圖1 TCGA數(shù)據(jù)庫(kù)中NCOA4在癌癥組織和正常組織中的表達(dá)（箱狀圖）▼

看似五顏六色五彩繽紛的圖，復(fù)現(xiàn)起來難度并不大，讓我們一個(gè)一個(gè)復(fù)現(xiàn)每個(gè)小圖吧~

圖1a 泛癌中NCOA4在癌癥和正常組織中的表達(dá)【表達(dá)差異】-> 【非配對(duì)樣本】-> 【泛癌】 ->【NCOA4】 ->【確認(rèn)】-> 【保存結(jié)果】
▼（小貼士：建議后續(xù)需要拼圖的圖片均選擇“保存結(jié)果”，這樣可將保存的結(jié)果直接在“拼圖工具”中進(jìn)行拼圖，省去了后面上傳圖片的步驟，咱們能偷懶就盡量偷懶，把時(shí)間花在更必要的地方，對(duì)吧~）

圖1b ccRCC中NCOA4在癌癥和正常組織中的表達(dá)

與圖1a類似，僅需把疾病類型換成“腎透明細(xì)胞癌”即可。▼

圖1c ccRCC中NCOA4在不同年齡段的表達(dá)▼

【臨床意義】-> 【臨床相關(guān)性】-> 【TCGA-KIBC】-> 【Age】-> 按照年齡段分組，按“+”可添加分組 -> 輸入目的分子“NCOA4” -> 【確認(rèn)】

（注：仙桃學(xué)術(shù)采用的年齡分組標(biāo)準(zhǔn)是按照中國(guó)國(guó)家癌癥中心統(tǒng)計(jì)的患癌年齡分界，和原文4個(gè)年齡段的分組不盡相同。每篇文章采用的各分組指標(biāo)可能都不太一致，只要把標(biāo)準(zhǔn)解釋清楚即可。）▼

圖1d-j ccRCC中NCOA4在不同性別、TNM分期、病理分期、組織分級(jí)、ccRCC分類的表達(dá)和圖1c類似，只需更改選擇分析參數(shù)，點(diǎn)擊“確認(rèn)”即可得到想要的圖片。

拼圖

得到圖1的所有圖片后，【拼圖工具】-> 保存在云端的“所有圖片”在左下角 ->拖拽到右邊的空白頁面-> 調(diào)整圖片的大小和位置-> 選擇“ABC標(biāo)注”▼

圖片接近輔助線的時(shí)候有磁吸功能輔助對(duì)齊，最下方可添加“參考線”來輔助圖片對(duì)齊，得到滿意的圖片后，選擇合適的格式“下載”保存，即可得到發(fā)表級(jí)別的圖片了。▼

在下載的圖片中已經(jīng)自動(dòng)標(biāo)記好了字母。▼

圖2 GEO和HPA數(shù)據(jù)庫(kù)中NCOA4在癌癥組織和正常組織中的表達(dá)（箱狀圖免疫組化圖）▼

圖2a GSE66271數(shù)據(jù)集中NCOA4在癌癥組織和正常組織中的表達(dá)（小貼士：仙桃學(xué)術(shù)上線了數(shù)據(jù)集檢索，目前可以檢索GEO的數(shù)據(jù)集，并且還能直接進(jìn)行一站式的下游分析，咱們又能偷更多的懶啦，撒花撒花~）（GEO數(shù)據(jù)集詳細(xì)使用方法參見：重磅丨GEO數(shù)據(jù)集檢索上線，解鎖一站式分析的爽感~）

仙桃學(xué)術(shù)首頁：https://www.xiantao.love/??-> 【數(shù)據(jù)集檢索】▼

輸入GEO數(shù)據(jù)集名稱“GSE66271”-> 【檢索】-> 【選擇樣本】 -> 勾選所有樣本-> 【添加到樣本庫(kù)】-> 【進(jìn)入我的樣本庫(kù)】▼

