目前，肿瘤数据挖掘非常火爆，作为一个肿瘤内科医生，特别是研究pan-caner的医生，想不想批量生产SCI？想的话可以考虑下面这这种方法。
我们已经下载好并且整理好了23种癌症的mRNA数据，和相关的教程，等着大家去挖掘。如果自己下载这些数据，可能很多人的电脑都跑不动，整理好这些数据，起码要一个月时间。现在你就可以立刻拥有他们，让别人输在起跑线上。
有很多人下载好了TCGA数据，然后要进行提取，进行ID转换，但是遇到样本量比较大的时候，电脑跑了一个月，还是没有结果，怎么办呢？这就是你的电脑配置不够，所以跑不出来。也许下面的办法可以帮到你。
应几位粉丝的邀请，我们录制了一套TCGA联合Oncomine数据挖掘课程，这次课程完全是采纳学员的建议，我们以往都是教大家怎么样下载数据的，然后很多学员说，总是出现数据下载了一般就断线了，或者电脑跑不动，有些下载好了，却发现没有正常样本，无法做cancer vs normal的差异分析。为了解决这些问题，我们是直接下载好了所能下载癌症的mRNA数据，过滤掉所有没有normal、没有生存数据、样本量非常小的癌症，最终剩下23种癌症，如下：
1、胆癌
2、多形性胶质母细胞瘤
3、肺鳞状细胞癌
4、肺腺癌
5、肝癌
6、宫颈鳞状细胞癌
7、甲状腺癌
8、结肠癌
9、膀胱癌
10、皮肤癌
11、前列腺癌
12、乳头状肾细胞癌
13、乳腺癌
14、软组织癌
15、肾上腺癌
16、肾透明细胞癌
17、肾嫌色细胞癌
18、头颈部鳞癌
19、胃癌
20、胸腺癌
21、胰腺癌
22、直肠癌
23、子宫内膜癌
数据截图如下：
数据都是整理好的表达矩阵，normal和cancer样本都是排序好的，数据格式为HTSeq-Counts，采用edgeR包进行差异分析
课程适合人群：
1、肿瘤方向的临床医生
2、肿瘤方向的医学生
3、肿瘤方向的研究员
能否开发票：NO
课程大纲：
1_课程介绍
2_TCGA数据获取
3_差异表达分析(一)
4_差异表达分析(二)
5_GO富集分析
6_KEGG富集分析
7_蛋白互作网络分析（一）
8_蛋白互作网络分析（二）
9_筛选hub基因
10_Oncomine数据库的注册
11_Oncomine数据分析（一）
12_Oncomine数据分析（二）
13_Oncomine数据分析（三）
14_生存分析
课程特色：
1、操作性强，不讲理论
2、大大节省学员的学习时间
3、课程简单明了
4、赠送所有数据和代码
课程能够画的图：
学完这一门课程能学到什么？
1、利用edgeR包做差异分析
2、绘制热图和火山图
3、GO富集分析及可视化
4、KEGG富集分析及可视化
5、蛋白互作网络分析及筛选hub基因
6、Oncomine数据库的常用操作
7、绘制生存曲线
联系客服
