新年新气象，新版仙桃发文章啦！

大家好，我是浮浮~

已经2023年了，新年新气象，我们的仙桃工具也迎来了2.0的升级版本，并且在逐步更新，最终会形成一键集成化分析的体系，对于我们筛选分子进行生信分析会更加方便快捷。那么新的一年，大家的生信分析文章投出去了吗？

有一些还没有入门生信的学员还是感到不可思议，那么今天我们再带来一篇满满仙桃风的文章进行复现，一看就是仙桃工具的成果。今天带来的这篇文章“AFF3 is a novel prognostic biomarker and a potential target for immunotherapy in gastric cancer”是2022年4月发表在“Journal of Clinical Laboratory Analysis”的生信文章，我们一起来看一下吧。

题目：AFF3是一种新的预后生物标志物，也是胃癌免疫治疗的潜在靶点

期刊：Journal of Clinical Laboratory Analysis

全文一共2个表格9张图片，非常符合模块化论证的生信思路。

1.期刊介绍：

2.文章概要

套路：单基因套路

基因：AFF3

数据来源：TCGA

技术路线：泛癌表达差异--单基因表达差异--临床相关性--KM生存曲线--富集分析--免疫浸润--免疫标志物相关性--免疫微环境。

3.图表简介

Figure1：AFF3在多种人类癌症中的表达

Figure2：GC中AFF3的表达下调

Figure3：胃癌中AFF3表达与临床参数的相关性

Figure4：AFF3对胃癌的预后。OS的Kaplan-Meier生存曲线

Figure5：AFF3的GO术语和KEGG通路富集分析。

Figure6：AFF3对基质细胞和免疫细胞浸润的影响。

Figure7：AFF3和免疫细胞之间的相关性

Figure8：AFF3与免疫治疗标志物的相关性

Figure9：AFF3与TMB和MSI在多种癌症中的表达关联

Table1：TIMER2.0中AFF3与免疫细胞基因标记物的相关性分析

Table2：AFF3与GEPIA中免疫细胞基因标记物的相关性分析

4.分析工具

仙桃学术（https://www.xiantao.love/）（新版）各种生信分析工具

the Human Protein Atlas (https://www.prote inatl as.org/)

5.复现流程

首先我们来复现Figure1

我们打开生信分析神器：仙桃工具，开始对本文进行复现。进入仙桃学术主页：https://www.xiantao.love/

点击“生信工具”

【高级版】 → 【立即使用】（注：免费版和基础版都可以进行统计和可视化，由于高级版功能最全，这里选择高级版作为范例）。▼

我们先来看一下工具首页，这里从视觉上就和旧版区别很大，就是将各个分析模块的示例图片放到了首页，大家可以通过点击相应的示例图片进入分析部分，这样就可以精准分析出图啦。

我们的升级版仍然在更新中，也在搬运旧版的内容，有一些分析模块暂时只能在旧版中使用，不过不要担心，慢慢都会搬运到新版中的。那么如果我们现在想要分析的部分在新版中还没有怎么办呢？我们可以通过下方的方式来进入旧版进行分析的。

首先我们来复现表达差异的结果，原文作者分析了主变量分子在泛癌中的表达情况，还有在胃癌中的表达差异，非配对和配对的结果都展示了，并且很明显就是用仙桃分析的。新版仙桃工具泛癌分析在“系列模块”。

新版工具操作也十分简单。点击“云端数据”，可以看到泛癌的更多选择。

这里有多种选择，根据原文我们选择TCGA和GTEx，就是选择了正常组织的数据，点击“确认”进行绘图。

我们可以看到，结果的内容和风格与原文都不完全一致（比原文简洁好看），这是因为和作者使用的数据库不同。我们也经常收到学员提问为什么有时候结果就不一样，这是因为分析数据、处理方法、纳入排除标准以及使用R包不同，就很难完全复现结果。不过大致是相同的，比如胃癌STAD的结果与原文是一致的。

接下来是Figure2

我们复现单基因单个疾病的表达差异部分，这里使用新版的工具来尝尝鲜吧。进入工具首页后，可以在【分类】这里点击“表达差异”，下面的示例图显示的就都是表达差异部分的分析模块，看到这些可视化的结果是不是一目了然呢。存储有云端数据的模块除了在文字部分有【云】的字样外，在示例图片上也有“云”字的水印，方便大家选择。

将鼠标停留在示例图片上面，还会显示该分析的应用，也方便我们进行选择适合的分析模块。我们以“疾病vs非疾病”模块为例进行复现。大家在分析自己课题的时候可以看一下配对样本的结果，同时展示配对样本结果会更有说服力。

进入模块之后可以发现里面的布局也有较大的调整。不过这样调整之后也方便后续进行更多功能的更新，而且也并不影响我们分析的进度，我们一起来操作一下吧。首选还是输入疾病，鼠标点击“云端数据”。

会弹出一个小窗口，在这里进行对疾病的选择。我们点击疾病的检索框，可以看到，新版的疾病以部位进行分类整理，并且可以选择数据过滤和格式，这样可以方便地得到更精确的检索结果，而且还可以增加分析的思路。

