这节课将由统计之光金牌讲师王老师，揭示肿瘤生信的标准流程，带领大家零基础“通关”肿瘤生信分析！
1.数据获取：测序与基因芯片
🟡RNA-seq（转录组测序）：
优势：覆盖全转录组、可发现新转录本、检测低丰度基因
应用：适用于探索未知突变/融合基因（如TCGA数据）
🟡基因芯片：
优势：成本低、批次效应易校正（适合验证研究）
缺陷：仅检测已知探针（可能漏掉重要新基因）
⚠️ 新手建议：优先使用GEO数据库中已标准化的芯片数据
2.差异分析：转录组测序生信分析的起点
通过统计学方法筛选肿瘤组vs正常组的差异基因（DEGs），是后续所有分析的基石。
🟡差异基因筛选：
工具选择：RNA-seq用 DESeq2/edgeR/limma，芯片用 limma
阈值设定：|log2FC|>1且 FDR<0.05（避免假阳性）
可视化：火山图（标注关键基因）、热图（聚类样本）
区分肿瘤与正常组织：TCGA数据需合并GTEx正常样本
3.WGCNA分析：挖掘共表达网络
这一步主要是将数千个基因聚类成模块，找出与临床特征（如TNM分期、转移状态）强相关的基因网络。比如：
寻找与免疫浸润（如ESTIMATE评分）相关的基因模块
联合生存分析筛选关键模块（如蓝色模块与OS显著相关）
4.GO、KEGG富集分析：
功能解析黄金组合
对于零基础的同学来说，只需要记住关键的富集分析解读点：
🟡GO富集：回答"差异基因在哪些生物学过程/细胞组分/分子功能中富集？"
🟡KEGG通路：揭示"这些基因参与哪些已知信号通路？"
5.单因素COX分析及lasso回归：
构建预后模型的利刃
🟡单因素COX初筛：从差异基因中筛选与生存显著相关的基因（p<0.05）
🟡LASSO回归降维：解决多重共线性问题，选择最优基因组合
⭕肿瘤特异性要点
1、必须校正临床混杂因素（年龄、分期等），避免假阳性；
2、注意随访时间不足导致的右删失（建议中位随访时间>3年）。
6.预后模型与生存分析：
从数据到临床价值的转化
在预后模型构建过程中，是把我们的分析数据转化为具有临床应用价值的过程。我们需要优化筛选目标基因，计算每个样本的风险评分，并基于此构建模型，同时用ROC曲线评估模型。
除此之外，除此之外，还需要注意进行模型的验证。
🟡内部验证：样本量大的前提下，将数据集分为训练集与验证集，用训练集构建模型，用验证集来验证模型。
🟡外部验证：另外找一组数据集(公共数据库，或自己测序)，对模型进行验证。
详情添加班主任咨询👇
会员专享课程资料
开通会员后，可免费下载本课程资料
课程评论