手把手教你进行生信数据挖掘

我们都知道生信发SCI能毕业，能评职称，更能申请基金，而且生信SCI不是meta分析和review综述类，它更是原始数据的加工，你的原始数据可以自己拿去测序的芯片，也可以利用公开数据库的芯片，简单概括就是“拿别人的数据，发自己的SCI！”

所以生信数据挖掘套路成了继meta之后又一火热的SCI套路，但是生信庞大的数据库中有意义的数据总是有限的，如何在庞大的数据库资源里获取有意义的数据成了生信挖掘的最初一步，也是最难一步！

而当下的大部分数据库，操作不统一，代码不能复用，甚至有的连网页也打不开，更大的麻烦是我们连每个数据库是做啥的都不知道。为此，小编特意为大家整理了4个肿瘤方向数据库，手把手教你如何进行生信数据挖掘。（文末查看资源领取方式）

01丨CancerSEA

CancerSEA（癌症单细胞状态图谱）是第一个专门的单细胞测序数据库，旨在全面探索单细胞水平上癌细胞的不同功能状态。

网址：
http://biocc.hrbmu.edu.cn/CancerSEA/

CancerSEA数据库中的单细胞测序结果来源于SRA，GEO和 ArrayExpress网站中的72个数据集，总共收录了25种癌症的41900个肿瘤细胞；功能分析结果来源于HCMDB，Cyclebase和StemMapper等数据集，总共重新定义了14种功能状态。

通过对这些单细胞进行功能状态注释，作者构建了CancerSEA数据库。利用该数据库，我们可以进行“gene search”，“State Search”，“Browse state atlas”，“Browse dataset information”和“Download”。

在了解数据库之后，我们就需要着手于数据库操作了，而我们的研究思路大致如下图，具体见视频课程。

02丨COSMIC

COSMIC是癌症相关体细胞突变位点的最大的数据库之一。

网址如下：
https://cancer.sanger.ac.uk/cosmic/

COSMIC数据库包含数千个涉及癌症发展的体细胞突变。数据库收集来自两个主要来源的信息。首先，从文献中收集已知癌症基因的突变。经过手工处理的基因列表通过它们在癌症基因普查中被鉴定。其次，包含在数据库中的数据是从癌症基因组计划进行的癌症样品的全基因组重测序研究中收集的。

在搜索框中输入一个具体的基因名称或者蛋白名称，可以查看具体的记录。

课程为大家介绍了癌症单细胞状态研究套路，从COSMIC数据库出发，根据癌症单细胞状态图谱，通过数据库得到单基因的功能、根据功能状态找基因，最后探究其直接机制。

03丨MEXPRESS

TCGA数据库是一个包括33种肿瘤的各个组学的数据库。我们通过TCGA数据库可以观察每个人的基因表达的变化；甲基化的变化；拷贝数的变化；以及他们的临床信息。

MEXPRESS(https://mexpress.be/)是一个可视化TCGA数据库当中患者的临床信息—甲基化—表达之间之间关系的数据库。

网址：https://mexpress.be/

工具的使用只需输入基因名+选择要研究的肿瘤即可，就这么简单粗暴！

虽然已经有 cBioPortal, Xena, TSVdb这些工具，但是他们都没有能让你可以查询DNA甲基化的数据的同时看到基因组位置以及临床信息，而且它显示了相关性和矫正的p值。

04丨miRWalk3.0

miRWalk是一个综合性的miRNA靶基因数据库，收录了人，小鼠等多个物种的miRNA靶基因信息，和mirDIP类似，也是一个整合型数据库，整合了来自miRDB, TargetScan, miRTarBase等数据库中的信息。网址如下：
http://mirwalk.umm.uni-heidelberg.de/

涵盖了多个知名miRNA database的结果，包括预测的和实验验证过的。并且它使用了流行的TarPmiR预测miRNA的结合位点。

支持miRNA、mRNA单个或者多个搜索，有图有表有富集，结果下载简单，数据可以全部下载。适合研究感兴趣的miRNA的靶基因或者mRNA的结合的miRNA。