癌症中基因的拷贝数，DNA甲基化改变是基因表达的关键调节子。一般的同时表现出甲基化，拷贝数，表达改变的基因更有可能在癌症的发生发展过程中起关键的作用。
今天给大家介绍一个整合多组学数据预测癌症变化一致基因的一个R包- CNAmet。它可以通过前期的数据预处理，简单实现-寻找变化一致的基因（拷贝数缺失，高甲基化，低表达的基因或者拷贝数扩增，低甲基化，高表达的基因），实现该功能后进行样本随机。最终输出基因的列表以及各项权值和p-value，FDR。
输入数据：
1.同样本的表达，DNA甲基化，拷贝数数据。其中拷贝数数据和甲基化数据需要前期的预处理，处理成0/1的二元矩阵，行为基因，列代表样本。
2.预处理方法，以TCGA的数据为例，我们首先需要以上涉及到的数据，对于拷贝数数据，利用GISTIC 2.0处理level 3的拷贝数数据，得到基因在样本中的离散化矩阵，例如1代表扩增，0代表没有出现扩增，同理我们处理DNA甲基化level 3数据，因为beta值是介于0-1之间的数值，这里我们认为> 0.8为高甲基化，< 0.2为低甲基化。
3.完成上述两步，我们只需将三个分子矩阵处理成相对应的行和列，接下来我们就可以进行跑程序了。
涉及到的代码如下（以示例数据位说明）
Library (CNAmet)
Results<- CNAmet(exprMatrix, cghMatrix, methylMatrix, perms = 1000, na.limit = 0.1, gainData = TRUE, favorSynergetic = TRUE)
write.table(results,file="cca_tsg.txt",quote=F,sep=" ")
其中exprMatrix, cghMatrix, methylMatrix为预处理得到的三个分子矩阵代表表达谱，离散化的拷贝数谱，离散化的甲基化谱。
输出结果如下图：
