突变数据

首先是数据下载。
[TCGA突变数据的下载、整理和可视化](https://mp.weixin.qq.com/s?__biz=MzU4NjU4ODQ2MQ==&mid=2247487010&idx=1&sn=904fc43625d575f67f9f96ab3b04fc8b&scene=21#wechat_redirect)
突变数据在TCGA数据库中存储为maf格式，需要将其读入R语言，有很好的R包可以一键展示数据特征，形如：

![](/media/202301/2023-01-10_104610&dMu0IUOkaejtCHKNrsg9.png)

有哪些基因在较多样本中发生了突变，哪个样本突变的基因较多，所占的比例等等都可以一目了然。

还可以进行mutation signafiture分析
[TCGA突变数据分析-mutation signafiture](https://mp.weixin.qq.com/s?__biz=MzU4NjU4ODQ2MQ==&mid=2247487026&idx=1&sn=36f51f766aa846301902ff2b2069cab5&scene=21#wechat_redirect)
得到如下的图：

![](/media/202301/2023-01-10_104602&wKqLc17XUNCD9G20pbdE.png)
展示了30个signafiture 在所有样本中的分布。

我们还可以根据某个基因是否突变对样本进行分组，比较指定的基因在两组之间的表达量：

![](/media/202301/2023-01-10_104650&7CrcXk29MsQBdy5fajHD.png)

[任意基因的任意分组比较](https://mp.weixin.qq.com/s?__biz=MzU4NjU4ODQ2MQ==&mid=2247487032&idx=1&sn=83e7e9b21c124fdbfd3b3df25548be50&scene=21#wechat_redirect)（标题忘记改了）
也可以比较指定的两个基因在任意分组下的相关性：
[表达矩阵任意两个基因的相关性分析和绘图](https://mp.weixin.qq.com/s?__biz=MzU4NjU4ODQ2MQ==&mid=2247487038&idx=1&sn=79a3f23e655fcde67523127ba26002b2&scene=21#wechat_redirect)

![](/media/202301/2023-01-10_104732&83FMcYnKDCrP1ITdm6Qz.png)
如果有幸发现两个基因本身表达量是相关的，但在根据突变分组后发现这种相关性被打破了，就有可能得到一个新故事，几率很小，可以用循环来筛选。

只要R语言基础牢固，想要根据什么分组都只是改改代码的问题，包括但不局限于是否突变、人种、性别等等。