研究背景 (Background):

The complete set of tumors in The Cancer Genome Atlas (TCGA), consist of approximately 10,000 specimens and represent 33 types of cancer. It seemed appropriate to analyze all 33 tumor types (called the PanCancer Atlas) to address the intriguing questions left unanswered: whether the inclusion of many more tumors and tumor types enhances the number of cross-tissue associations, produces additional convergent and/or divergent integrated molecular subtypes, and significantly increases the fraction of cancer patients whose classification or treatment might be affected by this new taxonomic approach.

研究方案 (Proposal):

This PanCancer study encompassed 11,286 tumor samples from 33 cancer types, for which molecular data were available from at least one of the five assay platforms. Of these, 9,759 had complete data for 4 platforms: aneuploidy, DNA methylation, mRNA and miRNA. RPPA protein data were available for a subset of samples (7,858).

研究结果 (Results):

Figure 1. Integrated analysis by using iClusters.

Using aneuploidy, CpG hypermethylation, mRNA, miRNA, and protein, the resultant number of groups ranged from 10 to 25. While cell-of-origin was a dominant feature of the classification, we observed tumors from different cancer types grouping and samples within a cancer type dispersing across groups.

Finally, integrative clustering emphasized that cell-of-origin influences, but does not fully determine, tumor classification.

参考文献：

Hoadley, K. A., et al. (2018). Cell-of-origin patterns dominate the molecular classification of 10,000 tumors from 33 types of cancer. Cell, 173: 291-304.

Multi-omics data integrated analysis分析流程使用说明

一. 包含待分析数据的压缩文件

1. 若待分析数据未存储于本平台，仅将数据暂时上传（Web）以使用分析功能。请将所有待分析数据压缩为一个单独文件，支持的压缩格式：rar, zip, gz, tar.gz。

2. 若待分析数据已存储于本平台（DRS或Local），请上传符合格式的任意内容压缩文件。

二. 数据基本信息与流程参数json文件

本分析模块支持部分参数的更改，如下图所示

1. "dataId"
若待分析数据已存储于本平台（DRS或Local）,此处需输入相应ID。
2. "dataFrom": "DRS", "Local", "Web"
待分析数据来源。

3. "Pipeline": "integrated_analysis_1", "integrated_analysis_2", "integrated_analysis_3", "integrated_analysis_4"

待分析流程。

4. "fileName"
待分析数据名称。
多组学的整合分析需要≥2个组学的数据文件。当前分析流程支持基因组（SNV）、转录组（如：mRNA）、蛋白质组、磷酸化蛋白质组等多个组学的整合聚类分析。填写方式如下：

> integrated_analysis_1支持4个组学数据的整合分析，分别是SNV、mRNA、Protein和Phosphorylation的数据，填写示例如下图所示：

> integrated_analysis_2支持3个组学数据的整合分析，分别是SNV、mRNA、Protein的数据，填写示例如下图所示：

>integrated_analysis_3支持2个组学数据的整合分析，分别是SNV、mRNA的数据，填写示例如下图所示：

>integrated_analysis_4支持2个组学数据的整合分析，分别是mRNA、Protein的数据，填写示例如下图所示：

5. "FileType": "txt"
该样本文件格式。
6. "parameterFrom"
默认为"default"。若用户需要更改流程参数，此处可填写其他。
7. "parameterFileName"
默认为"customized_config.json"。若用户需要更改流程参数，此处可填写其他。
8. "parser": "bash"
本流程固定值。
9. "codeName": "Integrated_analysis/Integrated_analysis_Main.sh"
本流程固定值。
10. "core"
若 "partition"选择 "small"，允许填写范围是1-39。本流程建议core ≥ 12。

附：各组学数据文件格式说明及示例

1.基因组（SNV文件）：行是样本名称，列是基因名称，数值为0/1（0表示没有突变，1表示有突变）。

2.转录组（如mRNA表达矩阵）：行是样本名称，列是基因名称，数值为表达量。

3.蛋白质组：行是样本名称，列是基因名称，数值为表达量。

4.磷酸化蛋白质组：行是样本名称，列是磷酸化位点，数值为磷酸化水平。

需要的注意的是：

1）Somatic mutation (SNV) data 需要转成binary matrix (1: mutation, 0: no mutation)；

2）转录组和蛋白组的数据建议选择差异显著的基因；

3）CNV（拷贝数变异）的数据建议通过DNAcopy（ R包）处理后作为输入；

4）上述文件的格式为：row为sample，col为Gene/CNV区间,并且各文件的sample顺序必须一致。