geo 甲基化数据分析

TCGA数据库有大量开放的甲基化数据，对我们科研非常有利，但是怎么挖掘呢？是不是去参加培训班就可以了？答案肯定不是的。有很多人去参加了培训班，然后学会了分析。但是搞了两三个月，还是没有结果。导致结果出不来的罪魁祸首就是网速和自己的电脑。首先，网络就是一个大问题，很多时候在医院或者学校都是一大堆人共用的网络，平均下来每人只有几m,这样的网络来下载几十g的数据，往往需要很久很久，用一两个月是很正常，而且在网速比较慢的情况，下载过程很容易断掉，然后又要重新下载，这样反反复复，最后什么都没有下载到，下载到都想砸电脑了。

下载好了数据，还有就是数据提取整理的过程，这个过程也是非常痛苦的，如果你实验室或者课题组或者自己比较土豪有价值几万元的计算机（服务器），那么这个问题就不是问题，直接忽略掉。如果你是自己平时办公室配备的电脑或者自己笔记本，这个问题就是大问题了，利用perl或者python提取数据都会非常消耗计算机大量内存，很多培训都是使用perl，会使CPU超负荷，来不及散热，普通电脑一下子就卡死了，严重的甚至死机。之前有同学用自己的笔记本跑，结果跑了一个月，还是不能把数据提取出来，最后来请我们帮忙。

数据整理好了，就要分析，这个过程是使用r分析，同样对电脑要求比较高，因为生成的矩阵比较大，差的电脑还是非常卡顿的，难以正常工作。

甲基化常见的分析如下：

1、甲基化基因差异分析

2、转录组数据与甲基化数据合并，做相关性分析

3、提取关心基因（例如hub基因）的位点数据，并做相关性分析

4、生存分析

此外，还可以利用甲基化基因矩阵构建cox模型，还可以对关心基因的位点矩阵构建cox模型。