Leading with leaders

具体分析流程如下

1. 病人的癌症亚型、临床信息和生存期分析

   整理样本数据，将样本细化到亚型，统计临床数据，并进行生存分析。

2. 各亚型的突变谱、特异性突变、驱动基因分析

   使用R包Maftools对突变数据进行统计分析，包括高频突变样本、高频突变基因、突变类型统计、碱基突变模式分析、Ti/Tv突变模式分析等。并将基于突变位点聚类进行驱动基因分析。

3. 突变有害性分析

   基于突变造成蛋白氨基酸的改变进行突变有害性（导致生理生化改变的概率）分析。

4. 多个数据的突变与生存分析，确定与生存期有关的突变

   与临床上的生存数据联动，寻找与生存时间长短相关的突变基因（对预后有预测作用）。

5. 挑选候选突变位点

   综合各项分析挑选比较关键的突变基因与比较关键的基因突变位点。

6. 基因组坐标上展示突变位点与基因结构

   绘制Lollipop图直观展示突变位点在基因结构域上的分布。

7. 突变的药物分析

   基于已有数据库寻找关键突变潜在的靶向药物。

8. 突变与明星基因的关系

   探索突变的功能，是否对关键基因型、表达量有影响。

9. 突变对蛋白质结构的影响，蛋白质3D图

   绘制3D蛋白结构图以直观展示突变在蛋白结构上的位置，以分析潜在对蛋白结构的影响。

   突变案例分析

   突变相关数据库教程