Oncomine也是腫瘤領域中一個經典的樣本資料庫，能幫助我們篩選一些值得研究的靶分子，或預測表型。為什麼說「也」呢？因為它和咱們之前討論過的TCGA一樣，都是腫瘤領域應用較廣的資料庫。
不過Oncomine和TCGA相比的優勢就是，它除了數據，還提供了一些簡潔易操作的分析工具，如差異表達分析、共表達分析等，分析後可以直接出圖用在文章裡。另外它還整合了TCGA和GEO的部分數據。缺點是，免費版的數據不能下載，收費又天價。不過辦法還是有的，先賣個關子。
TCGA的優點就是維度較高，層次很豐富，缺點就是不提供分析工具，得另找或另學。這裡就不說這麼多了，大家可以根據自己的情況選用。今天我們單講Oncomine。
要說應用，倒和TCGA差不多，主要兩方面。
一方面是在沒有前期工作基礎的時候，從資料庫中挖掘篩選出候選分子作為今後的研究方向。翻譯：用來博士開題，或者忽悠一個基金。
另一方面，是在自己做過高通量篩選拿到靶分子的情況下，利用資料庫來分析它們在腫瘤中的表達情況，跟臨床生存、預後的相關性，為自己的研究提供更多的論據；同時也是為將來的機制研究多做點評估，如果你的實驗中有差異的分子在別人的實驗中也有差異，相對來說風險就小一些。
於是，咱們之前討論過的《TCGA篩到了基因，如何繼續往下做？》這個話題，其實也適用於Oncomine。
從技術上說，Oncomine的主要功能有基因表達差異分析、基因表達與臨床相關性、多基因共表達分析等。
下面咱們繼續通過五個案（作）例（業），來了解一下從檢索到分析出圖的流程。聽說這回的作業是「授之以漁、考之以鮒鯰魴鯨魷鮪鮫鮮鱷鰾鯛鰷鯪鮑鱗鮐鱘」？嗯，確實有點難的。
註：Oncomine的帳號註冊是要用非營利郵箱的，大家自行準備。有學校郵箱的小夥伴要珍惜；沒有的能借就借，實在沒有的，呃，去找馬爸爸吧（可能有些學校的郵箱註冊了要等一會才有驗證消息，不要急著花錢，我等了一天呢）。
登錄Oncomine之後，可以看到左邊有一個搜索框和篩選目錄（filter）。當你本身已有候選基因時，可以在搜索框中輸入基因名去檢索，沒有就留著。
下邊的篩選目錄分好幾個層次，包括Primary Filters，Sample Filters，Dataset Filters，Concept Filters。Primary Filters可選擇分析類型、數據集、數據來源、癌種等。還可以再點開子目錄。
下邊的Sample Filters則是對臨床相關的信息做出分類，如腫瘤來源部位、治療應答情況、復發、生存等等。
Dataset Filters可以選擇數據類型（DNA或mRNA）、數據集名稱、大小、測序平臺等等。
Concept Filter咱們不太常用，是一種預設好的模式，在此表過不提。
咱們查詢、篩選，找到自己需要的信息，就是通過這些Filters的組合。其實你玩著玩著就會發現它很像某些購物網站嘛，輸入關鍵字「鞋子」，然後通過篩選條件，鞋跟選「細高細」啦、風格選「森女」啦等等。
誒？森女風 + 細高跟會搜出來什麼鬼？篩基因也有可能出現這種情況哦，Filters搭配不合理，搜出來的東西很少甚至空白，你還以為發現了未開發的處女地。所以Filters的搭配是很體現研究者策略能力的地方，這可以通過文獻學習來提高。
下面，假設我們前期通過自己的高通量實驗或讀文獻，拿到了幾個感興趣的候選分子，現在要在Oncomine中看看它們的表達情況。
作業一：
用Oncomine查詢CXCL8、CXCR1、CXCR2在腫瘤中的差異表達情況（cancer VS normal）。篩選條件：P-value：1E-5；Fold Change：3；GENE Rank：Top10%；DATA TYPE：mRNA。