這里要對(duì)樣本進(jìn)行分組，先按“Title”對(duì)組織樣本類型進(jìn)行排序，這樣就能正常組織在一起，癌癥組織在一起；在正常組織前面打“√”，點(diǎn)擊“加入分組1”，同樣勾選癌癥組織，點(diǎn)擊“加入分組2”，把樣本庫(kù)中想要分析的樣本分成兩個(gè)組。添加好分組后，點(diǎn)擊“提交分析”；分析完成后，就能下載結(jié)果了，我們這里只需要“表達(dá)譜CSV”和“結(jié)果報(bào)告下載”。

▼（小貼士：不同用戶每天可以提交分析的次數(shù)是不同的，普通版2次/天，基礎(chǔ)版5次/天，高級(jí)版10次/天。如果需要分析的數(shù)據(jù)較多，建議升級(jí)權(quán)限，要不然只能眼巴巴的盼著明天快來~）

（小貼士：這里提供了豐富的結(jié)果內(nèi)容，包括箱式圖、PCA圖、UMAP圖、火山圖、熱圖等，看見一大波美圖蹦出來，都能用在文章中，突然覺得自己有點(diǎn)牛氣了哇~）

用Excel軟件打開“表達(dá)譜CSV”，查找目的基因“NCOA4”，復(fù)制整行。▼

新建一個(gè)Excel表格，選擇“粘貼”下的“轉(zhuǎn)置”，把這行數(shù)據(jù)粘貼到表格的第一列。▼

再回到“表達(dá)譜CSV”文件，復(fù)制第一行的整行，并粘貼轉(zhuǎn)置到新的Excel表格“GEO腫瘤正?！钡牡诙小（?/p>

刪除第二行，因?yàn)榻酉聛硪玫男畔]有這一行。▼

點(diǎn)擊“排序”下的“自定義排序”。▼

在彈出的排序警告中選擇“擴(kuò)展選定區(qū)域”。▼

選中“Gene.Symbol”按“確定”，所有數(shù)據(jù)就會(huì)按照“Gene.Symbol”的順序來排序了。▼

解壓“差異分析-自選樣本分析報(bào)告”，打開“output”中的“樣本表格.xlsx”，并用以上方法將所有數(shù)據(jù)按“GSM”來排序，這樣兩個(gè)數(shù)據(jù)中的基因符號(hào)就是一致的了。▼

將“樣本表格.xlsx”中的“group”列和“GSM”列復(fù)制粘貼到新Excel表格中，檢查一下“Gene.Symbol”列和“GSM”列是不是完全一致的。▼

如果完全一致，就可以把“Gene.Symbol”和“GSM”兩列刪除了，只留下“NCOA4”和“group”兩列，并按照“group”將所有數(shù)據(jù)排序。▼

將分組2的NCOA4的數(shù)據(jù)剪切下來。▼

粘貼到第二列，刪除其他多余數(shù)據(jù)，并重命名列名為“Normal”和“Tumor”。▼

保存文件-> 打開仙桃學(xué)術(shù)的生信工具-> 【基礎(chǔ)繪圖】-> 【分組比較】-> 上傳剛剛保存的文件-> 調(diào)整圖片參數(shù)-> 【確定】-> 【保存結(jié)果】

▼（小貼士：以上Excel的操作看似復(fù)雜，其實(shí)熟練以后一分鐘就能搞定，遠(yuǎn)比從GEO數(shù)據(jù)庫(kù)下載數(shù)據(jù)再進(jìn)行基因分析效率高得多呢，大膽的來試試吧~）

用同樣的方法畫出“GSE53757”的圖2b，【保存結(jié)果】。

圖2c The Human Protein Atlas數(shù)據(jù)庫(kù)中NCOA4在癌癥組織的表達(dá)量低于正常組織
進(jìn)入HPA數(shù)據(jù)庫(kù)：https://www.proteinatlas.org/
輸入目的基因NCOA4 -> 【Search】▼

