从大数据中得到目标基因
本次课程主要讲述如何运用分析工具来找到目标基因，这一次以 Affy 芯片为例，其实安捷伦芯片和二代测序的分析流程差不多。
下图是一个简单的分析流程。
为了便于大家理解，老师将复杂的分析情况简化为两种场景，这也是最常见的两种情况：1. 功能/通路+差异分析结果；2. 高级网络分析+功能/通路+差异分析结果。
第一种场景中，可用于分析的只有两种结果：功能/通路分析、差异分析。在这种情况下，显然只能以功能/通路分析结果为主，用差异分析结果辅助。先通过功能/通路分析结果找出与实验因素相关的功能/通路，以及其涉及的基因，再将这些基因与差异基因结果进行联合。
这里有一个关键点，就是如何寻找到与实验因素相关的功能/通路。
假设我目前关注胃癌的胞外基质，那就在功能/通路结果中准备与之相关的/通路，以及对应的基因，然后将这些基因与差异基因联合起来。根据联合结果就可以找出 P 值最小、Fold change 值最大的基因。
通过这个联合结果可以看出：COL1A1、SPP1、THBS 三个基因变化比较明显。通过文献搜索，发现这些基因都曾被报道与肿瘤相关。
在第二个场景中，有一种思路是以网络分析结果为主，分别于功能/通路结果、差异分析结果辅助组合，并找到目标基因。
以基因共表达网络为例，我们先挑选了网络中的前 20 个核心基因，然后将这 20 个基因与差异结果联合，就知道了这些基因中哪些差异最显著、差异系数最大。共表达网络直接展示了基因 BUB1 的位置，以及与之相关的其他基因。
但是看到这张图是不是略感凌乱，那么点击太阳图，就看到了下面这张图，清晰明了的诠释了 BUB1 和相关基因的关系。
接下来，我又做了一件事，这与其说是分析筛选，不如说是验证。我将与 BUB1 相关的 66 个基因跳出来，与信号通路结果联合发现：很多与 BUB1 相关的基因参与了 cell cycle、oocyte meiosis 等信号通路。那么我猜测 BUB1 也应该起着类似作用，果不其然，通过查阅 GCBI 词典，词典中很清楚的写到：BUB1 在有丝分裂和卵母细胞减数分裂中起着关键作用。接着查 BUB1 相关文献，确实有文献表明其与肿瘤相关。
其实生物信息分析是很灵活，这是需要技巧的，那么究竟需要哪些技巧呢，赶紧看视频吧！
详细内容请点击视频：http://college.gcbi.com.cn/html/help_course_qq-2-13.html
GCBI 学院每周四晚 8 点在线直播肿瘤基因大数据挖掘的课程，提供相关课题设计思路、研究思路，生物信息学分析方法介绍、精彩文章解读以及数据重新挖掘等内容，不断提升生物医学科研人员在基因研究领域的技能。
点击链接进入 GCBI 学院报名听课，http://college.gcbi.com.cn/silu/639.jhtml。