三個候選基因，一個一個查。首選在搜索框中輸入CXCL8，然後按題目要求選擇Filters。Filter目錄中，Primary Filters → Differential Analysis → Cancer vs. Normal Analysis。還有下方的Dataset Filters → Data Type → mRNA。選上的Filters就會出現在上邊selected板塊，想改變的化還可以點旁邊的 x 刪掉。
然後看頁面最右邊，找到Other Views，選中Gene Summary View。
在上方還有一個篩選條，再根據題目要求選上相應的P值、變化倍率、Gene Rank。
這樣就可看到下方的熱圖展示CXCL8在腫瘤中Cancer vs. Normal的差異表達情況。
旁邊的列表裡還有不同的癌腫，你也可以點進去看看，看完又從剛才的Other View那裡點回Summary。
用同樣的方法檢索其他兩個基因，我就不貼圖了。
作業二：
用Oncomine分別查詢CXCL8在腸癌組織（與正常比）中高表達的數據集和低表達的數據集。篩選條件：P-value：1E-4；Fold Change：3；GENE Rank：Top10%。
也和剛才的差不多，變換一下篩選條件。在剛才Cancer vs. Normal的篩選目錄下，再點開一步，找到Colorectal Cancer blabla。
然後右邊彈Datasets選項卡，繼續選上符合條件的P值、Fold Change和Gene Rank。然後題目還有個要求，是分別看高表達和低表達的數據集，此處ORDER排序框中的Over-expression就是高表達，把下拉框打開選Under-expression就是低表達的數據集了。
如上圖中Kaiser Colon下邊還有展開的數據集，都可以點進去看。選擇Under-expression後沒有展開的數據集，那就是沒有符合搜索條件的了。
排序除了按Gene Rank，還可以按變化倍率、P值，大家可以自己試一下。下邊展示的是剛才高表達數據目錄中第一個數據集。你也可以點旁邊的箱形圖圖標去看看匯總統計的情況。
可以從legend看到左邊是結腸組織（5個樣本），右邊是黏液腺癌（13個樣本）。
作業三
用Oncomine查詢CXCL8在腸癌TCGA數據子集中的表達，並查看其表達與腸癌患者總體生存狀態的關係。
仍然是篩選條件的組合，像剛才一樣，P值、變化倍率等沒要求的地方就用默認值吧。這回找「腸癌」不要從剛才差異分析那裡找了哦，從下方的Cancer Type裡找。然後右邊Order按名稱排序就可以方便地拉到T字頭找TCGA。
可以看到TCGA來源的數據集有2個，一個是mRNA，一個是DNA。可以點數據集標題看一下總的情況，分別選擇箱線圖或條形圖看看。
接下來要看生存狀態了，在Group by下拉框中選擇Overall Survival Status。
那個下拉框中還有其他關於生存情況的信息，如隨訪天數、生存/死亡時是否帶病、1年/3年生存狀態等，大家自行去看吧。
剛才做了幾個熱身，大家是不是躍躍欲試了呢？文獻中的圖就是這麼來的嗎？找兩篇來照貓畫虎就是了~
作業四：
模仿文獻（PMC4466664）作圖，如下Figure 2A和2B，LIFR mRNA在肝癌中表達下調。
前期工作中（可能是文獻閱讀）找到一個感興趣的分子LIFR，想看看它能否作為高分化肝細胞癌的診斷標誌物。於是作者先在Oncomine中查看一下已發表的數據中它是個什麼情況。
