临床数据 1. 临床基因突变数据如何发高分？

news2024/11/25 7:49:43

桓峰基因公众号的粉丝中医学类科研偏多，因此对于临床数据的分析需求还是很多的，因此我们再次推出临床数据相关的一些文献以及对应的分析方法，那么临床数据大概哪几类呢？

临床信息

患者的个人信息包括性别、年龄、家族遗传史、吸烟史等疾病相关信息；
诊断信息包括临床分期、分组、分型、CT、病理图片、诊断书、化验单等信息；
临床治疗信息包括治疗评价、用药、PFS、症状等治疗相关信息；
基因检测信息包括不同时期的基因突变检测结果等；
以及涉及到治疗的相关信息；
最后就是随访信息包括生存状态和OS。

对于临床患者的研究来说，临床信息是非常重要的，所有的分析都将根据临床信息分组分型等进行操作，若有的老师攒了很多的患者样本想做个课题，一定是先做好临床信息的整理，这是非常重要的而且繁琐的工作，一旦课题有一定临床意义，是非常容易上分的，因此做好患者信息的整理起到事半功倍的效果。

今天我们就来看下若我们有临床信息，并且每个患者都做了基因检测，想对这些数据进行临床分析，我们该如何来做？

桓峰基因总结一些分析方向和方法，有感兴趣的老师可以参考，也可以直接联系我们进行分析，提供最优质的服务。

数据准备

1. 样本突变基因列表

样本突变基因列表，其中必须包括第一列样本编号，还有第一行基因ID，每个样本对应标记出来突变信息，从“样本编号”到第一个基因中间可以随意插入多列，文件格式如下：

2. 样本分组信息列表

样本分组信息列表，其中包括样本编号以及每个样本的分组信息，若某个样本在某个组内没有分组信息使用“NULL”代替，并且分组尽量利用英文代替，避免出现数学符号，例如：＜、＞等。组别利用英文单词代替，并且中间不要有空格，如需要两个单词之间利用“_”下划线链接，文件格式如下：

3. 基因Pathway注释列表

基因Pathway注释列表，其中包括pathway，gene，以及每个pathway所赋给的颜色（RGB之间使用“，”；基因gene之间使用“，”）；pathway、gene、pathway之间使用“\t”。

生信分析内容

1. 突变基因统计模块

计算每个基因突变的样本数量以及比例，同时利用不同颜色填充出具有相同pathway的基因。

图1 基因突变比例分布图

2. 突变基因展示模块

对基因以及样本排序后的矩阵直接做热图，红色表示样本在基因上有突变，如下图所示：

图2 样本突变在不同基因上的分布图

3. 互作基因模块

对基因突变矩阵进行互作分析，得到成对互作基因，保留至少出现一次互作的基因，每条线表示一对相互作用的基因，线越粗表示互作基因在样本中出现的次数越高，作如下circos图：

图3 基因互作Circos图

4. 整体互作分析模块

对基因突变矩阵进行互作分析，利用Fisher-test计算p-value，挑选p-value≤0.05的互作基因或互斥基因作图。色带表示OR值；圆点大小表示p-value；红色点表示倾向共存；蓝色点表示倾向互斥。

计算方法：

当Tmin≥ 5，N≥40时，用普通卡方检验公式；

当1≤Tmin<5，用连续校正的卡方公式；

当Tmin<1或N<40时，用Fisher精确概率法。

图4 基因互作关系图

5. 组内互作分析模块

组内只有两类互作分析模块

根据3.2样本分组信息列表，对不同分组进行互作分析，例如按照血液病类型分组，可分为AML、MDS，计算其每个基因在两组的p-value以及or-value，挑选p-value≤0.05的基因作图，圆点大小表示p-value大小；横轴表示or-value的log值，纵轴表示对p-value取log，图上所有基因其p-value均小于0.05。

图 5 组内只有两类互作分析图

b. 组内多于两类互作分析模块

根据样本分组信息列表，对不同分组进行互作分析，例如按照FAB分组，可分为M0、M1、M2、M4、M5，计算M0与其他类型的p-value以及or-value，挑选p-value≤0.05的互作基因作图，右侧色带表示or-value，有显示出来方块表示其p-value均小于0.05。