UCSCXenaShiny是基于集成了多种肿瘤数据库的UCSCXena平台，进行数据下载、分析、可视化的Shiny工具（以及同名R包），由上海科技大学王诗翔博士等共同开发；于2021年6月发表于Bioinformatics。下面主要学习其R包的相关函数，了解其核心功能。

1、数据关系

1.1 Hub/Cohort等

  • Hub：不同的大型项目，例如TCGA、GTEx
    • Cohort：不同的队列，可以表示一独立的研究，例如一种肿瘤
      • Subtype：数据类型，例如表达矩阵/表型/突变数据
        • Dataset：最终的数据实体，例如不同标准化方式的表达矩阵
image-20230511195620921
  • 所有的数据关系具体可通过如下查询
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

data_stat = UCSCXenaTools::XenaGenerate()
## hosts → cohorts → datasets
data_hosts = data_stat@hosts       # 11
data_cohorts = data_stat@cohorts   # 159
data_datasets = data_stat@datasets # 1681

data_meta = UCSCXenaTools::XenaData
t(data_meta[1,])
# [,1]                                                      
# XenaHosts        "https://ucscpublic.xenahubs.net"                         
# XenaHostNames    "publicHub"                                               
# XenaCohorts      "Breast Cancer Cell Lines (Neve 2006)"                    
# XenaDatasets     "ucsfNeve_public/ucsfNeveExp_genomicMatrix"               
# SampleCount      "51"                                                      
# DataSubtype      "gene expression"                                         
# Label            "Neve Cell Line gene expression"                          
# Type             "genomicMatrix"                                           
# AnatomicalOrigin "Breast"                                                  
# SampleType       "cell line"                                               
# Tags             "cell lines,breast cancer"                                
# ProbeMap         "probeMap/affyU133_ucscGenomeBrowser_hg18.probeMap"       
# LongTitle        "Cell Line Gene Expression (Neve et al. Cancer Cell 2006)"
# Citation         "Cancer Cell. 2006 Dec;10(6):515-27."                     
# Version          "2011-11-01"                                              
# Unit             NA                                                        
# Platform         NA         
table(data_meta$Type)
# clinicalMatrix  genomicMatrix genomicSegment mutationVector 
#            345            981            152            203

clinicalMatrix主要包括survival data与phenotype data；

genomicMatrix包括所有可以表示为：行名是molecule，列名是sample的矩阵数据，例如基因表达矩阵等

genomicSegment主要针对CNV数据；mutationVector主要针对SNV数据

1.2 常用Hub

  • TCGA与TARGET均是由NIH与NCI等机构完成，二者均涉及多种癌症的多组学分析，而后者更专注于少年儿童肿瘤研究；
  • GTEx主要关注正常组织的相关测序数据；
  • CCLE是针对癌症细胞系的多组学研究以及药物敏感性的相关数据；
  • PCAWG是ICGC的子项目之一，也是一项大规模的癌症基因组学研究；
  • TOIL是一个数据计算框架，对上述数据进行单独/整合分析，例如TCGA+TARGET+GETx

UCSC Xena

1.3 两个R包

UCSCXenaShiny网站主要以两个R包作为底层基础：

（1）UCSCXenaTools包是从UCSCXena下载数据/查询数据的工具包；

（2）UCSCXenaShiny包基于获取到的数据进行多种生信分析以及可视化。下面主要学习下这个R包的系列函数

2、UCSCXenaShiny包

2.1 内置数据

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

TCGA.organ   # TCGA缩写
tcga_gtex # 样本所属的组织，分组(肿瘤/正常)
tcga_clinical  # 肿瘤所属样本年龄性别，肿瘤分期等
tcga_subtypes # 肿瘤亚型
tcga_surv # 肿瘤的4种生存数据
## 肿瘤其它的不同属性
tcga_genome_instability
tcga_purity
tcga_tmb


ccle_info # 细胞系基本信息
toil_info # toil样本基本信息（TCGA+TARGET+GTEX）
pcawg_info #pcawg肿瘤基本信息（包括肿瘤分析，样本OS生存资料等）

## ccle、pcawg的肿瘤纯度信息
ccle_absolute
pcawg_purity

此外还有部分数据由于体量大等原因放在了Zenodo数据库，相关分析用到时可另行下载到R包安装路径的extdata文件夹内。

2.2 查询单个数据

  • 查询任一ense (Genomic) Matrix Dataset（上述1.1）的某个molecule/signature的样本(表达)数据
1
2
3
4
5
6

query_molecule_value()
query_molecule_value(dataset=, molecule=)

dataset <- "ccle/CCLE_copynumber_byGene_2013-12-03"
x <- query_molecule_value(dataset, "TP53")
head(x)
  • 直接查询3大肿瘤Hub(toil/ccle/pcawg)中的某个molecule/signature的样本(表达)数据
1
2
3
4
5
6
7
8
9

query_pancan_value() 
query_pancan_value(molecule=, 
  data_type= c("mRNA", "transcript", "protein", "mutation", "cnv", "cnv_gistic2",
    "methylation", "miRNA", "fusion", "promoter", "APOBEC"),
  database= c("toil", "ccle", "pcawg")) 

query_pancan_value("KRAS")
query_pancan_value("KRAS", database = "ccle")
query_pancan_value("KRAS", database = "pcawg")

2.3 肿瘤相关可视化

这是Shiny网页版的Quick PanCan Analysis模块的分析相关函数

image-20230512210649206

（1）差异基因分析可视化

1
2
3
4

vis_toil_TvsN()
vis_toil_TvsN_cancer()

vis_pcawg_dist()

（2）基因表达相关性

1
2
3
4
5
6

vis_gene_cor()  # TCGA
vis_gene_cor_cancer() 

vis_ccle_gene_cor()

vis_pcawg_gene_cor()

（3）基因表达与肿瘤指标的相关性

1
2
3
4
5

vis_gene_TIL_cor()
vis_gene_immune_cor()
vis_gene_stemness_cor()
vis_gene_tmb_cor()
vis_gene_msi_cor()

（4）生存相关分析

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

# survival分析
## step1：获取数据：分子表达+生存资料
sur_data = tcga_surv_get(item=, TCGA_cohort=, profile=)
sur_data = tcga_surv_get("TP53", "BRCA", "mRNA")
## step2 绘图可视化：默认取最佳分组，可自定义阈值
tcga_surv_plot(
  sur_data,
  time = "OS.time", status = "OS")

# 单变量Cox回归
vis_unicox_tree()
vis_pcawg_unicox_tree()

（5）药物敏感度相关分析

1
2
3
4
5
6
7

# 在多种肿瘤细胞系中，基因表达与药物敏感性的相关性分析
analyze_gene_drug_response_asso("TP53")
vis_gene_drug_response_asso("TP53")

# 在多种肿瘤细胞系中，根据某基因高低表达分组，药物敏感性的差异
data = analyze_gene_drug_response_diff("TP53")
vis_gene_drug_response_diff("TP53")

共涉及20余个药物。

2.4 一般分析

这是Shiny网页版的General Analysis模块的分析相关函数

image-20230512212857662 

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

# 两两相关性可视化（点图）
vis_identifier_cor()  

# 多个间相关性（热图）
vis_identifier_multi_cor()

# 分组表达差异
vis_identifier_grp_comparison()  

# 分组生存分析
vis_identifier_grp_surv()