TCGA胃癌的數(shù)據(jù)批量做生存分析示例

PS：生存分析下載工具：http://gap./tool/7/

數(shù)據(jù)準(zhǔn)備

1、下載TCGA RNA-Seq數(shù)據(jù)，我們使用TCGA簡(jiǎn)易下載工具進(jìn)行下載，因?yàn)槲覀兪亲鲱A(yù)后所以就沒(méi)有顯著正常樣本，如圖共有407個(gè)樣本（這是包含所有可下載的樣本，要全部下載就將右上角的復(fù)選框全部取消勾選即可）：

下載完成，我們點(diǎn)擊合并文件功能進(jìn)行數(shù)據(jù)合并

因?yàn)镕PKM數(shù)據(jù)區(qū)間跨度太大，我們將其轉(zhuǎn)換成TPM,使用TCGA RNA-Seq歸一化工具

轉(zhuǎn)換完成之后得到了新的矩陣，但是這個(gè)矩陣中包含有六萬(wàn)多個(gè)轉(zhuǎn)錄本，這里面包含了編碼基因和lncRNA，所以我們使用TCGA簡(jiǎn)易下載工具的ENSG_ID轉(zhuǎn)換工具進(jìn)行轉(zhuǎn)換提取

將Merge_Matrix.TPM.txt導(dǎo)入到TCGA簡(jiǎn)易下載工具使用ENSG_ID進(jìn)行轉(zhuǎn)換得到lncRNA和編碼基因的表達(dá)矩陣

2、下載TCGA Clinical數(shù)據(jù)，因?yàn)镃linical 數(shù)據(jù)是針對(duì)于病人的，也就是說(shuō)沒(méi)有癌與癌旁等組織之分了，共有443個(gè)病人的隨訪數(shù)據(jù)

下載完成之后我們點(diǎn)擊ClinicalFull按鈕提取我們的臨床信息，不懂解讀的看這里：TCGA臨床病理隨訪資料解讀

隨訪數(shù)據(jù)解讀和處理，打開合并后的臨床數(shù)據(jù)表格找到這三列

第一個(gè)紅色箭頭處表示樣本編號(hào)我們將其復(fù)制出來(lái)作為預(yù)后數(shù)據(jù)的第一列，第二第三個(gè)箭頭處分別表示死亡時(shí)間和最后一次隨訪時(shí)間，我們將其合并成一列，因?yàn)閮闪惺腔コ獾模兴劳鰰r(shí)間就木有最后隨訪時(shí)間，木有死亡時(shí)間的就有最后隨訪時(shí)間

簡(jiǎn)單處理方法將Not Available、Not Applicable替換為0，然后兩列相加即可，如

最后我們找到死亡事件列

復(fù)制到我們的樣本信息表中，當(dāng)然仔細(xì)比對(duì)之后發(fā)現(xiàn)有些時(shí)間數(shù)據(jù)丟失的比如下圖

這種樣本我們刪除掉即可，共有兩例

最終表格形式如：

另存為txt文件如

開始做生存分析

我們選擇編碼基因的表達(dá)譜來(lái)做TCGA生存分析，將樣本信息和表達(dá)譜導(dǎo)入到批量計(jì)算生存分析工具如

注意圖中紅色圈圈里的，一定要選擇正確，我這里選擇TCGA數(shù)據(jù)集，日期選擇days，選擇隨訪信息大于30天的的樣本，程序會(huì)自動(dòng)匹配滿足條件的樣本，如圖中匹配上234個(gè)樣本，如果沒(méi)有選對(duì)會(huì)報(bào)沒(méi)有匹配的樣本錯(cuò)誤

坐等跑完，可能需要一點(diǎn)時(shí)間

跑完后我們發(fā)現(xiàn)只有一萬(wàn)三千多個(gè)基因，實(shí)際上我們有一萬(wàn)九千多個(gè)基因，其他基因去哪里了呢，剔除的這些基因是因?yàn)樗麄冊(cè)谄ヅ渖系?34個(gè)樣本中表達(dá)水平怪異比如很多的0或者很多很大的值，無(wú)法做生存分析

進(jìn)一步的導(dǎo)出結(jié)果就行

其他的畫圖功能雙擊運(yùn)行的結(jié)果就可以畫了，另外注意的是結(jié)果中的HR是取了log自然對(duì)數(shù)之后的HR值。