選擇“Tissue”，即正常組織標(biāo)本。▼

選擇“KIDNEY”▼

找到和文章中類似的圖片，點(diǎn)擊。▼

打開圖片看大圖，覺得合適，點(diǎn)鼠標(biāo)右鍵“另存圖片為”保存圖片。▼

用同樣的方法, 【PATHOLOGY】-> 【CANCER】-> 【RENAL CANCER】 ▼

找一個(gè)和文章類似的圖片打開。▼

同樣保存圖片。▼

回到仙桃生信工具，【基礎(chǔ)繪圖】-> 【上傳圖片】-> 【確認(rèn)】-> 【保存結(jié)果】,將2個(gè)HPA數(shù)據(jù)庫(kù)中下載的圖片都上傳。▼

【拼圖工具】-> 拖拽圖片拼圖-> 【下載結(jié)果】 ?▼

圖3 NCOA4高低表達(dá)組的KM生存分析▼

【臨床意義】-> 【KM曲線圖】-> 【腎透明細(xì)胞癌】-> 鍵入“NCOA4”->【確認(rèn)】 ▼

（詳見仙桃學(xué)術(shù) |一分鐘無代碼搞定KM生存曲線分析）

同樣的方法畫出圖3b,拼好圖就好了。

圖4 單因素和多因素分析的森林圖▼

首先進(jìn)行單因素和多因素Cox回歸分析【臨床意義】-> 【單因素|多因素Cox回歸分析】-> 【腎透明細(xì)胞癌】-> 調(diào)整參數(shù)-> 【OS】-> 【確認(rèn)】 ▼

下載Excel格式的表格，這里單因素和多因素結(jié)果是在一起的，我們需要分別保存。▼

選取結(jié)果前4列，另存為“單因素分析.xlsx”。▼

選取結(jié)果的第1，2，5，6列，另存為“多因素分析.xlsx”。▼

回到仙桃學(xué)術(shù)

【基礎(chǔ)繪圖】-> 【森林圖】-> 上傳數(shù)據(jù)-> 調(diào)整參數(shù)-> 【確認(rèn)】▼

把4個(gè)圖片拼接起來就是圖4了。

圖5 NCOA4的PPI蛋白互作網(wǎng)絡(luò)▼

進(jìn)入STRING數(shù)據(jù)庫(kù)：https://string-db.org/

輸入目的基因“NCOA4”-> 【SEARCH】 ▼

可保存圖片，也可保存Excel數(shù)據(jù)，兩者結(jié)合即完成圖5。▼

圖5 NCOA4相關(guān)免疫細(xì)胞浸潤(rùn)圖▼

進(jìn)入TIMER數(shù)據(jù)庫(kù)：https://cistrome.shinyapps.io/timer/點(diǎn)擊【Gene】 ▼

輸入“NCOA4”-> 選擇“KIRC”-> 【SUBMIT】-> 下載圖片▼

表２ NCOA4與免疫細(xì)胞標(biāo)志物的相關(guān)分析▼

仍然在TIMER中選擇“KIRC”-> 填入“NCOA4”和需要進(jìn)行相關(guān)分析的分子-> 選擇【None】或【Tumor Purity】-> 【確定】-> 獲得圖片-> 將圖中的“cor”值和“P”值填入表格。▼

進(jìn)入GEPIA2數(shù)據(jù)庫(kù)：http://gepia.cancer-pku.cn/【Correlation】-> 填入“NCOA4”和需要進(jìn)行相關(guān)分析的分子->選擇“TCGA Tumor”下的“KIRC Tumor”或“TCGA Normal”下的“KIRC Normal”-> 【Plot】 -> 獲得圖片-> 將圖中的“P”值和“R”值填入表格。▼

全文總結(jié)

本文完成了“挑”、“聯(lián)”、“靠”，采用多數(shù)據(jù)集相互驗(yàn)證，使用多數(shù)據(jù)庫(kù)分析，內(nèi)容較詳實(shí)，論據(jù)較充分。如果能將分子機(jī)制或者免疫分析做得更深入，分子機(jī)制間的因果關(guān)系會(huì)更清晰通透。▼