差异分析，GEPIA做柱状图
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）。
在做差异表达的分析时，双确认总比单个数据库有说服力。具体用哪两种组合，每个人都有自己的偏好，能说明问题就行。但是，个人经验来说，免疫浸润表型分析，首选oncomine+TIMER；相关性分析较多，尤其是涉及基因表达的相关性，基因表达与肿瘤分期的相关性，首选oncomine+GEPIA；若涉及基因组学如甲基化或者与病理分期的相关性，则首选oncomine+UALCAN。
GEPIA是北京大学张泽民教授实验室的唐泽方等人通过 R 、Perl等语言对数据进行处理、可视化而设计的癌症大数据分析网站 。分析内容包括肿瘤/正常差异表达谱分析、表达分布、病理分期、生存分析，相似基因，基因表达相关性和降维分析等。界面友好，操作简答，通过点击GEPIA 就可以进行综合全面的分析。
网址： http://gepia.cancer-pku.cn/
首页界面如下，目前已经有更新版GEPIA2（点击右侧test可以进入）
GEPIA数据库的主要功能
- 单基因分析，差异分析，与肿瘤分期的相关性，生存分析和相似基因。
- 肿瘤类型分析，包括筛选与肿瘤关系、影响生存最密切的基因。
- 多基因分析，包括基因表达的相关性和降维分析等。
GEPIA最基础的分析是差异分析，这与其他数据库基本一致。
既可以展示某基因在所有肿瘤的表达情况（个人不喜欢散点图，极丑，所以没有展示），柱状图展示，清晰明了，但是没有p值。
也可以具体展示，输入基因名称，选择要分析的肿瘤，点击plot即可。
得出柱状图，此时差异分析是有差异展示情况的。以ERBB2在乳腺癌中的表达分析为例，最终得出结果。至于生存分析，个人建议还是首选km plotter，因此不做详细展示。
GEPIA另外一个比较有特色的功能是基因表达的相关性分析。我们以乳腺癌中ERBB2和EGFR表达的相关性分析为例展示。
点击plot。
对于分析基因与热点分子，如免疫检查点分子的相关性，便利而强大。
目前，我们介绍这么多转录水平差异分析的网站，oncomine是基础，必须有。其余数据库，各有侧重，在做分析时，需综合考虑做出验证。当然还有其他很多数据库，比如HCCDB数据库是肝癌的专门数据库等。只要熟练掌握这几种数据库，转录水平的差异分析就过关了。最重要的是通过使用数据库，提升科学思维，尽快发表论文。
