TCGA数据库和GEO数据库都是生物信息学领域非常重要的资源,它们各自有着独特的特点和应用场景,主要区别体现在以下几个方面: 一、数据来源与目的 TCGA数据库:全称The Cancer Genome Atlas(癌症基因组图谱),由美国国立卫生研究院(NIH)下属的国家癌症研究所(NCI)和国家人类基因组研究所(NHGRI)于2006年联合启动。
GEO和TCGA分别是两种不同类型的数据库,GEO是Gene Expression Omnibus的缩写,主要存储基因表达数据和高通量基因组数据,TCGA是The Cancer Genome Atlas的缩写,主要用于收集和分析癌症基因组数据。这两种数据库在生物信息学和医学研究中都具有重要作用。GEO数据库是由美国国家生物技术信息中心(NCBI)开发的,提供了一个公开的...
这篇文章把表观遗传组学中的“DNA甲基化”与流行病学做了创新性联合,依靠“TCGA + GEO数据库”中的甲基化数据、转录组数据与临床流行病学数据,两者搭配仅用纯生信分析就完美拿下了13分+的JAMA子刊!文章是从种族和年龄这2个社会因素(临床流行病学特征)角度入手分析TNBC患者的DNA甲基化差异,小伙伴们想一想,换成...
用超创新的思路将“DNA甲基化”与“种族、年龄流行病学特征”完美搭在一起,并且还是用的经典“TCGA+GEO数据库”,有种老树发新芽的感觉!用上这个思路,换个流行病学特征或者换个肿瘤,又是一篇高分文章,心动赶快行动起来吧,越早复现越容易发高分哦!
这篇文章既有爆火的肿瘤微环境,又有公共数据库生物信息学分析,高创新性地引入了细胞外ATP(exATP)/胞外腺苷(exADO)水平与肿瘤相关中性粒细胞(TANs)之间的关系,最后干湿结合,阐明了Pannexin1(PANX1)的特性及其重塑代谢免疫抑制肿瘤微环境(TME)能力,为乳腺癌治疗提供新的靶点和策略。
TCGA、NCBI GEO、NCBI SRA、EBI ArrayExpress等是含有高通量数据的数据库,其中TCGA是一个非常权威的、数据量巨大的、组学丰富的、免费的癌症公共数据库。我们可以基于它进行很多挖掘分析,获得很多结果。 常用的再挖掘分析有: ① GEO或者TCGA数据分析 ② GEO和TCGA数据联合分析 ...
机器学习在生物医学中的应用,让学员能够学习理论知识及熟悉代码实操,ceRNA 网络构建、精通挖掘GEO、TCGA等数据库、文章的复现,以及利用机器学习方法筛选疾病相关的生物标志物、预测患病风险、预测患者预后、多种机器学习、计算方法综合预测等操作...
从TCGA数据库下载MPM病例的临床信息和mRNA测序数据。从GEO获取GSE67487和GSE51024数据集。 结果解析 01 糖酵解通路的获取和差异基因的选择 从MSigDB共获得5个糖酵解相关通路基因集,包括BIOCARTA 糖酵解通路、GO糖酵解过程、HALLMARK糖酵解、KEGG 糖酵解...
最近由于一些政策的变化,有些数据库已经用不了,例如SEER数据库,已证实真的不能用了,不信的话可以自己直接发邮件到SEER官网咨询或者登录一下自己的账号,看看能不能用。 现在很多粉丝就担心GEO\TCGA数据库的表…
表观遗传搭上流行病学,用好TCGA+GEO数据库就能速发高分 癌症表观遗传作为长久以来的热点,因其与临床需求密切相关、临床指导意义大等特点受到持续关注。探索表观遗传特征的过程中如果能发现疾病治疗的新靶点,研究思路更是源源不断了,可以说是高分文章发到手软!(公众号内也有很多癌症治疗靶点相关的生信文章思路分享,...