KM-plotter(http://kmplot.com/analysis/index.php?p=service) 是一个在线进行生存分析的网站。目前网站可以针对54,675 个基因、18,674个癌症样本展开研究,涉及了乳腺癌、肺癌等等;数据类型有芯片数据、高通量测序数据,涉及mRNA和miRNA,并且在不断丰富之中。网站的使用,一般是对相关研究数据进行分析(譬如针对GEO数据库数据、TCGA数据库数据进行分析),筛选biomarker之后,再利用该网站对目标基因进行生存分析验证,从而佐证并丰富实验结果。
KM-plotter的使用界面如下图(Ovarian Cancer界面),页面罗列了生存分析的各数据参数设置选项,包括分析的主要参数和其他相关数据设置。
1.主要设置
针对目标基因进行生存分析时,需要明确分析的癌症类型(见下图),确定癌症类型(mRNA芯片数据、mRNA RNA-seq数据或者miRNA数据)之后,填写正确的基因symbol或者提供芯片的探针ID(芯片数据,探针ID和基因对应关系可以从网页Download中下载),选择具体的病人分组标准,以及生存分析类型(OS、PFS、PPS等等)、随访时间等等。
2.具体数据
具体的相关数据设置,主要是选择将要利用的具体数据类型,譬如针对具体阶段、分型数据、或者具体的数据集等等进行分析(见下图)。
3.设置差异
需要注意,不同的癌症类型将涉及不同的设置和选择;而同一个癌症内选择不同的设置,对应数据也可能有所不同,例如Breast Cancer可设置界面(见下图)明显区别于上方的Ovarian Cancer界面。值得高兴的是,网站每个设置的相关解释简明易懂,按照提示选择需要的设置进行分析即可。
4.简单小测
小编选择了ANLN基因(拓展链接:基于多数据集分析ANLN在宫颈癌所起到的功能) 在Ovarian Cancer芯片数据中进行OS生存分析,参数和结果见下图,一秒出结果!
怎么样?是不是很简单快捷!赶快动手试试吧!
1. 文章越来越难发?是你没发现新思路,基因家族分析发2-4分文章简单快速,学习链接:基因家族分析实操课程、基因家族文献思路解读
2. 转录组数据理解不深入?图表看不懂?点击链接学习深入解读数据结果文件,学习链接:转录组(有参)结果解读;转录组(无参)结果解读
3. 转录组数据深入挖掘技能-WGCNA,提升你的文章档次,学习链接:WGCNA-加权基因共表达网络分析
4. 转录组数据怎么挖掘?学习链接:转录组标准分析后的数据挖掘、转录组文献解读
5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程
6. 生物信息入门到精通必修基础课:linux系统使用、perl入门到精通、perl语言高级、R语言入门、R语言画图
7. 医学相关数据挖掘课程,不用做实验也能发文章:TCGA-差异基因分析、GEO芯片数据挖掘、GEO芯片数据标准化、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析
8.其他,二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读
如果觉得我的文章对您有用,请随意打赏。你的支持将鼓励我继续创作!