导读：癌症基因组研究无疑已成为癌症研究领域的一大热点，而且相关研究无需研究人员十分扎实的生物信息学基础，就能获得高回报——癌症研究人员已经积累了不少小突变，拷贝数变异，表观遗传学变化，表达水平差异的分析数据，以及大量癌症类型的临床特征数据。
挑战癌症基因组
癌症基因组研究无疑已成为癌症研究领域的一大热点，而且相关研究无需研究人员十分扎实的生物信息学基础，就能获得高回报——癌症研究人员已经积累了不少小突变，拷贝数变异，表观遗传学变化，表达水平差异的分析数据，以及大量癌症类型的临床特征数据，早在2008年科学家们就公布了首个癌症基因组序列（急性髓细胞白血病）。
这意味着目前进入这一领域研究的相关科研人员将能获得更多，更高质量的信息，当然研究分析不是一件容易的事情。近期知名生命科学期刊The Scientist杂志就以“Combing the Cancer Genome”为题，介绍了癌症基因组研究中一些有效的在线资源，以及如何运用，可谓是这方面研究的指引手册。
哪些是与某种肿瘤类型相关的基因和途径？
许多癌症研究人员目前都不再寻找个体基因，而是绘制基因网路图谱。要绘制网络图谱，可以选择Regulome Explorer，这是一套由美国西雅图系统生物学研究所，和德州大学MD安德森癌症研究中心开发的工具，能提供与突变，表达水平变化和临床结果之间关联有关的全面资料。这一工具目前带有三个TCGA数据集，计划在未来6个月里添加更多。
如果要分析包含某个基因的网络，那么可以选择这一网站的第一个工具：All Pairs Significance Tests，这能帮助研究人员找到成对的作用关系。新打开的窗口将可以显示比如一个乳腺癌数据集的图形形式，如果需要其它数据，可以找到Data menu，点击Select。在右边的对话框中，输入目标基因的名称（Feature 1），在Feature 2中选择基因变化类型，以及希望寻找关联的基因，然后点击Filter。或者也可以在Feature 2处留白，就会出来整个基因关联，把鼠标放在上面，研究人员就能看到与目标基因有关的变化。
同样在MSKCC的cBio页面上也可以进行相似的不同癌症类型的数据分析：在灰色框中输入目标基因，比如Trim2，然后点击Submit。选择癌症类型，再点击View Cancer Study Details，这样就能在Network看到已知的基因相互作用和作用途径网络。当鼠标滑过一个基因，还能看到不同颜色的相关突变，表达和拷贝数状态——颜色代表Legend选项中的每个变化。
当然，许多基因网络还是未知的。一个称为Dendrix的工具能预测基因是否参与到某种途径中，这主要是通过一种能寻找在相互排斥模式（mutually exclusive pattern）中发生基因突变的运算方法。如果需要运行Dendrix，可以先将两个文本文件下载到ccmbweb.ccv.brown.edu/dendrix的服务器上。
来自布朗大学，参与Dendrix设计的生物信息学家Fabio Vandin表示，这样能列出所有在某种特殊肿瘤类型（比如一个TCGA数据集）中发生突变的基因，而其它的则只能列出需要分析的基因。最后完整的分析结果将会通过email邮件送到研究人员的邮箱，通常在一天内就能送到，一种称为Cytoscape的平台能阅读这种文件。
网站地址：
Cytoscape https://www.cytoscape.org/
ccmbweb.ccv.brown.edu/dendrix https://ccmbweb.ccv.brown.edu/dendrix/