搜索LIFR，在Cancer Type中找到肝癌，然後在Summary圖形上方設置篩選條件，左邊一欄Cancer vs. Normal的總覽情況截下來就是圖A了。
這部分圖中可以看出，20種癌症中，有12種是LIFR下調的，尤其是消化系統癌症，如肝、腸、胃。然後點一個自己研究範圍內的癌腫，本例中就是肝癌。
點開之後，先看到左邊排第一位的是Wurmbach Liver數據集，圖下方有其發表的文獻出處，可以檢索來進一步閱讀了解。目前展示的兩個直方圖是肝細胞癌和癌前病變的樣本。
點選左邊Wurmbach Liver的粗體標題，就變成全樣本，下邊的箱線圖就把癌前病變的樣本展開了，包括肝硬化和肝細胞不典型增生，加上No value的。這就是圖B左上方的那個小圖。
接著看Reporter，這是測序時的探針，點選另三個就可得到圖B的另外三個小圖，這裡不再貼出。
所以，四個探針中，肝癌樣本中LIFR都是低表達的。再從文獻中查閱其他研究，看看它的生物學意義，探討一下它是否可能成為診斷標誌物，然後就可找自己的樣本來檢測驗證一下。
作業五
模仿文獻（PMC4012734）Figure 3A作圖，TP63和MMP3在乳腺癌中的共表達分析。
文章是做了乳腺癌和黑色素瘤的，我們就用乳腺癌為例吧。
作者通過一些前期工作（細胞實驗等）發現p63可能會直接調控MMP13的表達，與癌症侵襲轉移相關。於是在Oncomine中看看人類癌症樣本的情況，做個共表達分析。
因為是研究癌症轉移，而乳腺癌異質性較大，還未有很好的標誌物來鑑定轉移性高的乳腺癌；而黑色素瘤的進展、轉移發生率較高，是侵襲性較高的癌症之一，所以選擇這兩種癌症。
共表達分析（Coexpression）咱們剛才沒有多說，但細心的同學可能已經發現在哪了，操作不難。
按圖注所說，在搜索欄中搜「TP63」，Filter目錄中的Analysis Type選Coexpression，Cancer Type選Brest Cancer。右邊數據集列表中根據圖的小標題找到Loi的數據集。
點開之後看旁邊的熱圖，第一行就是TP63，通過翻頁的方式找到下邊的MMP13。剩下的就截圖組合粘貼的工作了。黑色素瘤再來一遍。
不過這樣做有可能達不到發表要求。如果你有收費版帳號，是可以去右上角導出Excel，用原數據自己做一個高清的圖。但是收費太太太太太貴了！咋辦呢！
我用的Chrome瀏覽器，其他的應該也有這個功能吧？你試試。在瀏覽器中Shit + Ctrl + I，或者右鍵 → 檢查。然後會在瀏器下方彈出一個窗口。選擇Element之後會彈出一堆網頁代碼。不管，Ctrl + F搜索MMP13。
找到MMP13後，把滑鼠懸停在MMP13第一個方格上，再對比代碼，看看這一行不就是滑鼠懸停時彈出來的標籤？
然後選中那行，右鍵 → Copy → Copy Element，再貼到微軟自帶的那個記事本裡。然後把表達值和樣本名字前後的代碼都刪掉，而表達值和樣本名稱中間的那串東西，選中之後按鍵盤上的Tab鍵。
是的，87個樣本就操作87次，因為沒法一下子選擇多行。87行都做成上圖第3行那種效果之後保存。再強調一遍，表達值和樣本名稱中間那個空格不是按空格鍵的效果，而是按Tab鍵！保存好之後就可以用Excel打開了。
然後做熱圖的方法咱們教過的吧？這些數據你也可以拿去做其他分析。貌似我還沒有想到更好的偷數據的辦法，你有的話分享粗來，我們會很感激的~
好了，教你偷數據這種事可不能到外面亂講，萬一……（呃，我好像不該寫）。你造嗎？馬爸爸上edu郵箱的價格，本課程剛開設的時候，酸菜打聽的行情是10塊錢，現在都翻三倍多了。你要是去找馬爸爸要郵箱，記得說「老闆就給10塊錢預算」。不許說是我說的。