最出名的TCGA表达分析数据库(二)

• 基因输入方面：我们可以输入一个基因，也可以输入一系列的基因。如果是一系列的基因，我们可以理解为这一系列基因都和某一个表型有关，通过这一系列基因的表达，来代表这个表型的表达。例如我们输入：CCR7，SELL，IL7R。这三个基因来代表Central memory T cell。对于这种基因代表表型的方法，最好的整合方法还是GSVA的算法。但是由于那个计算量比较慢，所以GEPIA2采用了这几个基因表达(log(TPM + 1))的均值来代表表型，这个也是能反映一些内容的吧。

• 预后分析分组方面：GEPIA2 提供了三种方式，中位值、四分位数以及自定义。由于基因在进行 KM 预后分析的时候，是分为两组。第一步是对相关观察的变量进行分组。一般来说，是基于中位值平均分成高低表达两组，分别代表高表达和低表达；第二步才是进行预后分析。

  但是对于分组而言，没有一个人为的规定说具体怎么分组好，中位置没有意义怎么办呢？   那其实还有两种方法可以继续看一下的，  

1. 在进行基因分组的时候，不用中位置来进行区分。而已使用表达的前X%(例如25%)作为高表达组，然后后X%（25%）作为低表达组。这样再看这两组预后有没有意义。这个就是数据库使用四分位数分析的方法。

2. 还有一种方法这个数据库实现不了，不过可以介绍一下。这个方法也可以叫 best spearation，类似于穷举法。我们把基因表达每一个值都当作一个界限值来进行分组，然后看各个分组的预后有没有意义，在所有分组分析的结果当中选择最佳的当作最佳的分组，这种统计方法叫做最大选择秩统计量。感兴趣的可以查一下。

    其他的就是常规的数据库的选择方式了，这里我们就不介绍了。数据库提供了三种结果呈现

1. 单一基因的预后分析图

2. 某一个肿瘤预后最有意义的基因

3. 某几个基因在不同肿瘤当中的预后HR结果比较

1. 我们可以查看某一个基因异构体在不同肿瘤当中的差异趋势

2. 查看基因异构体的具体区别

• 如果数据是一个连续正态分布的那，就使用 Pearson

• 如果数据是连续性变量但不符合正态分布的时候，就使用 Spearman

• 如果数据是等级资料的时候，就使用 Kendall