Oncomine将于2022年1月17日终止服务。
Oncomine数据平台最精彩的地方还是差异表达的展示，正常标本之间，肿瘤和正常标本之间，肿瘤之间；既有红蓝热图的整体展示，还有箱式图、柱形图，并且提供原始数据及其参考文献，数据多来自GEO，方便Graphpad或Excel或R进一步数据处理；既提供p值，变化水平（fold change)，还有基因排名（ranking）也提供共表达基因，生存信息。我们只要做临床研究，只要做生信分析，这些都是基本功。此外，oncomine的数据还可以作为基础研究的有力补充，对于偏基础研究的课题，可用于辅证.陈列平教授在Cell论文中的图，是对oncomine数据的妙用，左图先做出一个流程图阐明数据分析流程和设计方案，根据实验结果，以条形图的形式展示FGL1基因在各种肿瘤中的变化趋势百分比。
参加培训班——最快速的方法。有些生物信息公司会针对高校教师和医师开生信培训班，我导师带着我上过几次，有TCGA、Oncomine和R的。缺点是价格贵，一次一天两三千，优点是上手快，而且会有后续服务，比如课上完后你在qq群里提问，一般公司技术人员都会给你解决。我放几张上完培训班后发的资料，是课上PPT转的PDF。另外再推荐一本中文教材，可以做补充用。优点是浅显易懂，缺点是不够深入且作者态度傲娇，但书还可以，《R语言与Bioconductor-生物信息学应用》，随着大数据时代的到来，各种生物类公共数据库井喷，其中就包括癌症领域熟为人知的癌症基因图谱The Cancer Genome Atlas (TCGA)数据库。TCGA由NCI牵头，作为美国攻克癌计划的一个大项目，投入了巨大的人力和物力，系统提供了癌症多组学测序和芯片数据，包括Gene expression, DNA methylation, Copy NumberVariation, Mutation等结果，同时也附有相应各测序样本的完整临床资料。TCGA为肿瘤基础医学和转化医学研究者提供了海量的基因组数据和与其关联的临床数据,这为挖掘有意义的基因组变化和发现影响肿瘤起始、发展、分化、转移等生物学机制提供了海量数据基础。然而传统的基础医学和转化医学研究者缺乏信息学基础来处理大规模癌症数据,因而在面对这些极其有价值的基因组数据时,往往心有余而力不足。作为医学信息领域研究者,我们需要将信息学和统计学知识运用到癌症基因组学数据分析的研究当中,作为连接大数据与基础医学研究者之间的一个纽带,帮助研究者去更好地挖掘探索这些数据。
