生信分析网站（生存分析）

生信论文的套路

1. ONCOMINE从全景、亚型两个维度做表达差异分析；
2. 临床标本从蛋白水平确认（或HPA数据库），很重要；
3. Kaplan-Meier Plotter从临床意义的角度阐明其重要性；
4. cBio-portal数据库做基因组学的分析（机制一）；
5. STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）；
6. TISIDB/TIMER分析肿瘤免疫特征（机制三）。

差异分析，无论是Oncomine，GEPIA，还是UALCAN、HPA数据库，都不需要R语言编写代码，容易上手，基本上一个星期甚至更短的时间就可以搞定，属于菜鸟级别生信操作。并没有想象中那么难。fold change＞2（起码1.5），p<0.05是差异分析的基本标准。但是表达的差异≠表型的差异，而这两者关系又密不可分。

生存分析是生信论文中经常出现的表型，也就是说基因在正常和肿瘤组织中表达的差异，与生存率的指标密切相关。如A基因在肿瘤中表达明显上调，生存率显著下降，这就是非常明确的相关性。当然，这种相关性仍然缺乏严谨的证据，只是存在相关关系，至于A基因是否参与调控患者的生存率，这是不能保证的。

我们用不太严谨的方式举例如下。如果A基因与患者的生存率密切相关，且参与调控患者的生存率，那么学术上讲，A基因就是driver gene（driver mutation）；如果A基因与患者的生存率密切相关，但不参与调控患者的生存率，那么A基因就是passenger gene （passenger mutation）。

生存分析是非常重要的表型，诸多文章均有介绍。这里，我们对生存分析的纯生信数据库进行总结，果友们在选择时也可以作为参考。

生存分析数据库

Kaplan-Meier Plotter数据库（生存分析经典数据库，首选）

http://kmplot.com/analysis/

PrognoScan数据库（生存分析信息最全面的数据库，次选）

http://dna00.bio.kyutech.ac.jp/PrognoScan/index.html

GEPIA（国人之光，相关性分析是特色）

http://gepia.cancer-pku.cn/detail.php?gene=&clicktag=survival

UALCAN（甲基化是特色）

http://ualcan.path.uab.edu/

Oncolnc数据库（连mRNA, miRNA, or lncRNA也可以做生存分析）

http://www.oncolnc.org/

cBioPortal（组学分析神器也能做生存分析）

https://www.cbioportal.org/

差异分析数据库

oncomine数据库（差异分析首选）

https://www.oncomine.org/resource/main.html

GEPIA数据库（共表达是特色）

http://gepia.cancer-pku.cn/index.html

TIMER（免疫浸润分析是特色）

https://cistrome.shinyapps.io/timer/

HCCDB（肝癌数据库）

http://lifeome.net/database/hccdb/home.html

UALCAN（甲基化是特色）

http://ualcan.path.uab.edu/

CCLE（基因在细胞系的表达）

https://portals.broadinstitute.org/ccle/

THE HUMAN PROTEIN ATLAS （人类蛋白图谱）

https://www.proteinatlas.org/

Gene Expression Omnibus （基因表达数据库，R语言基础）

https://www.ncbi.nlm.nih.gov/geo/