生信论文的套路
ONCOMINE从全景、亚型两个维度做表达差异分析；
临床标本从蛋白水平确认（或HPA数据库），很重要；
Kaplan-Meier Plotter从临床意义的角度阐明其重要性；
cBio-portal数据库做基因组学的分析（机制一）；
STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）；
TISIDB/TIMER分析肿瘤免疫特征（机制三）。
KM plotter数据库是进行生存分析最权威的网站，数据最全，尤其在乳腺癌、卵巢癌、肺癌和胃癌，包括肝癌的研究中，具有极大的优势。尽管，象GEPIA数据库和UALCAN数据库也可以对生存率做分析，但是资料的全面性和权威性上，还稍差一些。在已发表的论文中，生存分析的数据多来自KM Plotter数据库。
我们分享如何通过KM plotter数据库，直接获得生存曲线。我们以FTH1基因为例，分析FTH1对肾癌存活率的影响。
首先选择Pan-cancer RNA-seq；在gene symbol位置输入基因名称，FTH1；survival有OS和RFS，随访时间最长是240个月；数据库中只有两种肾癌的亚型，KIRC和KIRP；亚型分析包括，病理阶段stage，性别gender，种族race，分级grade，突变负担Mutation burden；细胞类型包括各种免疫细胞，可以先选择all。
然后，点击画图，draw Kaplan-Meier Plotter即可。
得出基因表达与KIRC的关系。
基因表达与KIRP的关系。
同样的道理，分析基因表达对肾癌亚型RFS的影响。根据结果，截图后在PPT中进行编辑，即获得用于论文发表的数据。
此外，km plotter数据库还可用于相关性的分析。
基因表达相关性分析和与肿瘤分期之间的相关性，是GEPIA数据库的特色，而km plotter数据库也提供了全面的相关性分析，主要是肿瘤类型、临床特征与生存率的相关性。肿瘤类型包括肿瘤分期、病理类型、分化等，临床特征包括性别、胃肠穿孔（perforation）有无（疾病专有特征）、治疗方式和HER2状态等。
依次选择，即可获得相应p值，病例数等信息，用三线表的形式在PPT中编辑，即可获得用于发表的图片。如性别gender处，female和male，可以查看基因差异表达在男性和女性肿瘤患者中，生存率是否有明显不同。其余分析，可以类推。
愿与果友一起学习，共同成长。
本文分享自微信公众号 - 芒果先生聊生信（from2019to2020）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
