Question

如何处理TCGA的数据

Answer 1

首先说下背景，我毕论有大量涉及到生存曲线分析。针对某个我们已挖掘到白血病中的差异基因，利用了TCGA上的临床数据。

需要的数据：TCGA上的临床数据。当你下下来时会发现有一大堆。这时需要你做的就是筛选你所需要的。你需要的有：目的基因的表达量、患者生存时间、患者生存/死亡状态。这里的目的基因可以是你前期差异基因分析/通路分析/临床分析等所得到的一个或几个基因，你需要在下一步生存分析中进一步验证其预后影响。

软件：SAS、Grapdprism、SPSS、R语言都可以用。但个人感觉SAS的算法更精准，Gradprism在画图上更漂亮且易操作。看你需求了。

检验算法：采用Kaplan-Meier (K-M) 生存分析法来计算生存时间及生存率，采用Log-rank检验比较生存差异，取P值小于0.05为有统计学意义。

具体操作原理：根据目的基因的表达量，将患者分为高表达组和低表达组。这里的分组方法，可以是根据平均值，也可以是中值。我查阅了大量文献，认为中值更合理。将分组后的两组患者数据导入软件，这里的软件可以是上所述的任意一种，而数据包括了患者生存时间、患者生存/死亡状态。注：表达量只用来分组，不用来画生存分析。