块，以及统计分析。但是，使用仙桃工具，我们只需要将数据按照示例格式准备好，就可以一键出图，连统计结果都给你算得妥妥的~

点击保存。可以选择“保存结果“把图片保存到历史记录中（建议后续需要拼图的图片选择这一步，可以后续直接拼图工具那里进行拼图）；同时可以选择pdff图片下载，TIFF300下载，TIFF600下载；PPT图片下载任意一种。

接下来，我们将利用拼图工具，将图A，图B，图C进行拼接。

选择拼图工具

将左侧保存的图，根据需要，拖拽到右侧的全版图页面

随后调整图片位置

温馨提示：拼图工具，默认打开吸附对齐辅助线，所以当两张图片距离较近时，会自动添加吸附线，以及进行对齐。比某拼图软件，先设置辅助线，再手动对齐的操作更加方便快捷。

整理完成，点击保存为PDF，即可进行预览及图片的保存。当然，也有TIFF格式可供选择。

PDF预览图

Figure2 在TCGA数据库和GEO数据集中，分析结直肠癌患者MMP14高表达的生存分析（OS）。

复现步骤

①临床意义-预后分析-KM曲线，点击进入。

②选择结直肠癌，FPKM数据格式。

③点击输入分子“MMP14”。预后参数为OS。

温馨提示：除了OS外，工具中还提供了DSS、PFI的结局变量。

④点击确认。

⑤得出分析的图之后，还有对统计结果的统计分析结果和分析方法的描述。可以直接应用于生信文章中材料与方法与结果部分的写作。

⑥点击保存。可以选择“保存结果“把图片保存到历史记录中（建议后续需要拼图的图片选择这一步，可以后续直接拼图工具那里进行拼图）；同时可以选择pdff图片下载，TIFF300下载，TIFF600下载；PPT图片下载任意一种。

其余步骤同上，将预后参数设置为DSS。

点击确定，出图

保存结果，并利用仙桃工具中绘制图2。

Figure3 免疫组化检测结直肠癌患者，MMP14在癌与癌旁的表达。

复现步骤

打开HPA网站（ https://www.proteinatlas.org/），在检索框中输入MMP14分子

出现的六个模块，分别是组织样本，单细胞分析，病理图谱，脑图谱，血液图谱，以及细胞图谱。我们首先分析肿瘤组织，所以选择病理图谱。

点击Pathology

在疾病中选择COLORECTAL CANCER

选择高表达组织（右侧图）

右键点击另存为肿瘤高表达图1.

在图片左上角，有一个“+”，点击即可放大页面

随后再点击保存，命名为肿瘤高表达图2

同样的操作，选择肿瘤低表达图片并进行保存。

在AI中制作拼图

接下来，选择TISSUE（正常组织），寻找正常组织的MMP14表达情况

选择RECTUM直肠组织。

两个抗体对应两种表达情况，所以我们分别选择一个，随后按照前面的演示，进行图片的保存。并上传至仙桃工具中，进行后续的图片拼接。

最终在AI中获取拼图结果

Figure4 在测试集中，结直肠癌患者MMP14的高表达患者生存分析（OS+DFS）。

由于本部分为作者自己的数据，尚不能在数据库中检索到，如果想复现，需要跟作者联系，获取资料。

当然，如果我们自己有数据的话，也可以使用仙桃工具的免费版，直接按照示例数据进行整理，就可以一键出图啦~

回顾一下，本文利用TCGA、GEO以及作者自己的病人样本，三部分数据进行生物信息学分析，包括使用TCGA数据库进行单因素/多因素

我们再来根据本文的图表进行逻辑梳理：

靠1）Table1 结直肠癌患者的基线资料表(测试集)

靠2）Table2 结直肠癌患者的单因素/多因素分析(测试集)

靠3）Table3 单因素和多因素的临床变量与预后（Disease Free Survival）关联的Cox回归分析

挑4）Figure1 在TCGA数据库中，分析结直肠癌中MMP14的差异表达情况。

靠5）Figure2 在TCGA数据库和GEO数据集中，分析结直肠癌患者MMP14高表达的生存分

析（OS+RFS）。

挑&靠6）Figure3 免疫组化检测结直肠癌患者，MMP14在癌与癌旁的表达。

靠7）Figure4 在测试集中，结直肠癌患者MMP14的高表达患者生存分析（OS+DFS）。

作者首先利用自己的数据样本，制作结直肠癌患者的基线资料表，随后进行单因素/多因素分析，并分期单因素和多因素的临床变量与预后（Disease Free Survival）关联的Cox回归分析。进一步，作者在TCGA数据库中，分析结直肠癌中MMP14的差异表达情况，并且利用TCGA数据库和GEO数据集中，分析结直肠癌患者MMP14高表达的生存分析（OS+RFS）；接下来利用HPA数据库，分析结直肠癌患者，MMP14在癌与癌旁的蛋白表达。最终，在作者的样本中，分析结直肠癌患者MMP14的高表达患者生存分析（OS+DFS）。

温馨提示：临床资料常见研究套路，三表一图，即基线资料表，单因素分析表，多因素分析表，及生存曲线图。

本文将临床资料用到极致，可以说，是一个“靠”字闯天涯。

生信文章发表，高分可能需要技巧，但是3分的文章，还是套路感满满的，希望在美丽的指导下，能够带领大家轻松发表生信文章。

上面一套步骤走下来，刚沏的茶都没凉，大家赶紧操练起来吧，我喝茶去了，我们下期再见~

—END—