精打细磨，开年好课 | 肿瘤标志专业委员会：“拿下”肿瘤免疫新思路

肿瘤测序及大数据分析专家委员会集结众多牛人的智慧，倾力打造“肿瘤标志物挖掘技术与应用体系课”培训。

本次培训不是高高在上的理论，而是邀请领域高手，把他们头脑里的沉淀，来自实战的智慧和心法“掏出来”，为大家倾情分享！分享超实用的肿瘤数据库挖掘和分析，R语言绘图，以及如何将数据挖掘应用于肿瘤免疫领域分析。

本次培训将在去年4期生信培训的基础上，总结经验，继续完善补充9大课程体系及主体课程内容，既有基础理论、实操讲解，还有研究设计与实例解析，更有独创分析方法/数据库讲解。学员可根据自身研究方向及实际科研需求选择多种课程。

 开课时间 

2021年4月初

体系课开年巨献，数据挖掘三部曲

课程1：基础篇-超实用的数据库和分析工具

目标：

您将掌握多个组学数据库的查询和使用技能；

您将掌握多种分析工具的作图和分析方法；

您将学会如何综合的运用这些数据库及分析工具筛选相关肿瘤标志物，助力课题设计或文章发表。

1、生信大数据常用数据库

（1）生物信息常用数据库介绍：GEO、SRA、GTEx数据库

（2）肿瘤多组学数据库介绍：TCGA、ICGC数据库

（3）生信非编码RNA 数据库与生信转录调控数据库: TargetScan、HMDD3、miRTarBase、LncDisease2、miRNASNP3、lncRNASNP、NPInter4、NonCode5、CircAtlas、Starbase; JASPAR2.0、SEA v3.0、MEME suite、Cistrome DB、AnimalTFDB、hTFTarget、FFLtool

2、生信分析常用分析工具

（1）肿瘤标志物挖掘的生物信息工具应用: 常用工具助力肿瘤标志物的筛选及ONCOMINE介绍

（2）GSEA介绍及应用举例

（3）网络分析工具：String、Cytoscape介绍及应用举例

（4）生存分析相关工具：LOGpc、kaplan-Meier plotter、UALCAN、GEPIA、cBioPortal

实验内容：生信常用数据库及分析工具实践操作

课程2：语言篇-基于R语言的肿瘤大数据分析

目标：

学会使用R语言绘图；学会调用R包进行数据分析；掌握WGCNA分析策略；

学会在TCGA数据库中使用R语言，挖掘临床大数据。

1、R语言基础与绘图

（1） R语言基础：R语言基础语法及常用函数

（2） R语言绘图：热图、箱式图、散点图、小提琴图等等

2、R语言数据分析常用R包

差异分析R包limma；

基因集功能注释clusterProfiler；

主成分分析factoextra；

基因共表达分析WGCNA

3、R语言与肿瘤大数据数据分析实例

（1） 目标基因（mRNA、lncRNA、miRNA）差异分析及作图：对TCGA癌症的表达数据（count值）进行差异分析并提取差异基因绘制火山图

（2） 目标基因与mRNA、lncRNA、miRNA、DNA甲基化的关联分析实例：通过使用表达数据和实验证实数据构建相关性网络

（3） 目标基因（mRNA、lncRNA、miRNA、DNA甲基化）与临床特征间的关联分析实例：使用DNA甲基化数据及临床数据进行cox风险分析及生存分析

（4） 基于临床特征的亚组中目标基因的分析实例：对分组的样本的临床数据进行分析及绘图

实验内容：

（1）R语言基本命令的练习

（2）使用测试数据进行R语言绘图及R包使用

（3）使用各类R包对肿瘤大数据进行数据挖掘（差异表达分析、共表达分析、预后分析等）

课程3：提升篇-肿瘤免疫数据挖掘

目标：

您将掌握肿瘤免疫3大常用数据库的使用方法；

您将掌握肿瘤免疫微环境3种必学的分析工具；

学会基于肿瘤免疫数据的肿瘤标志物筛选思路。

1、概述及相关数据库介绍

（1）肿瘤免疫与生物信息概述

（2）肿瘤免疫相关数据库介绍：

Immport（免疫学数据库和分析门户）数据库介绍

（https://www.immportgalaxy.org/）

TISIDB （肿瘤与免疫关联）数据库介绍

http://cis.hku.hk/TISIDB/

ImmuneSigDB （免疫特征集合）数据库介绍

https://www.gsea-msigdb.org/gsea/msigdb/

2、肿瘤免疫微环境特征的生物信息学量化方法介绍

（1）TMB （肿瘤突变负荷）

（2）利用ESTIMATE方法计算

Immune score （免疫得分）

Stromal score （基质得分）

Tumour purity （肿瘤纯度）

（3）利用CIBERSORT，xCell，ImmuCellAI，ssGSEA 方法计算

Abundance of infiltrating immune cells （浸润的免疫细胞丰度）

3、肿瘤免疫特征与临床数据分析

（1）TMB计算与预后关系

（2）基于浸润的免疫细胞的预后标志

（3）基于免疫基因集合的预后标志

实验内容：

（1）TMB计算与分析

（2）ESTIMATE软件应用：计算Immune score，Stromal score，Tumour purity

（3）CIBERSORT，xCell，ImmuCellAI，ssGSEA 软件平台及方法应用：计算肿瘤浸润免疫细胞丰度

（4）SMDIC（Identification of Somatic Mutation-Driven Immune Cells）软件应用（原创）

（5）Immune gene-set based Prognostic signature识别

→添加工作人员微信咨询：15609293717

转载自：TBM学院

转自:TBM学院