GEO數(shù)據(jù)庫全稱GENE EXPRESSION OMNIBUS捆毫，是由美國國立生物技術(shù)信息中心NCBI創(chuàng)建并維護的基因表達數(shù)據(jù)庫。它創(chuàng)建于2000年，收錄了世界各國研究機構(gòu)提交的基因表達數(shù)據(jù)（主要包括芯片表達數(shù)據(jù)，也包含一些高通量測序表達數(shù)據(jù)）停撞。這里含有海量的公開的免費的數(shù)據(jù)，我們可以利用這些數(shù)據(jù)借助生物信息學工具再次挖掘這些數(shù)據(jù)悼瓮，發(fā)表SCI論文戈毒。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
文章今年（2019）發(fā)表在：Gene 上IF=2.6分左右横堡。該文章發(fā)表的雜志影響因子雖然不高埋市，分析的內(nèi)容呢也會少一些，但是對于生信數(shù)據(jù)挖掘剛剛?cè)腴T的生物汪來說卻是一個非常好的入門級別的文章命贴。
文章的目的是通過生物信息分析的方法道宅，挖掘GEO和TCGA數(shù)據(jù)庫當中的公開數(shù)據(jù)食听，從而發(fā)現(xiàn)與直腸癌預后相關(guān)的biomarker，為直腸癌的診斷和治療提供分子診斷依據(jù)污茵。
1.GEO和TCGA數(shù)據(jù)差異分析
作者在GEO數(shù)據(jù)庫當中找到三個直腸癌相關(guān)的數(shù)據(jù)GSE32323, GSE74602, and GSE113513樱报，分別做差異分析。然后泞当，又下載TCGA當中的直腸癌相關(guān)的轉(zhuǎn)錄組數(shù)據(jù)做差異分析迹蛤，差異分析結(jié)果繪制火山圖（下圖 A）。對于4組數(shù)據(jù)當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）分別做韋恩圖襟士，最終得到共有的上調(diào)基因57個和下調(diào)基因150個盗飒。
2.功能注釋富集分析
通過DAVID數(shù)據(jù)庫對差異基因進行功能注釋和富集分析。GO富集分析發(fā)現(xiàn)陋桂，其中注釋到生物過程（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）等等逆趣。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)嗜历。
3.蛋白互作網(wǎng)絡分析發(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)庫宣渗，利用cytoscape軟件當中的cytoHubba插件尋找 hub基因，最后取其中連通性最高的top10個基因構(gòu)建網(wǎng)絡梨州，分別是:CCL19, CXCL1, CXCL5, CXCL11, CXCL12, GNG4, INSL5, NMU, PYY, SST（下圖）痕囱。
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確性摊唇，10個基因（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.生存分析及預后分析
通過單因素Cox回歸分析涯鲁，作者共發(fā)現(xiàn)了 32個基因與直腸癌的預后相關(guān)巷查，再通過多因素Cox分析，最終確定9個基因與直腸癌的預后強烈相關(guān)抹腿，可以作為直腸癌預后的標志分子并建立預后模型 (-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)岛请。Kaplan-Meier曲線顯示，模型預測的低風險組與高風險組相比警绩，高風險組患者的死亡風險明顯高于低風險組（下圖A）崇败，ROC曲線對于5年生存預測風險評分的AUC值為0.741（下圖B），模型對直腸癌的預后效果很好肩祥。
5.方法總結(jié)
文章中使用的數(shù)據(jù)來源有兩個后室，一個是GEO當中的直腸癌相關(guān)的芯片數(shù)據(jù)，第二個是TCGA數(shù)據(jù)庫當中直腸癌的轉(zhuǎn)錄組測序數(shù)據(jù)混狠。兩個數(shù)據(jù)集分別做差異分析岸霹，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)庫做差異基因的功能富集分析将饺，發(fā)現(xiàn)差異基因所在通路或者功能與直腸癌相關(guān)贡避。通過蛋白互作網(wǎng)絡分析找到hub基因痛黎，與直腸癌的診斷相關(guān)，最后通過Cox回歸分析找到與直腸癌預后相關(guān)的基因刮吧，并建立預后模型湖饱，并檢驗該模型具有很好的預后準確性。
文章套路很簡單杀捻，沒有做任何的實驗井厌，分析內(nèi)容也不多，對于剛剛?cè)腴T的生信小白來說是很好的練手范例水醋。數(shù)據(jù)挖掘發(fā)文是投入產(chǎn)出比最高的發(fā)文思路了旗笔，可以說只要你會生物信息投入的成本就只有時間了。
更多技能學習鏈接：
http://m.study.163.com/provider/400000000234009/index.htm?share=1&shareId=1031484705
更多生物信息課程：
1. 文章越來越難發(fā)拄踪？是你沒發(fā)現(xiàn)新思路蝇恶，基因家族分析發(fā)2-4分文章簡單快速，學習鏈接：基因家族分析實操課程惶桐、基因家族文獻思路解讀
2. 轉(zhuǎn)錄組數(shù)據(jù)理解不深入撮弧？圖表看不懂？點擊鏈接學習深入解讀數(shù)據(jù)結(jié)果文件姚糊，學習鏈接：轉(zhuǎn)錄組（有參）結(jié)果解讀贿衍；轉(zhuǎn)錄組（無參）結(jié)果解讀
3. 轉(zhuǎn)錄組數(shù)據(jù)深入挖掘技能-WGCNA，提升你的文章檔次救恨，學習鏈接：WGCNA-加權(quán)基因共表達網(wǎng)絡分析
4. 轉(zhuǎn)錄組數(shù)據(jù)怎么挖掘贸辈？學習鏈接：轉(zhuǎn)錄組標準分析后的數(shù)據(jù)挖掘、轉(zhuǎn)錄組文獻解讀
5.微生物16S/ITS/18S分析原理及結(jié)果解讀肠槽、OTU網(wǎng)絡圖繪制擎淤、cytoscape與網(wǎng)絡圖繪制課程
6. 生物信息入門到精通必修基礎課，學習鏈接：linux系統(tǒng)使用秸仙、perl入門到精通嘴拢、perl語言高級、R語言畫圖
7. 醫(yī)學相關(guān)數(shù)據(jù)挖掘課程寂纪，不用做實驗也能發(fā)文章席吴，學習鏈接：TCGA-差異基因分析、GEO芯片數(shù)據(jù)挖掘捞蛋、GSEA富集分析課程孝冒、TCGA臨床數(shù)據(jù)生存分析、TCGA-轉(zhuǎn)錄因子分析拟杉、TCGA-ceRNA調(diào)控網(wǎng)絡分析
8.其他課程鏈接：二代測序轉(zhuǎn)錄組數(shù)據(jù)自主分析迈倍、NCBI數(shù)據(jù)上傳、二代測序數(shù)據(jù)解讀捣域。
