GEO多个芯片联合分析，TCGA数据库，生存分析。。。

　　查找和下载数据
　　从GEO搜索关键字“（gastriccancer）ANDH〔porgn：txid9606〕”，得到胃癌相关的表达谱数据。对这些数据进行过滤，过滤掉没有重复试验的样品。接下来，阅读文献，找出研究正常人和癌症病人，或者癌组织与正常组织的比较的数据。下载这些数据的表达矩阵或CEL文件，用于后续的分析。
　　（本文分析为原创，转载或引用文中图片请联系楼主，谢谢。数据请勿直接引用。）
　　表1用于分析的数据
　　注：
　　S序列号
　　GEOGEOid
　　P芯片平台号
　　N正常样品数目
　　T癌症样品数目
　　R参考文献
　　数据处理
　　对于芯片表达值数据，直接从GEO下载数据，对于没有取log的值，进行取log处理。对于CEL文件，使用affy包读取CEL文件的表达量数据。在同一芯片内，如果一个基因有多个探针，取所有探针的平均值作为基因的表达值。
　　差异表达
　　对于每个实验的数据，我们使用limma进行芯片之间的标准化，差异表达分析（每个实验的limma分析结果保存在01limma里面）。
　　每个实验数据做完limma分析之后，根据logFoldChange值对基因进行排序，然后进行Rank分析（adjustP0。05，矫正方法为bonferroni矫正法）。Rank方法的零假设是每个基因在每个实验中随机排序，如果某个基因在所有实验中，都排在前面，那么它的p值越小，是差异基因可能性越大。
　　通过Rank分析，我们共找到960个差异基因，其中458个上调基因，502个下调基因。
　　使用pheatmap绘制最上调和最下调的20个基因做热图，得到差异基因的热图。从图中可以看出，上调的基因基本在所有实验中logFC0，而下调的基因基本在所有的实验中logFC0。
　　表2差异基因列表
　　注：
　　Ngenesymbol
　　logFC每个实验差异logFC均值
　　P统计学p值
　　adjP校正后的p值
　　图1logFC热图
　　横坐标是geoid，纵坐标是基因名，红色代表logFC0，绿色代表logFC0，方框里面的数值代表logFC值。
　　TCGA验证差异基因
　　从TCGA下载胃癌level3的RNAseq数据，共xx个正常组织，xx个肿瘤组织。下载的数据是每个样品单个的FPKM文件，我们使用perl语言将所有的样品合并成一个矩阵，便于后续的分析。接下来，我们使用Wilcoxontests非参数检验对GEO数据库得到差异基因进行验证。
　　通过TCGA验证，我们共找到749个差异基因，其中320个上调基因，429个下调基因。
　　表3TCGA验证差异基因
　　注：
　　Ngenesymbol
　　logFC每个实验差异logFC均值
　　P统计学p值
　　adjP校正后的p值
　　生存分析
　　从TCGA下载生存数据，并将生存数据和差异基因表达数据整合在一起，做接下来的生存分析。使用survivalR包进行生存分析并绘制生存曲线，统计检验为logrank检验，过滤条件为P0。01。通过分析，共找到168个与胃癌生存相关的差异基因，结果保存在04TCGAsurvivalsurvival。xlsx里面。168个生存相关基因的生存曲线保存在04TCGAsurvivalpicture目录下。
　　图2生存分析
　　图中，横坐标是生存时间，纵坐标是总生存率，红色表达基因高表达组，蓝色代表低表达组。
　　GO富集分析
　　使用DAVID对目标靶基因进行GO功能富集分析，FDR0。05被作为筛选条件，我们共找到5个相关的GO，（即“extracellularspace”、“digestion”等），使用ggplot2R包绘制GO富集柱状图。5个相关GO表格和GO富集柱状图保存在diffSigGOGO。xls目录下。
　　图5GO富集结果
　　注：
　　T富集的GO
　　C差异基因落在Term的数目
　　PV富集统计学p值
　　FDR统计FDR值（falsediscoveryrate）
　　图3GO富集柱状图
　　横坐标是富集在GO的基因数目，纵坐标是富集的GO。颜色代表富集的统计学显著性，越蓝表示富集程度越高。
　　（本文分析为原创，转载或引用上面图片请联系楼主，谢谢。数据请勿直接引用。）
　　KEGG富集分析
　　使用KOBAS对差异基因进行KEGG通路富集分析，CorrectedPV0。05被作为筛选条件。我们共找到23个相关的KEGG，富集的表格保存在diffSigKEGGKEGG。xlsx目录下，最富集通路hsa04971图保存在diffSigKEGGhsa04971。png目录下。如果需要查看其它富集通路的通路图，可以打开差异diffSigKEGGKEGG。xlsx，点击相应通路的Hyperlink链接即可。
　　表6KEGG富集结果
　　注：
　　T富集的KEGG
　　IDKEGGID
　　PV富集统计学p值
　　CorrectedPV矫正后的p值
　　图4hsa04971通路图
　　绿色代表通路中的基因，红色代表我们输入的生存相关基因。
　　（本文分析为原创，转载或引用上面图片请联系楼主，谢谢。数据请勿直接引用。）
　　蛋白互作网络
　　使用String软件对生存相关基因构建蛋白互作网络，得到蛋白的相互作用关系。图1是蛋白互作网络图，图中圆圈代表蛋白，连线蛋白蛋白之间存在互作关系。使用R软件绘制互作网络邻接节点数目图，图2是每个蛋白的邻接节点数目，邻接节点数目越多，说明该基因位于蛋白互作网络的核心，对整个网络起的作用最关键。由图2可以看出，CFTR、SST、TIMP1等位于网络的最核心。蛋白互作网络图和互作网络邻接节点数目图、互作网络邻接节点数表格保存在diffSig蛋白互作网络目录下。
　　图5蛋白相互作用网络图
　　圆圈代表基因，线条代表基因间存在蛋白相互作用，圆圈内部的结果代表蛋白的结构。线头颜色代表证明蛋白之间存在相互作用的不同证据。（smallnodes：proteinofunknown3Dlargenodes：some3DAablacklinecoexpressionevidence。）
　　本文分析为原创，转载或引用上面图片请联系楼主，谢谢。数据请勿直接引用。