生信自学网-速科生物-生物信息学数据库挖掘视频教程

TCPA数据库简介

TCPA数据库通过整合来自TCGA和几个独立的肿瘤研究项目的RPPA芯片数据，提供了一个肿瘤蛋白质谱数据中心。TCPA包含两个独立的Web应用程序，第一个着眼于患者肿瘤的RPPA数据，其包含癌症基因组图谱中32种癌症类型越8000个样本，另外约500个来自独立患者队列的样本。第二个应用侧重于癌细胞系的RPPA数据，包含19个谱系的>665个独立细胞系。

对于每个数据集，TCPA提供level3和level4数据，level3数据代表来自独立批次的归一化数据，level4数据代表多个批次的合并数据。

 

1、进入TCPA（The Cancer Proteome Atlas）数据库官网，下载蛋白数据

2、从官网下载的数据，有些会有缺失值，在导入分析之前，我们需要对数据进行补缺

 

3、样本临床数据下载，这里我们可以通过TCGA官网下载对应的临床数据，因为TCGA和TCPA的样本和临床是相同的，下载的是xml格式，需要整理成表格数据，把样本的生存时间，生存状态，年龄，性别，分级，分期，TMN分期都提取出来，做后续分析

4、蛋白表达量和生存数据合并，合并之后，就可以根据生存信息和表达量做生存分析，这里根据两种方法计算生存，KM方法和COX方法

5、绘制火山图，横坐标是log2(HR)，纵坐标是-log10(pvalue)，筛选条件pvalue<0.05，黑色点代表跟预后无关的点，红色代表高风险蛋白，黑色代表低风险蛋白

6、蛋白预后模型构建，用预后相关的蛋白构建模型，在用模型计算每个样本的风险值，然后根据中位值对每个样本进行风险划分

7、生存曲线绘制，绘制关键蛋白的生存曲线

风险生存曲线绘制，根据风险值绘制风险生存曲线

风险曲线

8、独立预后分析

单因素独立预后分析，将临床性状和风险值一个一个输入，跟生存时间和生存状态进行比较，得到pvalue和HR值，HR值大于1，说明该因素是高风险因素，HR值小于1，说明该因素是低风险因素

多因素独立预后分析，将所有的临床和风险值一次性输入，跟生存时间和生存状态进行比较，这个时候会考虑因素之间的关系

9、多指标ROC曲线，横坐标假阳性率，纵坐标真阳性率，把临床和风险值绘制ROC曲线，AUC值是曲线下的面积，AUC值越大，说明该因素用来预测病人的生存准确性是越高的，AUC值大于0.7，说明准确性比较高

10、蛋白共表达分析，相关系数，pvalue值作为筛选条件，cor大于0，说明是正相关，cor小于0，说明是负相关

 

11、桑基图绘制，就是对共表达蛋白进行可视化，左边是预后相关的蛋白，右边是与预后相关相关的蛋白
精品课程推荐：
《中药复方网络药理学联合GEO》
《单细胞测序分析》
《TCGA单基因发文套路挖掘》