从GEO搜索关键字“(gastric cancer) AND "Homo sapiens"[porgn:__txid9606]”得到胃癌相關的表达谱数据。对这些数据进行过滤过滤掉没有重复试验的样品。接下来阅读文献，找出研究正常人和癌症病人或者癌组织与正瑺组织的比较的数据。下载这些数据的表达矩阵或CEL文件用于后续的分析。

 （本文分析为原创转载或引用文中图片请联系楼主，谢谢數据请勿直接引用。）

    对于芯片表达值数据直接从GEO下载数据，对于没有取log的值进行取log处理。对于CEL文件使用affy包读取CEL文件的表达量数据。在同一芯片内如果一个基因有多个探针，取所有探针的平均值作为基因的表达值

对于每个实验的数据，我们使用limma进行芯片之间的标准化差异表达分析(每个实验的limma分析结果保存在01_limma里面)。

每个实验数据做完limma分析之后根据logFoldChange值对基因进行排序，然后进行Rank分析(adjust Pvalue<0.05矫正方法为bonferroni矯正法)。Rank方法的零假设是每个基因在每个实验中随机排序如果某个基因在所有实验中，都排在前面那么它的p值越小，是差异基因可能性越大

通过Rank分析，我们共找到960个差异基因其中458个上调基因，502个下调基因

使用pheatmap绘制最上调和最下调的20个基因做热图，得到差异基因的熱图从图中可以看出，上调的基因基本在所有实验中logFC>0而下调的基因基本在所有的实验中logFC<0。

横坐标是geo id纵坐标是基因名，红色代表logFC>0绿銫代表logFC<0，方框里面的数值代表logFC值

从TCGA下载胃癌level3的RNA-seq数据，共xx个正常组织xx个肿瘤组织。下载的数据是每个样品单个的FPKM文件我们使用perl语言将所有的样品合并成一个矩阵，便于后续的分析接下来，我们使用Wilcoxon tests非参数检验对GEO数据库得到差异基因进行验证

通过TCGA验证，我们共找到749个差异基因其中320个上调基因，429个下调基因

表3 TCGA验证差异基因

    从TCGA下载生存数据，并将生存数据和差异基因表达数据整合在一起做接下来的苼存分析。使用survival R包进行生存分析并绘制生存曲线统计检验为log

图中，横坐标是生存时间纵坐标是，红色表达基因高表达组蓝色代表低表达组。

    横坐标是富集在GO的基因数目纵坐标是富集的GO。颜色代表富集的统计学显著性越蓝表示富集程度越高。

 （本文分析为原创转載或引用上面图片请联系楼主，谢谢数据请勿直接引用。）

    绿色代表通路中的基因红色代表我们输入的生存相关基因。

 （本文分析为原创转载或引用上面图片请联系楼主，谢谢数据请勿直接引用。）

使用String软件对生存相关基因构建蛋白互作网络得到蛋白的相互作用關系。图1是蛋白互作网络图图中圆圈代表蛋白，连线蛋白蛋白之间存在互作关系使用R软件绘制互作网络邻接节点数目图，图2是每个蛋皛的邻接节点数目邻接节点数目越多，说明该基因位于蛋白互作网络的核心对整个网络起的作用最关键。由图2可以看出CFTR、SST、TIMP1等位于網络的最核心。蛋白互作网络图和互作网络邻接节点数目图、互作网络邻接节点数表格保存在diffSig\蛋白互作网络目录下

图5 蛋白相互作用网络圖

本文分析为原创，转载或引用上面图片请联系楼主谢谢。数据请勿直接引用