引言：挖掘TCGA数据库的文章在PubMed中有超过10000篇，可以说基本被我们玩的差不多 了，什么肿瘤亚型，生存预后，免疫浸润，等等，在你找不到新思路的时候，不妨来看看这篇有关TCGA代谢亚型分类的文章，支持在线查询哦！

The Cancer Genome Atlas (TCGA)数据库是一个综合的肿瘤基因组数据库，里边包含了常见的33种癌症的各种数据，从基因组、表观基因组、转录组到蛋白质组等等，总数据量超过了2.5 拍字节（1PB=1024TB）。也是我们日常中除了GEO外分析最多的一个数据库。

通过下载TCGA的数据或者使用特定在线工具，我们可以分析以下几个方面的内容：

1， 比较肿瘤样品和对照样品的基因表达差异，miRNA表达差异，甲基化差异，蛋白表达等

2， 比较肿瘤不同分期的基因表达

3， 比较不同性别、临床分期、种族等的生存曲线

4， 拷贝数，SNV变异情况（参考：maf汇总图，和瀑布图）

5， 预后模型等

在TCGA数据库基础上的二级数据库也是很多，比如https://www.cbioportal.org/，http://gepia2.cancer-pku.cn/等，极大地方便了我们对TCGA数据库的挖掘。

本着挖掘无止境的原则，今天我们来看看另一个思路：从代谢方面进行分析。

参考这篇2022年刚出炉的文章：

Cancer metabolic subtypes and their association with molecular and clinical features

能量代谢重编程（reprogramming of energy metabolism）和免疫逃避（immune evasion）是癌细胞的基本过程。最近有研究表明拷贝数改变和代谢表型，代谢基因表达谱所反映的代谢通路与患者生存密切相关。

本研究系统研究了人类肿瘤和它们的分子特征，临床特征与代谢谱间的关联，显示代谢谱能够在分子水平（体细胞突变，结构基因组变异，表观修饰）和临床方面（生存概率，肿瘤分期，组织类型）将肿瘤分成显著不同的亚型。

当然，理论上应该直接使用代谢组学来研究，但是数据不足，因此使用转录组谱作为跳板（proxy）进行分析，并将数据做成了界面友好的数据库，供大家查询。

地址：https://metaminer.unito.it/

以胃癌为例，这里给出了不同代谢过程的各种信息。

Tumor Types：癌症类型

Metabolisms：作者从KEGG，Reactome，GO等数据库中挖掘出来的各种代谢过程

Features：TCGA的各种数据集，包括，临床，表达，突变，生存等

根据不同的数据，一般会出来两个图，左侧是热图，右侧可以是correlation图、box图，生存曲线等。

Top20最差异基因的表达情况，其中K1和K2是使用partitioning around medoids (PAM)算法将样品进行cluster后的结果，即代谢亚型（metabolic subtypes）。一般是2个，部分高达10个cluster。

该图是不同组织学类型中cluster1和cluster2的相关性。这里的数值是Pearson Residuals（皮尔森残差）。当然还有不同分期的，突变和野生的比较等等。

例如

不同cluster的miRNA表达box图

不同cluster的生存曲线

希望在你思路枯竭的情况下，本研究可以让你眼前一亮！

微生信简介

微生信云平台（http://www.bioinformatics.com.cn）以130多款在线作图、在线数据分析为基本方式，致力于0代码分析科研数据，0代码展示数据结果，帮助生命科学、医学等领域的科研工作者更便捷地分析数据，了解数据，挖掘数据背后的生物医学意义，助力科研，促进知识传播。