0代码做生信，我们做到了

更多生信干货教程

私信我回复“生信”即可免费领取哦

大家好，我是濤濤。开春第一篇用工具复现的生信文章，我们就来一起用“鼠标”开启“牛气”之路，无代码复现一篇2020年1月发表在Frontiers in oncology的一篇4.8分的文章。

瞧，迎面向我们走来的是“单基因泛癌免疫分析”的文章！

（藏镜人：这是在开运动会吗？这是什么方阵，怎么我从来没有见过，不明觉厉啊！）

（濤濤酱：哈哈，没错！如果把我们生信比作是一场运动会开幕式的话，那么首屈一指的必定是引领时代潮流的“单基因泛癌分析”了！）

单基因泛癌分析，顾名思义，就是一个基因在多种肿瘤中的分析。

大家应该都有看过古装剧吧？拿到“免死金牌”的那个勇士，可以独闯一切皇宫内的门禁。“单基因泛癌分析”也是一样道理。只要你找到了这个特别的基因，也即拿到了这块“免死金牌”，你就能自如穿梭于各个肿瘤，在里面恣意驰骋，生出一篇又一篇的高分生信文章！

（藏镜人：这！么！好！啥也别说了，快来教教如何单基因泛癌分析！）

（濤濤酱：擒贼先擒王，要想做出一篇“单基因泛癌分析”的文章，里面林林种种的生信手段你总得先学会吧？）

（藏镜人：蛤？那不就又得花上一年半载的吗……）

（濤濤酱：嘿嘿，这时候就得隆重推出我们的仙桃生信工具了！不用代码，不用R语言，只要鼠标！只要鼠标！泛癌分析带回家！）

闲话少叙，我们一起来看一下我们今天的文章题目：Prognostic and Immunological Role of FUN14 Domain Containing 1 in Pan-Cancer: Friend or Foe?

FUN14 Domain Containing 1，简称为FUNDC1。这个基因在线粒体自噬里面起到了重要作用。作者在这篇文章中，通过探讨FUNDC1在泛癌的预后以及免疫浸润情况从而论证了FUNDC1基因在肿瘤中的作用。

在“材料和方法”部分，作者开宗明义地阐明了本文实现的生信手段。

复现任务▲ 图1. FUNDC1在泛癌中的表达模式▲ 图2. Kaplan-Meier生存曲线比较了PrognoScan中不同癌症类型中FUNDC1的高表达和低表达▲ 图3. Kaplan-Meier生存曲线比较了Kaplan-Meier plotter中不同类型癌症中FUNDC1的高表达和低表达▲ 图4. 具有不同临床病理特征的肝细胞癌中FUNDC1 mRNA表达与OS和PFS的相关性▲ 图5. LIHC和LUSC中FUNDC1表达与免疫浸润水平的相关性▲ 图6. FUNDC1表达与LIHC和LUSC中的B细胞浸润和巨噬细胞极化相关▲ 表1. FUNDC1与TIMER免疫细胞基因标记之间的相关性▲ 表2. FUNDC1与GEPIA中B细胞，巨噬细胞和单核细胞的基因标志物之间的相关性

复现工具

◆ 仙桃学术工具

（）◆ Oncomine数据库

（）◆ TIMER数据库

（）◆ GEO数据库

（）

现在一切准备就绪，没时间解释了，快上车！跟着我一起开始复现之旅吧！

Figure 1

FUNDC1在泛癌中的表达模式

在此濤濤想要提醒大家，需要把这两个代表图都深深地记下来（你存在，我深深的脑海里~）

因为这两个图是典型的Oncomine与Timer的代表图。至于我们的神仙武器“仙桃”在线工具能不能实现呢？答案是肯定的，只不过在不远的将来！我们帅气的程序员小哥哥正在努力开发中，我们期待“仙桃学术”早日将这两个图的制作收入囊中！

那下面我们就分别来看看Oncomine与Timer的制作过程。

第一步：登录Oncomine的网站，用机构邮箱注册并登录。

()

第二步：研究把基因FUNDC1。在search栏中输入分子FUNDC1，并点击search按钮，页面自动刷新如下。选择目标区域进行截图，这样图A的结果就出来了。

接下来，我们继续复现Figure 1B。

登录TIMER数据库的网站

()

