OmicShare Tools - 基迪奥生信云工具

TCGA基因查询

项目编号：

查询基因列表： *

输入文件
手动输入

选择文件示例文件

免费试用

*ProVIP免费

*VIP免费

*当前账户剩余0次

一．目标基因输入

在‘示例文件’及‘说明’面板中可查看所需基因输入格式。若输入基因数目较多，建议整理基因列表文档通过‘输入文件’方式上传；若输入基因数目较少，采用‘手动输入’方式更加便捷。输入需查询的基因列表后，点击‘提交’即可。

二．TCGA数据探索

同一页面直接下滑，在‘结果展示’页中切换对应项目编号，可切换到TCGA数据探索版块，默认进入泛癌（Pan-cancer）差异表达版块。

1） 表达量差异

在表达量差异探索版块中，下拉选择目标基因、选择感兴趣的癌症、切换不同的临床分组，可查看该基因在该癌症不同分组下的表达量差异。差异检验可选择T检验、秩和检验或单因素方差。

点击右上方‘修改参数’按钮，可按需对箱线图各项参数进行个性化调整，如标题、字体、字号、显示显著性标记、配色自定义等。

2） 生存分析

在生存分析探索版块中，下拉选择目标基因与感兴趣的癌症，可查看对应生存曲线和logrank差异检验结果表。

高/低表达分组cutoff：中位数

生存时间：总生存期（OS）

3） 单因素cox回归

在单因素cox比例风险回归探索版块中，下拉选择目标基因与感兴趣的癌症，可查看对应基因在选择癌症的单因素cox建模结果表，并绘制单因素风险森林图，森林图参数同样动态可调。

4） 相关性分析

在相关性分析探索版块中，下拉选择目标基因与感兴趣的癌症，可获得目标基因在选择癌症中，与表达矩阵中全部基因（低表达基因过滤标准：在该癌症50%以上样本中表达量为0）的相关性计算表，提供pearson和spearman两种相关性和显著性计算结果。区分癌和癌旁样本，支持筛选和排序。

三．帮助文档

通过工具右侧‘说明’和‘例子’处可查看工具概况和使用说明，详细说明可参考结果展示栏目右侧各版块对应帮助文档。

四．结果输出

各版块图表、统计检验结果都支持下载到本地，可按需探索与保存。

一．功能

输入目标基因，对TCGA数据库中33类癌症的RNA-seq和临床数据从四大分析层面（表达量差异、生存分析、单因素cox、相关性分析）进行探索和公共数据挖掘，可输出所需的图表或统计检验表格。

二．适用范围

TCGA公共数据挖掘，适用医学或肿瘤研究领域。

三．输入

文件格式：输入文件支持txt(制表符分隔)文本文件、csv(逗号分隔)文本文件、以及Excel专用的xlsx格式，同样支持旧版Excel的xls(Excel 97-2003 )格式。也支持手动输入。

输入内容：需要查询的基因列表，基因ID类型支持Symbol和Ensembl，每行一个ID，输入/查询的基因上限为30个。

四．结果查询与输出

从四个分析层面对目标基因进行癌症数据挖掘，基因、癌症可自由切换，图表和统计检验表格支持下载：

1） 表达量差异

查询目标基因在TCGA数据库33类癌症不同分组下（癌/癌旁、年龄、性别、种族、病理分期、临床分期、肿瘤分级等）的RNA-seq表达量差异，支持泛癌层面癌/癌旁的差异比较，支持三种检验（T检验、秩和检验、单因素方差）自由选择。

2） 生存分析

通过生存分析探究目标基因在TCGA数据库33类癌症下表达量高低（二分类变量）在总生存期（OS）内对患者生死的影响。

3） 单因素cox比例风险回归模型

通过单因素cox回归探究目标基因在TCGA数据库33类癌症下表达水平（连续型变量）在总生存期内（OS）对患者风险影响。

4） 相关性分析

将查询基因与TCGA数据库33类癌症表达矩阵中的全部基因进行相关性分析，提供pearson和spearman两种相关性和显著性计算结果。

*各部分详细说明见结果展示中对应帮助文档

*RNA-seq数据源（TPM）：

https://docs.gdc.cancer.gov/Data/Release_Notes/Data_Release_Notes/#data-release-320

