《声声慢·基因测序》
寻寻觅觅，SNP，测序测序测序。
报告出来时候，一脸懵逼。
七零八落数据，怎样搞，生存统计？
欲结题，正忧心，预后怎么分析？
满地数据堆积，测完序，课题如何继续？
守着样本，劳资只想静静。
被人忽悠掏钱，到头来，满手垃圾。
这测序，怎一个，坑字了得。
以二代基因测序为代表的高通量研究策略涵盖了临床前研究的方方面面，我们可以在短时间内拿到大量样本的检测结果，研究进程大大加快了。但新技术带来了新问题，高通量检测带来的海量数据怎么分析？
如何让大数据解决大问题？
新技术的意义并不是为了发文章灌水，而是创造临床价值，一切没有临床相关性研究的基因测序都是耍流氓！还在研究“少数民族的特殊基因突变”吗？老师啊，已经2016年了，这种小破文章对得起您手里的宝贵样本吗？这种坐在金矿上被饿死的感觉酸爽不？
别慌，吉凯强大的生物信息平台给您支支招。
今天陈博以“Cancer Panel肿瘤基因热点突变测序”数据的深度分析为例，讲一讲二代测序结果的正确打开方式。
Cancer Panel技术是一种快速的癌基因扫描手段。它选取50个已知的肿瘤高相关性基因，将其常见的热点突变（共2800种）集合到一起同时检测，可以在短时间内高效地完成对肿瘤样本的突变扫描，获取重要的肿瘤基因突变谱。
Cancer Panel实验是在Ion Torrent测序仪上完成的，这种二代测序仪的主要原理是：在半导体芯片的微孔中固定DNA链，随后依次掺入ATCG。随着每个碱基的掺入，释放出氢离子，在它们穿过每个孔底部时能被检测到，通过对氢离子的检测，实时判读碱基。Cancer Panel的测序深度高达1000X以上，数据精度远超普通的全基因组测序或外显子组测序。
Cancer Panel采用AmpliSeqTM技术，通过多重PCR完成，只需极低起始量样品（10 ng级），能够在一管中同时扩增几千种PCR片段，能够快速完成疾病相关基因的突变筛察。
Cancer Panel的检测数据首先经过常规数据分析，包括：数据预处理、数据过滤统计、基因组mapping、SNV检测及注释、InDel检测及注释等，至此我们完成了进一步数据挖掘的准备工作。
（很多半成品测序结果就是这个状态的，劳资裤子都脱了，就只给看这个数据，实在坑爹啊）
接下来，才是见证奇迹的时刻！
（以某肿瘤的预后预测及指导用药为例）
在Cancer Panel数据分析过程中，通常首先对50个肿瘤基因中存在非同义突变、移码突变或终止密码突变的基因进行筛选；其次对这些突变基因的突变情况对临床疗效、药效、起效时间及治疗的预后情况是否有显著影响进行分析；对于显著影响疗效或预后的突变基因，对它们对于这些因素的影响趋势进行分析。综合以上分析，为早期预测哪些患者会获得更好的疗效及指导用药提供依据。
突变基因在各临床疗效样本组中的分布如下图所示，吉凯采用Mann-Whitney U检验法对各个基因的突变情况对于临床疗效性是否具有显著影响进行检验。
（图中每一行代表一个基因，每一列代表一个样本；顶端的蓝色条码由浅到深依次代表Complete Response、Partial Response、Stable Disease和Progressive Disease；灰色代表该基因在所对应的样本中有突变，白色代表没有突变。）
在“突变基因与临床疗效性的相关性”项目中，吉凯采用Spearman检验法对相关突变基因与临床疗效性之间的相关性进行检验，初步探索这些肿瘤基因对于临床疗效的潜在作用。
在临床研究中，对于治疗方案的疗效的考核，通常可以采用治愈率、病死率等指标来评价。但是对于肿瘤、结核及其他慢性或长期性疾病，其治疗的预后效果不能在短期内判断，需要通过对病人进行长期随访，统计一定期限后的生存或死亡状况来加以评判。
但是此类生存数据分布类型不确定，通常不符合正态分布，且常含有删失值（censored，如由于病人痊愈、失联或其他原因死亡等造成随访失效或终检），因此不适合使用传统的统计分析方法（例如：T 检验、线性回归分析等）。
生存分析（Survival Analysis）是研究生存现象和响应时间数据及其统计规律的一种统计学方法。常用的生存分析方法包括：参数方法、非参数方法（例如：寿命表分析、 Kaplan-Meier 分析等）和半参数方法（例如：Cox 回归分析等）。
在本项目中，吉凯采用 Kaplan-Meier 方法检验肿瘤基因的突变情况对于治疗后生存时间的影响是否显著，如上图所示。
各位老师看到这里，是不是觉得当初砸在手里的测序数据有救了？还等什么，快来找陈博吧。除了基因数据的深度分析之外，吉凯的基因研究工具还有很多，下一期陈博给大家讲讲为什么《五块钱买不了吃亏！买不了上当》。