选择Exploration，选择Gene_De，在文字框内输入基因名FUNDC1，点击submit。

而后获得以下分析结果，保存成pdf格式。

最后把Oncomine获得的结果与TIMER数据库分析得到的结果在Illustrator或者Photoshop软件中进行拼图，就得到我们的图1。

或者采用我们仙桃最炙手可热刚刚“出炉”的拼图功能喔！（这回程序员小哥哥又开发了一大利好，那就是可以用自己的图片来拼图啦！）

进入仙桃学术工具（）；选择高级版，点击“立即使用”（注：免费版和基础版都可以进行统计和可视化，由于高级版功能最全，这里选择高级版作为范例）

选择基础绘图 –上传图片，点击进入

此处开始上传自己的图片，但是记得图片要为pdf、tiff、tif、png的格式喔！

上传好之后，可以调整图片的宽度和高度参数，最后点击确认。

记得点击下方第一个“保存结果”按钮，才能进行下一步的拼图喔！

点击拼图工具，进入拼图页面。

拖拽目标图片进入画布。（在对齐图片的时候可以选择横向参考线和纵向参考线辅助对齐。两个图片对齐时，接近辅助线的时候还有磁吸功能，拼图非常便利！

点击PDF下载，还会自动标记字母哦！点击下载，即可保存成pdf图片。（小贴士，这里也可以把图稍微放大，或者两图直接的行间距放大，可以在右侧减少留白）

这样图就拼好啦！是不是比其他软件更轻松更便利呢？ （是！）

其实，关于图1B，濤濤醬想说的是，仙桃学术也可以做得出来喔，而且效果更精美！

进入仙桃学术工具，选择表达差异（挑）- 非配对样本，点击进入。选择疾病-泛癌。

因为有的癌种的正常样本数不够，用GTEx数据库的正常样本补足，将TCGA与GTEx数据库联合分析。这里建议选择XENA-TCGA-GTEx泛癌数据。参数部分的类型选择-箱图/柱状图，基因输入FUNDC1。点击确认。

FUNDC1泛癌的结果就分析出来啦。保存结果，点击大图，下载pdf文档。

Figure 2

Kaplan-Meier生存曲线比较了PrognoScan中不同癌症类型中FUNDC1的高表达和低表达

通过各位看官儿的火眼金睛可以看出，很显然Figure 2是由多幅不同肿瘤内有关不同结局指标的K-M生存曲线。同样的道理，这幅图的实现也可以有两种方式。

（濤濤醬：掌握了多种方式实现，才有助于科研发展嘛！就好比高中数学解题一样对吧？）

（藏镜人：好好分享你的文章复现，别提数学，脑壳疼！）

两种方式分别是：PrognoScan以及仙桃学术。

而作为我们万能的“仙桃学术”，当然要放在后位来介绍啦！

方法一：PrognoScan

登入PrognoScan网站

（）

别看这个网站，长得很简陋，其实有大作用呢！

（濤濤醬：大概就好比悬疑剧最后的大boss 往往都是一开始被大家忽视的小人物？）

在方框内输入感兴趣的基因，比如本文的：FUNDC1

点击“SUBMIT”

（藏镜人：哇！！！竟然有那么多）

（濤濤醬：See？你看吧，而且卷动鼠标往下，还可以看到更多的肿瘤喔！）

由于Figure 2的图太多，但类型相似，一一复现占篇幅，那我们就以Figure 2A来做一个示范。

Figure 2A里面作者是探讨膀胱癌中FUNDC1与结局指标DSS的关系。

在其中能找到膀胱癌范围内DSS对应的条目。

点击图片中间的“PROBE ID”

而后就会出现

继续往下你就能看到我们想要的图啦！

右键保存即可下载至电脑中。

其他几幅图同理可得。最后拼图得到我们的图2。

方法二：仙桃学术

进入仙桃学术工具

（）

先复现图A。选择临床意义（靠）- KM曲线图，点击进入

选择TCGA-BLCA, FPKM, 分子输入FUNDC1，预后类型选择DSS，点击确认。得到以下的结果。保存结果。

但是在这里需要提醒大家的一点是，仙桃学术KM曲线图的部分目前的数据是来自TCGA数据库的喔，而本文作者的数据是来自GEO。在不久的未来，仙桃学术也会为大家提供GEO的数据，大家再耐心等等，多多转发文章让程序员小哥哥加鸡腿，这样他们就有动力啦！

Figure 3

Kaplan-Meier生存曲线比较了Kaplan-Meier plotter中不同类型癌症中FUNDC1的高表达和低表达

这幅图和图二其实没什么区别，就是用Kaplan-Meier生存曲线做出来的图而已。所以其实这也给我们提供了另一个解题思路，除了上述的两种方法之外，我们还有第三种方法——Kaplan-Meier Plot。

复现步骤：

打开Kaplan-Meier Plotter网站

（）

跟着我，点击如下按钮。

这里可以选择21种肿瘤（包括乳腺癌、卵巢癌、肺癌及胃癌）超过54000个基因（mRNA, miRNA, 蛋白）进行生存分析。其数据主要来源于GEO、EGA和TCGA。只有你想不到，没有你没想到！

