身处大数据时代，没钱做实验没关系，无数人正在帮你做实验积累数据；是吗？是的！不信接着往下看！

1. 目前公开的数据非常之多  
之前我们介绍了NCBI的SRA数据库(Sequence Read Archive用于存储二代测序的原始数据)中数据在快速的增长，目前已经积累了14P的数据，大量的数据等待着被进一步的挖掘。

2. 大量数据很少被挖掘  
虽然公开的数据非常的多，但是基本上只有数据提交者对数据进行了一次分析，很少有数据被多次挖掘。

有了这些基础，也就有了“吃螃蟹的人”，挖掘别人的数据，发表自己的文章！想一想，这是一个多么励志的故事啊！

哪些数据更适合深挖？

公开的数据那么多，哪些数据值得挖掘呢？可以从以下3个方面来筛选：

1. 样本数量  
样本越多，可以分析的内容就越多，文章可写的内容也就越多，所以首选样本数量多的数据。

2. 数据类型  
组学数据类型越多越好，这样可以针对不同的类型数据进行分析，也可以进行联合分析，从不同的层面去分析一个科学问题。

3. 表型相关数据   

有详细表型更好，结合表型，对基因型进行研究，功能研究就会更加的明确，更加的容易。

推荐一个理想的医学数据库

基于以上几个方面的特点，今天小编给大家介绍一个很是理想的、适合进行数据挖掘的医学类数据库-TCGA数据库。 

目前该数据集收录了33种癌症，11000多例病人的基因组，转录组，甲基化等多组学的数据和临床相关数据。目前已发表的TCGA相关文章达到了4300多篇。

多么巨大的一个数字啊，你是不是也想贡献一篇啊？下面一起看个TCGA数据文章实例！

挖掘的实例简介 

这是一篇2017年发表在Oncotarget上的题为：An integrated lncRNA, microRNA and mRNA signature to improve prognosis prediction of colorectal cancer 的文章, 采用TCGA公开数据进行挖掘，分析思路及结果如下:

1. 针对癌症，癌旁组织的mRNA，lncRNA,miRNA进行差异表达，获得显著变化的分子，用于构建生存分析模型  

2. 基于差异表达的mRNA，lncRNA,miRNA，构建多因素生存分析模型，获得疾病风险评估方法

3. 在癌症测试样本中验证生存模型的风险预测，效果都很明显

4. 结合癌症的临床TNM分期情况，构建更好的预测模型

参考文献：Y xiong at all. An integrated lncRNA, microRNA and mRNA signature to improve prognosis prediction of colorectal cancer. Oncotarget, 2017, 8 (49):85463-85478.

如何入门学习TCGA数据挖掘？

如果你不想做实验，又想发SCI，没关系，梦想依然是可以实现的！那就学学如何利用别人的数据吧。目前组学大讲堂已经开设了一门《TCGA-基因差异表达分析》的学习课程。该课程适合零基础、入门级学习者，深入浅出地讲解了TCGA数据挖掘详细过程及分析内容，该课程特点归纳如下：

1. 门槛低：本课程提供全面、详细注释的源代码，且代码可以在windows环境下运行，适合零基础、入门级学习者；如果你熟悉linux，那学习就容易了。  

2. 讲解细致：共包括15个课时，总时长达3个小时以上，内容详尽，包你学的会。  

3. 学习互动到位：我们有专门负责指导学习者自学的VIPQQ交流群，群内可以直面生信人员，咨询方便，交流顺畅，学习无后顾之忧。    

4. 内容丰富：本课程的主要内容如下目录：