怎样用CSCD预测circRNA的下游miRNA

1、筛选PTC中潜在的circRNA，GEO数据库中查找甲状腺乳头状癌相关的数据集，最终找到GSE93522。通过GEO2R在线差异分析工具进行差异分析，此处组别的设置为：（正常vs良性）；（正常vs恶性）。在挑选候选circRNA分子时，只挑选在（正常vs恶性）中的差异分子，排除在（正常vs良性）中上调或者下调的circRNA。最终找到13个上调和1个下调的PTC发生和进展相关的circRNA分子。随后，我们通过circBase数据库找到这14个circRNA分子的亲本基因以及在基因组中的座位。为了绘制circRNA圈图，我们在CSCD数据库中查找这14个circRNA，最终找到11个circRNA，并用其中的数据绘制圈图。

2、预测和分析PTC中与潜在circRNA分子结合的miRNA，circRNA分子发挥作用存在三种比较常见的机制：作为miRNA的海绵；与RBP结合；翻译为短肽或者蛋白质。从绘制的圈图看，这11个miRNA均存在MRE元件，可能可以与相应的miRNA相互作用。因此，我们使用CSCD和CRI数据库来预测相应的结合miRNA，并用Cytoscape软件构建相应的circRNA-miRNA网络图。随后，通过使用TCGA数据库中的数据，分析上述miRNA在甲状腺乳头状癌中的表达和预后价值。3、预测和分析PTC中上述miRNA下游的靶基因，通过上述的表达分析和预后分析，符合筛选要求的只有miR-605-5p和miR-876-3p两个miRNA。接着，我们使用综合性靶基因预测数据库miRNet，预测这两个miRNA下游的靶基因。通过蛋白互作网络分析，我们构建靶基因PPI网络，并结合CytoHubba中的算法（Cytoscape中的插件），最终筛选出20个hub基因。同时，使用STRING数据库，我们对预测出的靶基因进行GO和KEGG富集分析。

4、构建PTC中潜在的信号通路：hsa_circ_0088494-miR-876-3p-CTNNB1/CCND1，还是通过Cytoscape，我们构建miRNA-hub基因网。使用starBase数据库，我们对miRNA-hubgene关系对作表达相关性分析，从中筛选呈显著负相关的关系对（3个关系对符合）。最后，对三个关系对中的hub基因作表达分析，发现只有CTNNB1和CCND1在甲状腺乳头状癌中显著高表达，符合要求。

TCGA与ICGC。

TCGA, 全称为The Cancer Genome Atlas（癌症基因组图谱）。通过其名称我们就知道这个数据库主要做的就是肿瘤相关的数据库。

ICGC，全称International Cancer Genome Consortium（国际癌症基因组联盟）。这个数据库和TCGA的关系，就是ICGC数据库包括了TCGA的数据。另外呢，ICGC也纳入了其他别的地区所做的队列的测序数据。所以如果使用ICGC进行检索的话，我们可以得到更多的数据。

需要。

当我们使用TCGA表达数据，数据以gene-samplematrix形式整理好了，ICGC也是一个很大的癌症数据库，存放了几十种癌症的数据。我们需要将系数矩阵修改成gene-sample。

以上就是关于怎样用CSCD预测circRNA的下游miRNA全部的内容，包括:怎样用CSCD预测circRNA的下游miRNA、TCGA和ICGC需要归一化吗、icgc数据库的数据需要log fpkm+1嘛等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！