最好的启蒙，建议收藏：oncomine和HPA展示表达差异
caiwj2001 +1 丁当推文纲要：oncomine（综合整理）；HPA（综合整理）和论文展示（举例子）。
生信分析的实验只是开源数据的分析、整合，复现是学习生信论文技能的最好方式。差异表达是首要任务。差异分析最好入门工具是Oncomine（转录水平差异）和HPA数据库（蛋白水平差异）；最好工具是R语言分析GEO或TCGA数据库的数据。
Oncomine全景热图和散点图是最常见的，箱式图也常见于生信论文。怎样才能做出类似图形呢？步骤很多，比如注册数据库，怎样搜索做出数据热图，怎样使用PPT做表做图。这里，我们选取数据少点的举例作图，掌握方法是关键。当然直接从网站截图也是可以的，只是图片清晰度可能不够，这里只是提供编辑方法的参考，图片可以更清晰。
首先输入基因名称，肿瘤类型，mRNA水平和样本类型，p值0.0001（可更改），表达差异（fold change，可自定），基因排名（Ranking 10%，可自定）等。
然后点击search，检索出现上图结果。新建一个PPT，创建表格，左图是截图，右图是用PPT中自带的表格插图，创建可以编辑的表格，背景颜色和数字都可以直接输入。然后，同样道理，把其余的TOX家族基因按照类似步骤做出来。最后，把数据整合在一张图里面，因为Cancer cases我没有统计，所以是空白的，后期可以删除不要。整合出来的结果如下。这个图是可编辑的，以后统计其他家族基因可以复制应用。
当然，oncomine功能很多，转录水平差异分析只是其中部分功能。在实际运用中，如何通过海量数据的分析，获得想要的结果，仍然值得探索。有段时间，芒果很排斥Oncomine数据库的展示形式，不过既然杂志社认可，既有数据，又有统计，展示形式还是可以的。
但是，仅仅靠oncomine数据，数据就很单薄；且oncomine的数据是芯片或测序的结果，是从转录水平进行的检测。而差异表达，最好是在蛋白水平，因此，对于oncomine数据库分析得到的结果，最好进行蛋白水平的验证。
检测蛋白表达的方法很多，但是鉴于生信分析的特殊性，有条件去做WB和免疫组化当然是最好的。如果没有条件，用人类蛋白组图谱 (The human preotein atlas, THPA或HPA，网址 https://www.proteinatlas.org/) 这个数据库是很方便的。无需注册，直接使用。
HPA基本上提供几乎人类可获得的所有蛋白（~30000种）在人体组织、器官的表达和分布。数据库中，研究人员使用高度特异性的抗体（一般是多种抗体），用免疫组化（IHC）检测每种蛋白在64个细胞系、48种人类正常组织和20种肿瘤组织中的表达情况。数据库展示蛋白在正常组织、细胞和肿瘤组织中的表达情况，还展示蛋白在脑组织、血液和代谢中的表达和可能的作用。那么，如何用HPA数据库的数据，发表论文呢？具体操作如下。
- 打开病理操作界面，根据病人信息，选取代表性样本，放至PPT中进行展示。
- 免疫组化图片有很多讲究。个人原则，一是比例高，比如中水平表达60%，低水平30%，未检测到10%，那就要选择中水平组里面的；第二，正常组和肿瘤组，抗体最好一致，不一致的话，说服力就弱；第三，年龄，最好找中位数；性别要根据肿瘤类型的比例。可以根据我们临床特征三线图的数据，女性比例大就选择女性，男性大就选男性；年龄最好在中位年龄附近，这样最后待选的免疫组化图就很有限了。
- 呈现免疫组化图片的时候，最好跟转录水平的差异分析对应。对照病理组织的结果在Tissue里面，放至PPT中，与肿瘤的病理报告放在一起，对比展示。这样就大功告成了。
- 最后结果如下图所示。抛砖引玉，供果友们参考。
接下来，结合一篇生信论文，我们再来认识oncomine和HPA数据库的威力。生信论文比湿实验简单多了，万事开头难，最难的是开始，是第一篇论文。虽然是2020年发表的论文，但是值得借鉴的还挺多。数据就在那里，展示由你决定！
HPA数据展示，从转录水平到蛋白水平，拿来主义即可。
oncomine数据展示，转录水平验证，体外细胞系验证，相关分析。
再结合生存分析、统计分析和免疫浸润分析就是一篇生信论文的主要框架了。我们总结的生信论文套路，仍然是适用的。
