今天一大早（其实快10点了）还在睡觉，李老师问我想知道几个基因在几个TCGA癌症中的相关性。
其实这个问题是很好解决的，我们只要有各种基因在各种癌症的表达量就可以了，然后就是一个相关性分析，图的话就是一个散点图，excel都能做。
可以在线做相关性分析的网址很多，比如xena、ualcan、gepia（官网上的介绍上用非log归一化进行计算，用log归一化进行可视化，好奇怪的设定）、linkedomics、hiplot的在线ucsc-xena-shiny等等，这里我还是推荐xena的可视化分析去提取需要的数据，而且还能下载到本地，自主分析。
对于基因的表达量，以前有count、fpkm和tpm等多种单位，这里推荐用tpm。xena里有一个TCGA Pan-Cancer的数据集，里面有各种基因表达单位，这里推荐用TOIL RSEM tpm格式，不过单位是log2(tpm+0.001)，我们可以转换成tpm，也可以转换成log2(tpm+1)，具体有什么差别可以自己体会。
后面我花了几分钟时间就统计好了，然后顺便写个教程描述一下。
数据的下载
首先从xena的可视化界面下载数据，选择TCGA Pan-Cancer (PANCAN)数据集，然后逐渐添加列
在Phenotypic里选择cancer type abbreviation（用于筛选肿瘤类型）
在Phenotypic里选择sample_type（用于筛选肿瘤组织）
在Genomic里输入ATR，基因类型（gene expression RNAseq）选择TOIL RSEM tpm（单位为log2tpm+0.001）
在Genomic里输入CHEK1，基因类型（gene expression RNAseq）选择TOIL RSEM tpm（单位为log2tpm+0.001）
在Genomic里输入TFAM，基因类型（gene expression RNAseq）选择TOIL RSEM tpm（单位为log2tpm+0.001）
全部选完以后点击右上角的下载图标，这里也可以先筛选一下Primary Tumor再下载，也可以后面提取。
数据的处理
导出的tsv格式里包含里所有的肿瘤类型，我们可以用Excel简单的事先筛选。
可以直接用excel先筛选，肿瘤缩写（cancer type abbreviation）选择COAD、OV，PAAD和UCEC，肿瘤类型（sample_type）选择Primary Tumor。当然有些基因表达量有空值，这个可以删除，也先不管，最后保存为csv格式。
也可以直接把tsv导入R中处理，但是需要代码，嫌麻烦的话可以不用
导入数据
need<-read.csv("/need.csv") #选择所在的文件夹，事先把列名改成简单的单词这样就把COAD、OV，PAAD和UCEC四个肿瘤类型中，ATR、CHEK1和TFAM导入进来了。
相关性分析
有一个ggstatsplot的包可以很快的统计并绘图，由于有四个肿瘤类型，这里也可以一次性计算，用grouped_ggscatterstats()函数实现分面效果，默认的话是pearson法。
计算ATR和TFAM在四种癌症的相关性
先用默认函数计算一下，这里默认的pearson法，先大致看一下，见图 1
ggstatsplot::grouped_ggscatterstats(need,#数据名
ATR,TFAM, #第一个是x轴，第二个是y轴
grouping.var = type,#按type分组，这里本来是缩写
plotgrid.args = c(ncol=2) #只显示两列
) ## Warning in .recacheSubclasses(def@className, def, env): undefined subclass
## "numericVector" of class "Mnumeric"; definition not updated## Registered S3 methods overwritten by 'parameters':
## method from
## as.double.parameters_kurtosis datawizard
## as.double.parameters_skewness datawizard
## as.double.parameters_smoothness datawizard
## as.numeric.parameters_kurtosis datawizard
## as.numeric.parameters_skewness datawizard
## as.numeric.parameters_smoothness datawizard
## print.parameters_distribution datawizard
## print.parameters_kurtosis datawizard
## print.parameters_skewness datawizard
## summary.parameters_kurtosis datawizard
## summary.parameters_skewness datawizard
Figure 1: ATR和TFAM在四种癌症中的pearson相关性分析
计算CHEK1和TFAM在四种癌症的相关性
继续用默认函数计算，见 图 2
ggstatsplot::grouped_ggscatterstats(need,#数据名
CHEK1,TFAM, #第一个是x轴，第二个是y轴
grouping.var = type,#按type分组，这里本来是缩写
plotgrid.args = c(ncol=2) #只显示两列
) 
Figure 2: CHEK1和TFAM在四种癌症中的pearson相关性分析
适当美化
知乎上有一个很好的教程：R绘图：相关性分析与作图（单基因相关性） ，我们照猫画虎可以试着更改一下风格。