紧接着，在方框里输入我们要复现的FUNDC1，选择分析的结局指标OS，而后勾选不同的癌种，最后点击下图的分析按钮。

真的是一键出图！要多神奇就有多神奇！

最后把这些图放在Illustrator或者Photoshop软件中进行拼图，就得到我们的图3。

最后还可以将图片保存成PDF格式。

依次同理可以复现Figure 3的其他图片。

Figure 4

具有不同临床病理特征的肝细胞癌中FUNDC1 mRNA表达与OS和PFS的相关性

这个图是典型的多因素Cox回归分析的森林图结果。

总体复现思路应该如此概括，先进行多因素的临床变量与预后结局关联的Cox回归分析，再构建森林图。

有了这个思路，复现就不难做到啦！步骤如下：

第一步：多因素的临床变量与预后结局关联的Cox回归分析

选择临床意义（靠）- 单因素|多因素Cox回归，点击进入

选择TCGA-LIHC , FPKM, 分子输入FUNDC1，采用默认的预后类型（overall survival）。在左侧框里选择临床变量，或者输入基因名（可以填一个或多个基因名），在右侧框可里选择亚组变量，包括FUNDC1基因表达的Low或者High等变量。

如果需要再增加变量，点击右侧的加号；如果需要剔除某个变量，需要在变量的右侧点击减号。确定好临床变量和分组信息后，点击确认。会分析出统计分析表，以及统计数据、相应的材料与方法、结果部分的描述。

进一步保存成word文档和excel结果。分析结果如下。

第二步：基于以上表格，制作森林图结果

选择基础绘图 - 森林图，点击进入

目前仙桃学术生信工具并没有针对单基因的森林图分析。需要根据多因素Cox回归分析的结果进行整理。

基础绘图—分组比较—森林图

点击下载示例数据，看一下示例数据的格式。需要把多因素cox回归分析结果整理成以下形式。

将之前cox回归分析的excel结果删除B、C列单因素分析结果，只保留多因素cox分析结果。

点击excel文件上传。为了避免森林图过宽，字体重叠，把宽度调整为15cm（先点击确认，如果字体重叠，再回来扩大宽度的厘米数，直到森林图字体不重叠为止）。点击确认。

图片行内字数过宽，需要横拉条拉动才能看全页面。这时候选择“查看大图”。

得到结果如下。由此森林图复现出来了。

Figure 5

LIHC和LUSC中FUNDC1表达与免疫浸润水平的相关性

图A是在LIHC肝细胞癌中，FUNDC1的表达与各类免疫细胞浸润的关联程度，其中第一张图是B细胞。我们就示范复现一下图A的第一张图。

同样也是两个方法：TIMER 以及 仙桃！

方法一：TIMER数据库

()

选择Immune Association里面的Gene

而后，在方框里选择基因FUNDC1以及需要探究的免疫细胞。

然后，点击“submit”！可以看到以下结果

找到你想要的肿瘤类型与细胞亚型，此处为LIHC与B cell。

鼠标点击这个数值。

而后就能出图啦！

其他方法依次类推，最后将结果拼图就得到我们的图5。

方法二：仙桃学术

选择交互网络（联）–免疫浸润—散点图，点击进入

接下来左侧选择TCGA-LIHC，FPKM，右侧参数的分子部分选择感兴趣的基因，而算法参数选择要研究的细胞，此处选择B cells。

最后，点击“确认”，就能一键出图啦！

Table 1

FUNDC1与TIMER免疫细胞基因标记之间的相关性

（藏镜人：我的天啊，这表格也太大了吧，里面都是些什么数字啊，看得云里雾里的！）

细心的你一定能够发现，这个图其实就是图5各个细胞的Spearman r值与p值的汇总啊！

所以运用图5介绍的Timer或我们的仙桃，就能做出这一幅“旷世巨作”喔！

Figure 6

FUNDC1表达与LIHC和LUSC中的B细胞浸润和巨噬细胞极化相关

聪明的你一定也发现了吧？图6和图5其实是一模一样的，只是其中研究浸润的是不同细胞而已，所以直接参照前文的图5就可以依样画瓢地如法炮制啦！

Table 2

FUNDC1与GEPIA中B细胞，巨噬细胞和单核细胞的基因标志物之间的相关性

表2与表1也是一个道理的喔！

（藏镜人：可是我看到这里，前面的又忘了欸 o(╥﹏╥)o ）

（濤濤醬：如果前面所说的Timer或者仙桃免疫浸润散点图还不会的话，赶紧往上滑回去再多看几眼喔！）

—END—