比如本文的疾病是胃癌，在“胃”部位中选择胃癌，有的部位是有多种癌症的，如果自己分析的时候遇到在同一部位有多个癌种，那么是不是可以分别进行分析，然后比较一下某个分子在同一部位两种疾病的差异呢？万一要是结果很好呢。话不多说，更多的可能性留给大家探索，我们继续进行复现，点击“胃癌”。

这里出现了四条结果，其中可以分为两类，一种是TCGA数据库，另一种是包含了GTEx正常组织的数据，原文使用了多种数据集，这里使用仙桃就可以直接得到两种结果。另外两条的区别是数据格式，分别是TPM和FPKM，我们推荐优先使用TPM格式，这里以TCGA数据库为例，点击“确认”。

首页就显示了我们新选择的疾病，注意，这里还显示了数据过滤情况和处理合适，方便我们检查是否用错了数据和方法。之后我们选择分子，这里就很简单了，在搜索框中输入选择即可。参数部分可以先使用默认的，这里增加了“保存参数”和“重置参数”，如果我们有自己习惯用的风格，不需要在一次次选择更改了，使用会更加方便。

结果部分的风格也做了较大的调整，将结果、解释、方法学进行了折叠，查看更加方便。“保存结果”即为保存到历史记录中，方便直接在工具中拼图，左下角也可以下载不同格式的结果，可以后期处理在AI中拼图，都是很方便的。

原文的这张图还展示了主变量分子在免疫组化结果中的表达差异。如果大家在临床能够很方便地收到组织标本，建议大家用自己的临床样本进行免疫组化，这里可以算是补实验的内容。如果没有条件做免疫组化也没有关系，我们可以使用THE HUMAN PROTEIN ATLAS（https://www.proteinatlas.org/）这个数据库得到相应的结果图片，不过这仍然属于生信分析的内容了。

进入数据库首页，直接在检索框中输入基因名称。

该检索为模糊检索，在结果中点击我们的目的基因。这次的结果结果只有一个，就不用筛选了，点击“pathology”。

在新的页面往下浏览到“Protein expression”位置，可以看到该分子在不同肿瘤中的免疫组化结果，如果这里没有想要的癌种，点击左侧的“CANCER”，在下拉菜单中找到想要的癌种，点击进入。

这里有很多病例结果可供选择，点击小图可以进入查看年龄、性别、抗体信息等等。如果想要正常组织的，在检索结果中点击“tissue”即可。解螺旋官网的单元课中也有该数据库的详细教程，感兴趣的小伙伴可以查看详细学习。

接下来Figure3

作者分析了该分子的临床意义，仙桃工具首页在“临床意义”中，点击后发现第一个“临床意义”就是，点击进入。

可以看到，临床意义这个模块，升级后的新版将这部分参数放到了分子这里，选择相对更加方便。我们根据原文第一个小图选择分组，临床变量中还有很多的选择，大家可以多尝试，选择后点击“确认”。

可以看到这个结果虽然和原文不一样，但是和差异结果相符合。该分子在肿瘤中表达低，而年龄大是肿瘤高危因素，所以该分子在高龄中低表达。后面的小图也都是在这个模块做的，我们就不一一重复操作了，大家可以试试。

Figure4是预后相关的结果。

首先是预后分析非常经典的KM曲线，我们在“临床意义”中找到带有云端数据的“生存曲线（KM图）”。

这个模块相对于旧版有一些改动，仙桃工具细节满满，我们可以先点击“确认”看一下。

可能会有小伙伴奇怪，为什么没有HR值了，这是因为统计方法不同，接下来我们看一下。

HR值是由于使用了Cox回归方法进行统计，在“主要参数”中的“统计”中更改。还有一点在“预后参数”中，可以看到“时间单位”直接可以更改为年、月、日，这让风格更加多样，也让大家有了更多的选择。

我们看一下改为“月”的结果，坐标轴显得清晰了一些，如果小伙伴喜欢这种风格，可以选择这种方式保存。

原文展示了不同类型的生存曲线，这里仙桃工具也是可以做到的，在“预后参数”中“预后类型”中可以选择。操作也是十分简便，小伙伴们可以尝试一下。

这张图片右侧展示的是亚组KM值中的森林图，仙桃工具提供了亚组KM图的分析和可视化，我们一起来看一下吧。仍然是在“临床意义”中，找到“亚组KM图”进入。

可以看到这里相比于经典的KM图多了临床变量，我们先根据原文选择性别的变量。

直接选择“cox回归”的方法展示HR值，需要提取HR和P值来绘制森林图。如果小伙伴们想要直接展示这个亚组KM曲线也可以和经典生存曲线拼成一个图一起展示。

我们来展示一下原文的结果，方便小伙伴们分析自己课题的时候也有更多的选择。在“临床意义”中找到“森林图”点击进入。

我们看一下示例数据，这些数据内容在刚才亚组KM图片中都有，小伙伴们可以分别分析然后整理到excel表中。

这个结果和原文形式上是一致的，小伙伴们如果喜欢森林图的格式也可以这样整理使用这种形式展示。

Figure5是单基因差异分析和富集分析的结果

我们首先进行单基因差异分析，在“表达差异”部分，找到“单基因-差异分析”进入。

这里操作也是十分简单的，工具会记录疾病和分子，所以点进去之后直接点“确认”即可，默认是按照分子表达中位数进行高表达和低表达分组的，大家也可以根据自己的需求在“主要参数”中调整。