*临床数据源：

https://xenabrowser.net/datapages/?host=https%3A%2F%2Fgdc.xenahubs.net&removeHub=http%3A%2F%2F127.0.0.1%3A7222

Q1. 上传的数据需要保存成什么格式？文件名称和拓展名有没有要求？

OmicShare当前支持txt(制表符分隔)文本文件、csv(逗号分隔)文本文件、以及Excel专用的xlsx格式，同样支持旧版Excel的xls(Excel 97-2003 )格式。如果是核酸、蛋白序列文件，必须为FASTA格式（本质是文本文件）。

文件名可由英文和数字构成，文件拓展名没有限制，可以是“.txt”、“.xlsx”、“.xls”、“.csv”“.fasta”等，例如 mydata01.txt，gene02.xlsx 。

Q2. 提交时报错常见问题：

1.提交时显示X行X列空行/无数据，请先自查表格中是否存在空格或空行,需要删掉。

2.提交时显示列数只有1列，但表格数据不止1列：列间需要用分隔符隔开，先行检查文件是否用了分隔符。

其它提示报错，请先自行根据提示修改；如果仍然无法提交，可通过左侧导航栏的“联系客服”选项咨询OmicShare客服。

Q3. 提交的任务完成后却不出图该怎么办？

主要原因是上传的数据文件存在特殊符号所致。可参考以下建议逐一排查出错原因：
（1）数据中含中文字符，把中文改成英文；
（2）数据中含特殊符号，例如 %、NA、+、-、（）、空格、科学计数、罗马字母等，去掉特殊符号，将空值用数字“0”替换；
（3）检查数据中是否有空列、空行、重复的行、重复的列，特别是行名（一般为gene id）、列名(一般为样本名)出现重复值，如果有删掉。
排查完之后，重新上传数据、提交任务。如果仍然不出图，可通过左侧导航栏的“联系客服”选项咨询OmicShare客服。

Q4.下载的结果文件用什么软件打开？

OmicShare云平台的结果文件（例如，下图为KEGG富集分析的结果文件）包括两种类型：图片文件和文本文件。

图片文件：

为了便于用户对图片进行后期编辑，OmicShare同时提供位图（png）和矢量图(pdf、svg)两种类型的图片。对于矢量图，最常见的是pdf和svg格式，常用Ai(Adobe illustrator)等进行编辑。其中，svg格式的图片可用网页浏览器打开，也可直接在word、ppt中使用。

文本文件：

文本文件的拓展名主要有4种类型：“.os”、“.xls”、“.log”和“.txt”。这些文件本质上都是制表符分隔的文本文件，使用记事本、Notepad++、EditPlus、Excel等文本编辑器直接打开即可。结果文件中，拓展名为“.os”文件为上传的原始数据；“.xls”文件一般为分析生成的数据表格；“.log”文件为任务运行日志文件，便于检查任务出错原因。

Q5. 提交的任务一直在排队怎么办？

提交任务后都需要排队，1分钟后，点击“任务状态刷新”按钮即可。除了可能需运行数天的注释工具，一般工具数十秒即可出结果，如果超出30分钟仍无结果，请联系OS客服，发送任务编号给OmicShare客服，会有专人为你处理任务问题。

