简介：

生物标志物作为最直接快速有效的诊断手段，其筛选与获得可在肿瘤诊断、发展、治疗、以及疗效监测等多个方面发挥重要的作用。因此，自该概念的提出，就受到了极大的关注，成为研究的热点及重点。这些生物标志物可以是DNA的甲基化、具有单核苷酸多态性 (SNPs)的模板、蛋白质或代谢的改变、mRNA的改变等，而这些变化都与机体疾病状态的发生密切相关。以下内容主要从编码基因表达的角度去探讨。

服务内容：

1.     数据整理（TCGA下载）

2.     筛选正常组织与肿瘤组织差异表达基因

通常多个数据集结合一起看，看共同上下调的基因

3.     生存分析

a)     通过univariable Cox proportional hazards regression analysis 在肿瘤数据集进行生存相关基因筛选

b)    对以上筛选的分子用lasso 进一步筛选

c)     构建风险基因集合，按照风险计算公式计算肿瘤病人中每个病人的风险系数，按风险中值对病人进行分类：低于风险中值为低风险组，高于风险中值为高风险组绘制生存曲线如下：

4.     风险模型评价

a)     单因素及多因素cox 回归分析看病人的风险评分与生存的关系

Meng Zhou et al. Mol Neurobiol 2017

单因素及多因素cox 回归分析结果

b)    ROC 曲线

ROC 曲线分析风险评分对肺癌预后的预测价值

Meng Zhou et al. Mol Neurobiol 2017

5.     免疫浸润分析

通过免疫细胞特征基因表达矩阵构建reference data set，与bulk seq 得到的肿瘤基因表达量水平进行结合，反推肿瘤组织中特定免疫细胞的丰度。目前有多种计算方式用于该分析。

Maiko Okano et al. Int. J. Mol. Sci. 2019

6.     GO分析和KEGG分析

7.     GSEA分析

Maiko Okano et al. Int. J. Mol. Sci. 2019

上图为GSEA分析中的EnrichScore分布图

8.     其它个性化分析内容（可结合数据的特点双方沟通决定

Maiko Okano,Masanori Oshi,et al. Estrogen Receptor Positive Breast Cancer with High Expression of Androgen Receptor has Less Cytolytic Activity and Worse Response to Neoadjuvant Chemotherapy but Better Survival, Int. J. Mol. Sci. 2019