如何进行Broad GDAC对TCGA的数据分析，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

成都创新互联公司坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都网站建设、做网站、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的淇滨网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

Broad GDAC对TCGA的结果进行了整理和深入分析，相关的原始数据和分析结果可以通过网页的方式进行查看和下载。

点击Cases可以查看对应的样本信息，点击Data可以下载对应的结果文件，点击Browse可以通过FireBowse查看分析结果，网址如下

http://firebrowse.org/

以Adrenocortical carcinoma为例，在左侧的下拉框中选择对应的疾病，然后在右侧会看到如下所示的柱状图

每个柱子代表了该疾病不同组学的数据，点击柱子可以下载对应的数据。左侧是详细的分析结果

1. Clinical Analyses

分析内容如下

1. Aggregate AnalysisFeatures

2. Correlate Clinical vs CopyNumber Arm

3. Correlate Clinical vs CopyNumber Focal

4. Correlate Clinical vs Methylation

5. Correlate Clinical vs miRseq

6. Correlate Clinical vs Molecular Subtypes

7. Correlate Clinical vs mRNAseq

8. Correlate Clinical vs Mutation

9. Correlate Clinical vs MutationRate

10. Correlate Clinical vs RPPA

提供了临床数据与拷贝数，甲基化， mRNA/miRNA表达谱， 突变信息，蛋白质表达谱等多种数据的相关性分析。

2. CopyNumber Analyses

分析内容如下

1. Aggregate AnalysisFeatures

2. CopyNumber Clustering CNMF

3. CopyNumber Clustering CNMF thresholded

4. CopyNumber Gistic2

5. Correlate Clinical vs CopyNumber Arm

6. Correlate Clinical vs CopyNumber Focal

7. Correlate CopyNumber vs mRNAseq

8. Correlate molecularSubtype vs CopyNumber Arm

9. Correlate molecularSubtype vs CopyNumber Focal

10. Pathway Paradigm RNASeq And Copy Number

提供了基于拷贝数的聚类，以及拷贝数与临床数据，mRNA表达谱的相关性等分析。

3.  Correlations Analyses

分析内容如下

1. Correlate Clinical vs CopyNumber Arm

2. Correlate Clinical vs CopyNumber Focal

3. Correlate Clinical vs Methylation

4. Correlate Clinical vs miRseq

5. Correlate Clinical vs Molecular Subtypes

6. Correlate Clinical vs mRNAseq

7. Correlate Clinical vs Mutation

8. Correlate Clinical vs MutationRate

9. Correlate Clinical vs RPPA

10. Correlate CopyNumber vs mRNAseq

11. Correlate Methylation vs mRNA

12. Correlate molecularSubtype vs CopyNumber Arm

13. Correlate molecularSubtype vs CopyNumber Focal

14. Correlate molecularSubtype vs Mutation

提供了各种数据间的相关性分析。

4. Methylation Analyses

分析内容如下

1. Correlate Clinical vs Methylation

2. Correlate Methylation vs mRNA

3. Methylation Clustering CNMF

提供了基于甲基化数据的聚类，以及甲基化与临床数据，mRNA表达谱数据的相关性分析。

5. miRseq Analyses

分析内容如下

1. Aggregate AnalysisFeatures

2. Correlate Clinical vs miRseq

3. miRseq Clustering CNMF

4. miRseq Clustering Consensus Plus

5. miRseq FindDirectTargets

6. miRseq Mature Clustering CNMF

7. miRseq Mature Clustering Consensus Plus

提供了基于miRNA表达谱数据的聚类，以及miRNA靶基因预测， miRNA与临床数据的相关性等分析。

6. mRNA Analyses

分析内容如下

1. Correlate Methylation vs mRNA

2. Pathway GSEA mRNAseq

提供了mRNA芯片表达谱数据与甲基化数据的相关性分析，以及GSEA基因集富集分析。

7. mRNAseq Analyses

分析内容如下

1. Aggregate AnalysisFeatures

2. Correlate Clinical vs mRNAseq

3. Correlate CopyNumber vs mRNAseq

4. miRseq FindDirectTargets

5. mRNAseq Clustering CNMF

6. mRNAseq Clustering Consensus Plus

7. Pathway Paradigm RNASeq

8. Pathway Paradigm RNASeq And Copy Number

提供了基于mRNA测序表达谱的聚类，mRNA表达谱数据与拷贝数，临床数据的相关性分析，以及miRNA与mRNA相互作用网络等分析。

8. Mutation Analyses

分析内容如下

1. Aggregate AnalysisFeatures

2. Correlate Clinical vs Mutation

3. Correlate Clinical vs MutationRate

4. Correlate molecularSubtype vs Mutation

5. Mutation APOBEC

6. Mutation Assessor

7. Mutation CHASM

8. MutSig2.0

9. MutSig2CV

10. MutSigCV

11. Pathway Overlaps MSigDB MutSig2CV

提供了突变信息与临床数据的相关性分析等分析内容。

9. Pathway Analyses

分析内容如下

1. Pathway GSEA mRNAseq

2. Pathway Overlaps MSigDB MutSig2CV

3. Pathway Paradigm RNASeq

4. Pathway Paradigm RNASeq And Copy Number

提供了mRNA表达谱的GSEA等分析内容。

10. RPPA Analyses

分析内容如下

1. Correlate Clinical vs RPPA

2. RPPA Clustering CNMF

3. RPPA Clustering Consensus Plus

提供了基于蛋白质芯片数据的聚类，以及蛋白表达谱与临床数据的相关性分析。
以甲基化与mRNA表达谱的相关性分析为例，结果如下所示

对于每个分析内容，都分为了以下3个部分

1. overview

2. results

3. methods & data

overview部分提供了结果的简要描述信息，示意如下

results部分可以查看详细的分析结果，示意如下

methods & data部分可以查看分析的方法，以及下载分析结果，示意如下

通过Broad GDAC, 不仅可以下载TCGA的数据，还可以进行数据挖掘，其提供的分析内容和方法都值得借鉴。

看完上述内容，你们掌握如何进行Broad GDAC对TCGA的数据分析的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联行业资讯频道，感谢各位的阅读！

网页标题：如何进行BroadGDAC对TCGA的数据分析
文章转载：http://chengdu.cdxwcx.cn/article/geipcj.html