Q6. 结果页面窗口有问题，图表加载不出来怎么办？

尝试用谷歌浏览器登录OmicShare查看结果文件，部分浏览器可能不兼容。

结果展示

项目编号

表达量差异
模块功能	1）通过箱线图展示目标基因在TCGA不同癌种的不同分组划分下的表达量差异，提供三种差异检验方法选择； 2）支持泛癌层面的癌/癌旁分组比较。
分析与操作	1）下拉选择目标基因，选择TCGA癌症； 2）选择分组和检验方法（T检验、秩和检验、单因素方差）； 3）动态箱线图和检验表格根据上述选择同步切换更新。点击右上方“修改参数”按钮可自由更改箱线图参数（标题、字体、配色、图中添加显著性星号标记等），点击“图片尺寸修改”按钮可更改画幅比例。 4）可按需选择所需的图表和检验表格下载。
注意事项	1）部分TCGA癌症中无癌旁样本，因此在泛癌比较中无该癌种显示，在分组选择中无癌/癌旁分组显示； 2）不同癌症中，下拉分组选项并不完全一致。

生存分析
模块功能	使用生存分析探究目标基因高低表达（二分类变量）在TCGA不同癌种总生存期（OS）内对患者生存率的影响。
分析与操作	1）下拉选择目标基因，选择TCGA癌症； 2）生存分析图表和差异检验结果表格同步更新，可按需下载。
图表说明	1）使用Kaplan-Meier法（极限乘积法，非参数估计），计算每个时间节点的生存概率，并根据概率乘法原理计算生存率，最后将每个时间节点所对应的生存率连接成生存曲线，观测在生存时间内终点事件的发生状况；使用Logrank检验对高低表达组进项差异比较。 2）高低表达组cutoff：中位数； 3）生存时间：总生存期（OS，OverallSurvival） 4）建模R包：survival + survminer 建模：survfit(Surv(OS, status) ~ gene, data = cancer)
图表解读	1）输出图表为生存曲线（上）+风险表（下）的组合； 2）在生存曲线中，X轴为生存时间，Y轴为累积生存率，反映了目标基因高低表达组在OS期内对癌症患者生存率的影响。生存曲线中短竖线为删失点，背景填充为对应置信区间。 3）在风险表中，展示了不同时间节点中有发生结局事件风险（死亡）的所有病人数量（即病人还未死亡，数据也未删失）。 4）差异检验表格说明（关注P值即可）： N：每组样本数 Observed：每组观测到的加权事件数 Expected：每组加权预期事件数 Chisq：卡方统计量 Var：方差矩阵 Pvalue：logrank检验P值

单因素cox回归
模块功能	通过构建单因素cox比例风险回归模型，探究目标基因表达水平（连续型变量）在TCGA不同癌种总生存期（OS）内对患者死亡的发生率（风险率）影响。
分析与操作	1）下拉选择目标基因，选择目标癌症； 2）动态单因素cox风险森林图与cox建模结果总表同步更新，可按需下载。 3）点击右上方“修改参数”按钮可自由更改森林图参数，点击“图片尺寸修改”按钮可更改画幅比例。
结果说明	1）建模R包：survival + survminer 建模：coxph(formula = Surv(OS, status) ~ gene, data = cancer
结果解读	1）统计意义：z值即Wald统计量。它对应于每个回归系数与其标准误的比率（z = coef / se（coef））。Wald统计量会评估beta（β，coef）给定变量的系数在统计上是否与0有显著差异。 2）回归系数：回归系数即coef值。coef为正表示该基因为不良风险因素，与患者的高死亡率有关；coef为负则相反。 3）风险比：风险比（HR）即指数系数exp（coef），给出了协变量的影响大小。 HR＞1，风险因子，即该基因为不良预后因素； HR＜1，保护因子，即该基因为良好预后因素； HR = 1，无效 4）模型全局统计意义：提供了三个备选检验p值：似然比检验（Likelihood-ratio test）；Wald检验（Wald test）；得分对数秩统计（Score logrank statistics）。这三种方法基本等效，对于大样本结果相似，对于小样本可能会有所不同。

相关性分析
模块功能	展示目标基因在目标癌症中，与表达矩阵全部基因的相关性，并输出计算统计结果表。
分析与操作	1）下拉选择目标基因，选择目标癌症； 2）选择癌症样本或癌旁样本（部分癌症无癌旁选项）； 3）相关相结果表同步更新，含pearson和spearman两种计算结果。

