cBioPortal 在线分析

跟完这篇，您能不写一行代码，在 cBioPortal 上把一个基因在某个癌种里的突变、拷贝数、共表达和生存关联一次查清，半小时内就判断出「这个想法值不值得深挖」。

cBioPortal 是什么

cBioPortal（https://www.cbioportal.org）是一个免费、公开的癌症基因组学在线分析平台。它把 TCGA、MSK-IMPACT 等大量已发表研究的突变、拷贝数、mRNA 表达、临床信息都整理成了统一格式，您在网页上点几下就能出图出表，全程不用下载数据、不用写代码。

它最适合做的一件事，是快速验证一个念头。比如您手上有个候选基因，想先摸清楚：它在这个癌种里到底突变多不多？高表达和病人预后有没有关系？跟哪些基因一起变化？这些问题在 cBioPortal 上十几分钟就能有答案，帮您决定要不要投入精力做后续的深入分析和实验。

一句话给它定位：它是筛线索、提假设的探路工具，不是下结论的终点。 得到的关联信号，是「值得深挖」的提示，不是机制证明。

先认识两个概念：研究与改变

进正题前，先把两个词说清楚，后面处处会用到。

一是「研究」（Study）。 cBioPortal 里的数据按研究组织，一个研究通常对应一批样本加一套检测。同一个癌种往往有好几个研究，最常用的是带 PanCancer Atlas 字样的 TCGA 研究——它们经过统一重处理，字段规整、样本量大，适合上手。

二是「改变」（Alteration）。 这是 cBioPortal 的核心口径。默认情况下，只要一个基因发生了下面任意一类事件，就算它在这个样本里「被改变」了：

改变类型	含义	需要的数据
突变（Mutation）	点突变、插入缺失等序列改变	突变数据
拷贝数扩增（Amplification）	基因拷贝数显著增多	拷贝数数据
深度缺失（Deep Deletion）	基因拷贝数纯合丢失	拷贝数数据
结构变异 / 融合（Fusion）	基因融合等结构重排	结构变异数据

后面看到的「改变频率」「改变组 vs 未改变组」，说的都是这个合并口径。想只看突变、或只看某一类，可以用后文的 OQL 精确指定。

第一步：选研究、输基因

所有分析都从一次查询开始，流程固定四步。

打开首页 https://www.cbioportal.org 。
选研究：在研究列表里勾选一个（或多个）。想聚焦一个癌种，就选它对应的 PanCancer Atlas 研究；想横跨多癌种看一致性，可多选或直接用页面顶部的合集入口。
输基因：在查询框里填入基因的官方名称（HUGO symbol），一行一个或用空格隔开。基因组学谱（突变、拷贝数等）通常会自动选好，保持默认即可。

TP53 EGFR KRAS PTEN

点 Submit Query（提交查询），进入结果页。

结果页顶部是一排标签页——OncoPrint、Cancer Types Summary、Mutations、Co-expression、Comparison/Survival、Plots、Download。下面几节就按「先看全貌、再看细节、最后看关联」的顺序，把常用的几个走一遍。

读懂 OncoPrint 与改变频率

提交后默认落在 OncoPrint 标签页，这是 cBioPortal 最标志性的一张图。它把每个样本画成一列、每个基因画成一行，用色块标出谁在哪里发生了什么改变，一眼就能看出改变的分布密不密、几个基因是不是倾向于「你有我就没有」（互斥）。

色块的含义是固定的，记住这几种最常见的就够用：

色块	代表的改变
绿色方块	错义突变（missense）
黑色方块	截断突变（无义 / 移码 / 剪接）
红色长条	拷贝数扩增（amplification）
蓝色长条	深度缺失（deep deletion）
紫色方块	结构变异 / 融合
灰色	无改变

每个基因行的最右侧会标出它的改变频率——即在全部样本里，有多少比例的样本这个基因被改变了。这个数字是您判断「值不值得深挖」的第一把尺子：频率高（比如两三成以上），说明它在这个癌种里确实常被动到，线索更硬；频率只有百分之一二，就要留个心眼，样本一少结论很容易不稳。

想看这个基因在不同癌种里的改变频率对比，切到 Cancer Types Summary 标签页，它会把各癌种的频率画成柱状图，跨癌种的一致性一目了然。

看突变细节：Lollipop 图

知道了「改变多不多」，下一步是「改变落在哪」。切到 Mutations 标签页，会看到一张 lollipop（棒棒糖）图：横轴是蛋白质从头到尾的氨基酸位置，画着各个功能域；每一根「棒棒糖」是一个突变位点，杆越高表示这个位点在样本里出现得越多。