分析完成后下载保存结果。

我们来看一下结果，提供的信息比较多，接下来是绘制火山图，使用我们的仙桃工具也是可以轻松完成。首先筛选一下类型“gene_type”，筛选“protein_coding”。

“火山图”在“表达差异”中，点击进入。

我们来看一下火山图的示例数据，根据该格式整理结果。

上传数据后进行验证，“验证成功”说明数据没有问题。进行绘制火山图的时候，我们甚至不需要自己先筛选阈值，只要在“主要参数”中将阈值和p值输入即可。

结果还是和原文很相似的，我们可以保存图片和差异的结果。

我们保存一下这个“差异表格”的结果作为富集分析的输入数据。我们先来进行一下GO/KEGG分析，在“功能聚类”中点击进入“[GOKEGG]分析”。

这里有两种输入数据的方式，可以上传文件，也可以直接在“分子列表”中输入，两种都是可以的。

结果默认展示前5个条目信息，这里要点击“保存结果”以及下载分析后的数据以便修改可视化内容。

之后进入可视化模块，我们这里以“气泡图”为例进行展示。

这里默认是展示前3个结果，如果大家在分析自己项目的时候有其他需求，比如想要展示更多或者想要展示某几个项目，都可以在ID列表中进行修改的。

Figure6是进行了免疫浸润的分析

使用仙桃工具可以展示棒棒糖图、分组对照图和散点图，免疫浸润相关模块仍然是在“交互网络”模块，我们一起来看一下。这部分的结果与原文不完全一致，但是表达出来的内容是相似的。

我们先来看一下棒棒糖图。

由于可以记忆疾病和分子，所以进入后直接点击“确认”即可出图。

和旧版最明显的区别就是标注了相关性以及统计学意义，这样大家的图片表达的意义更加丰富。默认的颜色风格是蓝色-红色的顺序，所以这个结果才会“一片蓝色”，大家可以在参数中调整配色。

原文的表格展示的都是主变量分子与免疫细胞相关性的结果，这里仙桃工具也可以提供类似的结果，小伙伴们可以选择展示。在本页面的“补充结果”中。

Figure7主要是展示散点图的结果

散点图和分组比较图里面的参数变化不大，大家可以登录自己的账号尝试一下。其中，分组比较图是“单基因高低组差异”这个模块。仙桃工具提供了三种不同形式的图片展示免疫浸润相关性，大家可以根据自己的喜好和拼图的空间决定如何搭配，要比单纯展示散点图更美观多样~

原文也使用了TIMER（http://timer.cistrome.org/）进行了免疫浸润分析，但是这个网站不稳定，这里提供网址，感兴趣的小伙伴也可以尝试一下。

Figure9展示了主变量分子和免疫治疗相关分子的相关性

首先我们来复现散点图，之后根据散点图中得到的信息，整理后可以绘制雷达图。在仙桃工具的“交互网络”中，点击“表达相关散点图”进入。

点进去之后疾病和主分子都自动选好了，我们在“补充分子”的位置输入。这里个人感觉原文的展示有些不妥，主变量分子应该是在横坐标的位置进行展示，意味着随着主变量的表达变化，其他分子如何改变。

默认统计方法是spearman。

“补充结果”中给出了两种相关分析的系数R值和统计学P值，我们记录一下用于后续绘制雷达图

在工具的“基础绘图”分类下可以找到“雷达图”。

输入数据也是比较简单的，我输入了原文散点图的数据，我们一起来看一下。

上传文件之后还是要点击“验证”，要出现“验证成功”才可以进行下一步操作。

如果小伙伴们在自己分析的时候发现显示不全，可以通过调整“图片”中的大小，适当增加图片大小将文字显示完全。

或者保存pdf版本之后在AI中进行调整也是可以的。

文章最后TMB和MSI评分仙桃工具暂时还没有更新收录，后续仙桃工具会更新更多的分析模块，大家敬请期待。

以上就是我们对这篇文章的复现的呈现过程。希望复现的过程对大家有所帮助，能让大家了解文章的思路，分析工具，方法和步骤等，对大家撰写类似的文章有所启发。

好啦，本篇文章咱们就已经复现差不多了，仅仅用了两个网站，仙桃基本上承担了全部工作，一篇SCI就这么发了，还不够心动吗～

希望大家能够抓紧开始，赶上这趟末班车，也祝愿大家都能够早日发表自己的生信文章，更多的教学内容大家可以参照往期的复现推文，也可以加入我们的生信训练营，包括但不限于基础班训练营、文章复现训练营、分模块教学的快闪营、写作工具训练营等等，感兴趣的小伙伴千万不要错过啦~