Expression analysis
Function	1）Boxplot was used to show the difference in the expression of target genes in different TCGA cancer groups, and three different Tests were provided; 2）To support normal-cancer group comparison at the pan-cancer level.
Steps	1）Select the target gene and select TCGA cancer; 2）Select grouping and testing methods (T test, Wilcoxon rank-sum test, one-way ANOVA); 3）Dynamic box diagram and test table are updated immediately; 4）You can select the required image and test table to download.
Attentions	1）Some TCGA cancers have no normal samples, so this cancer type is not displayed in the pan-cancer comparison, and no tumor/normal group is displayed in the group selection; 2）The drop-down grouping options are not completely consistent across cancers.

Survival analysis
Function	Survival analysis was used to explore the effect of high or low expression of target genes (binary variables) on the overall survival (OS) of different cancer types in TCGA.
Steps	1）Select the target gene and select TCGA cancer; 2）Survival image and logrank test table are updated immediately.
Chart description	1）Kaplan-Meier method was used to calculate the survival probability of each time node, and the survival rate was calculated according to the probability multiplication principle. Finally, the survival rate corresponding to each time node was connected into a survival curve to observe the occurrence of the end event during the survival time; Logrank test was used to compare the input differences between high and low expression groups. 2）Group cutoff: median expression 3）Survival time: Overall survival (OS) 4）Modeling R package: survival + survminer Modeling: survfit(Surv(OS, status) ~ gene, data = cancer)
Chart interpretation	1）The output chart is a combination of survival curve (top) + risk table (bottom); 2）In the survival curve, the X-axis is survival time, and the Y-axis is cumulative survival rate, reflecting the impact of the high-low expression group of target genes on the survival rate of cancer patients during the OS time. The short vertical line in the survival curve is the deleted point, and the background fill is the corresponding confidence interval; 3）In the risk table, the number of all patients with a risk of an outcome event (death) at different time nodes is shown (i.e., patients have not died and the data has not been deleted). 4）Description of the logrank test table: N: indicates the number of samples in each group Observed: The number of weighted events observed in each group Expected: Number of weighted expected events per group Chisq: Chi-square statistic Var: variance matrix Pvalue: logrank checks the Pvalue

Univariate cox analysis
Function	By constructing a univariate cox model, the influence of target gene expression level (continuous variable) on the incidence of death (risk rate) of patients in the overall survival (OS) of different cancer types in TCGA was explored.
Steps	1）Select the target gene and select TCGA cancer; 2）Cox forest image and model summary table are updated immediately.
Result description	Modeling R package: survival + survminer Modeling: coxph(formula = Surv(OS, status) ~ gene, data = cancer
Result interpretation	1）Statistical significance: Z-value is Wald statistic. It corresponds to the ratio of each regression coefficient to its standard error (z = coef/se (coef)). The Wald statistic assesses whether the coefficient of a given variable, beta (β, coef), is statistically significant from 0. 2）Regression coefficient: The regression coefficient is the coef value. A positive coef indicates that this gene is an adverse risk factor and is associated with high mortality in patients. A negative coef is the opposite. 3）Risk ratio: The risk ratio (HR) is the exponential coefficient exp (coef), which gives the influence of the covariable. HR > 1, risk factor, that is, this gene is a poor prognostic factor; HR < 1, protective factor, that is, this gene is a good prognostic factor; HR = 1, invalid 4）Global statistical significance of the model: three alternative test P-values are provided: Likelihood ratio test, Wald test and Score (logrank) test. These three methods are basically equivalent, and the results are similar for large samples, but may be different for small samples.

Correlation analysis
Function	Show the correlation between the target gene and all genes in the expression matrix in the target cancer, and output the correlation results table.
Steps	1）Select the target gene and select TCGA cancer; 2）Select tumor samples or normal samples. 3）Correlation analysis table are updated immediately, both pearson and spearman results are included in the table.

TCGA基因查询

结果展示 刷新项目状态

目标基因

癌症类型

帮助文档

结果展示