这张图帮您回答两个很实在的问题：

突变是不是扎堆？ 如果绝大多数突变挤在某一个位点或某个功能域上（形成一根特别高的棒），提示这里可能是关键位置，比如经典的 BRAF V600E、KRAS G12。扎堆的热点突变，往往比零散分布的突变更值得关注。
突变是什么性质？ 棒棒糖的颜色区分突变类型（错义、截断等）。以截断突变为主，常提示基因功能丧失（多见于抑癌基因）；集中在热点的错义突变，则常提示功能获得或激活。

需要提醒：热点、功能域这些是帮您提假设的线索，不是定论。某个位点频繁突变可能确实是驱动，也可能只是该区域容易出错，最终还得靠功能实验来验证。

查共表达：找同向变化的基因

想知道您的目标基因「跟谁一起变化」，用 Co-expression（共表达） 标签页（前提是该研究有 mRNA 表达数据）。选定查询基因后，它会列出一张表，把所有基因按与目标基因表达的相关性从高到低排好，同时给出 Spearman 和 Pearson 两个相关系数；点某一行还能看到两基因表达的散点图。

怎么用这张表：

看强正相关：和目标基因同向变化最强的那些基因，可能与它处在同一条通路、或受同一套调控。把排在最前面的几个拎出来，常能提示目标基因可能参与的生物学过程。
两个系数一起看：Spearman 基于秩次、对离群值更稳，Pearson 衡量线性关系。两者都高，关联更可信；只有 Pearson 高而 Spearman 偏低，往往是被少数极端样本拉起来的，要谨慎。

老规矩：共表达是相关，不是因果。 两个基因表达同向，只能说它们「一起变化」，推不出谁调控谁。这里的产出是「值得进一步查的伙伴基因」，不是调控关系的证据。

看生存：改变组 vs 未改变组

这是很多人最关心的一步——目标基因被改变，和病人活得久不久有没有关系。切到 Comparison/Survival 标签页，cBioPortal 会自动把样本分成两组：

改变组（Altered group）：查询的基因在这些样本里发生了改变；
未改变组（Unaltered group）：没有发生改变的样本。

进入其中的 Survival（生存） 子标签，就能看到两组的 Kaplan-Meier 生存曲线，通常同时给出总生存（Overall Survival）和无病 / 无进展生存（Disease-Free / Progression-Free Survival），并附上 log-rank 检验的 p 值。

读这张图看两点：两条曲线分得开不开（改变组是不是明显更差或更好），以及 log-rank 的 p 值。一般以 p<0.05 作为有统计学差异的参考线——这是常用惯例、不是铁律，要结合两组样本量和曲线是否稳健一起判断，小样本下一个漂亮的分离也可能只是偶然。

几个必须记住的边界：

这是观察性关联，不是因果。曲线分开只能说「带这个改变的病人预后不同」，不能推出这个改变导致了预后差异，中间可能隔着一堆混杂因素（分期、年龄、治疗等）。
按「改变 / 未改变」二分是 cBioPortal 的默认切法，简单好复现，但它把不同类型的改变混在了一起。真要下结论，往往需要回到自己的数据里，用 Cox 模型把协变量一起校正。生存分析的门道见预后分析与生存分析入门。

用 OQL 精确查询（进阶）

前面都用默认口径。如果您想更精细地问——比如「只看突变、不算拷贝数」，或「只看高表达的样本」——可以在查询框里用 OQL（Onco Query Language），在基因名后加冒号和条件即可。

想查什么	OQL 写法	说明
只看突变	`TP53: MUT`	只把突变算作改变
只看扩增	`EGFR: AMP`	只把拷贝数扩增算作改变
只看深度缺失	`CDKN2A: HOMDEL`	纯合缺失
突变或扩增	`TP53: MUT AMP`	满足任一即算改变
指定氨基酸改变	`BRAF: MUT = V600E`	只匹配 V600E 这个位点
按表达阈值	`MYC: EXP > 2`	表达高于均值 2 个标准差

一次可以多行、每个基因一套条件，例如：

TP53: MUT
EGFR: AMP
BRAF: MUT = V600E

关于表达阈值里的数字（如 EXP > 2 的 2 个标准差），它是您根据分析目的自己定的分析选择、不是标准答案：想抓最极端的一小撮就调大，想要更多样本就调小，记得在结果里说清用了什么阈值。

在平台上跑一遍

cBioPortal 适合快速探路；等您锁定了线索、想连自己的数据一起做更严谨的分析，在百沐一下不用写代码也能接着做：把您的表达矩阵和分组、临床信息传上来，用一句话说清要比什么、看哪个基因，平台会零代码替您跑差异、相关和生存分析，并附上可复现的 R 代码，方便您核对每一步。

上手见组学智能体使用指南，或直接开始：https://app.baimuyixia.com 。